“本項(xiàng)目案例由 云集至 投遞并參與由數(shù)據(jù)猿&上海大數(shù)據(jù)聯(lián)盟聯(lián)合推出的“行業(yè)盤點(diǎn)季之?dāng)?shù)智化轉(zhuǎn)型升級(jí)”大型主題策劃活動(dòng)之《2021中國(guó)企業(yè)數(shù)智化轉(zhuǎn)型升級(jí)創(chuàng)新服務(wù)企業(yè)》榜單/獎(jiǎng)項(xiàng)的評(píng)選。

隨著互聯(lián)網(wǎng)快速發(fā)展，汽車制造行業(yè)信息化建設(shè)不斷深化，企業(yè)運(yùn)營(yíng)模式也隨之發(fā)生巨大變化。在此之前，汽車制造行業(yè)對(duì)紙質(zhì)文檔數(shù)據(jù)信息的監(jiān)管體系業(yè)已成熟，而隨著信息化建設(shè)的發(fā)展，之前的監(jiān)管體系已經(jīng)無(wú)法跟上車企的發(fā)展節(jié)奏了，依靠之前的監(jiān)管體系對(duì)信息化環(huán)境下的數(shù)據(jù)信息進(jìn)行有效的監(jiān)管也面臨著越來(lái)越多困難。

信息化建設(shè)加速了企業(yè)發(fā)展的步伐，同時(shí)也給企業(yè)數(shù)據(jù)信息監(jiān)管帶來(lái)越來(lái)越多的挑戰(zhàn)。近幾年來(lái)，汽車制造行業(yè)數(shù)據(jù)信息泄露事件頻發(fā)，2018年紐約時(shí)報(bào)7月20日報(bào)道，有多家車企公司的敏感文件遭到了曝光，包括通用汽車、菲亞特克萊斯勒、福特、特斯拉、豐田、蒂森克虜伯和大眾等，共曝光了157千兆字節(jié)的數(shù)據(jù)，涉及機(jī)密文件47000個(gè)。由此可見(jiàn)數(shù)據(jù)安全事件及問(wèn)題已經(jīng)觸目驚心，而數(shù)據(jù)泄露事件的發(fā)生不僅會(huì)造成企業(yè)聲譽(yù)和經(jīng)濟(jì)的損失，也可能影響社會(huì)的穩(wěn)定繁榮甚至國(guó)家安全。

目前國(guó)內(nèi)已頒發(fā)《網(wǎng)絡(luò)安全法》、《信息安全技術(shù) 個(gè)人信息安全規(guī)范》（GB/T 35273-2017）、《數(shù)據(jù)安全法》等相關(guān)法律和規(guī)范，以及歐盟《通用數(shù)據(jù)保護(hù)條例》（GDPR）、美國(guó)《2018年加州消費(fèi)者隱私法案》（CCPA）等法案法規(guī)的發(fā)布和執(zhí)行，都說(shuō)明各國(guó)對(duì)于數(shù)據(jù)安全的高度重視和治理決心。

個(gè)人數(shù)據(jù)用于組織在產(chǎn)品研發(fā)、精準(zhǔn)營(yíng)銷、客戶服務(wù)、生產(chǎn)管理等環(huán)節(jié)，社會(huì)生產(chǎn)無(wú)時(shí)無(wú)刻都要接觸數(shù)據(jù)、使用數(shù)據(jù)，而上述的法律法規(guī)中對(duì)個(gè)人數(shù)據(jù)的保護(hù)以及數(shù)據(jù)獲取原則、方法、法律責(zé)任都有明確而詳盡的規(guī)定和要求。因此企業(yè)對(duì)數(shù)據(jù)的采集、加工、使用都會(huì)涉及到合規(guī)問(wèn)題，企業(yè)是否有相對(duì)健全的數(shù)據(jù)安全保護(hù)機(jī)制，這不僅是企業(yè)開(kāi)展業(yè)務(wù)的前提條件，也是數(shù)據(jù)安全事件發(fā)生后，企業(yè)是否應(yīng)當(dāng)承擔(dān)責(zé)任以及承擔(dān)多大責(zé)任的首要考量因素。

●實(shí)施時(shí)間

開(kāi)始時(shí)間：2021.3.5

截止時(shí)間：2021.4.15

應(yīng)用場(chǎng)景

一、數(shù)據(jù)資產(chǎn)安全梳理

數(shù)據(jù)資產(chǎn)梳理系統(tǒng)能幫助用戶快速構(gòu)建數(shù)據(jù)資產(chǎn)管理體系，并以資產(chǎn)安全視角對(duì)數(shù)據(jù)源、數(shù)據(jù)表/文檔、字段進(jìn)行實(shí)時(shí)、動(dòng)態(tài)監(jiān)測(cè)，直觀呈現(xiàn)數(shù)據(jù)資產(chǎn)的分布、狀態(tài)、流轉(zhuǎn)、使用等詳細(xì)信息，為數(shù)據(jù)的安全治理和風(fēng)險(xiǎn)管控提供精準(zhǔn)依據(jù)和量化支撐。

二、敏感數(shù)據(jù)識(shí)別打標(biāo)

數(shù)據(jù)資產(chǎn)梳理系統(tǒng)能從海量數(shù)據(jù)中發(fā)現(xiàn)和識(shí)別保護(hù)對(duì)象，精準(zhǔn)識(shí)別敏感數(shù)據(jù)。通過(guò)內(nèi)置算法規(guī)則和自定義敏感數(shù)據(jù)識(shí)別規(guī)則等，對(duì)其存儲(chǔ)的數(shù)據(jù)庫(kù)類型數(shù)據(jù)以及非數(shù)據(jù)庫(kù)類型文件進(jìn)行整體掃描、分類、分級(jí)，并根據(jù)結(jié)果做進(jìn)一步的安全防護(hù)，如脫敏等。

三、數(shù)據(jù)風(fēng)險(xiǎn)檢測(cè)與防護(hù)

通過(guò)智能化檢測(cè)模型分析內(nèi)外賬號(hào)對(duì)敏感資產(chǎn)的訪問(wèn)行為，實(shí)現(xiàn)對(duì)敏感資產(chǎn)訪問(wèn)的異常檢測(cè)，同時(shí)為數(shù)據(jù)安全管理團(tuán)隊(duì)提供相關(guān)告警，并基于此完善風(fēng)險(xiǎn)預(yù)判和規(guī)避能力。

四、數(shù)據(jù)安全合規(guī)檢查

數(shù)據(jù)資產(chǎn)梳理系統(tǒng)可精準(zhǔn)區(qū)分和保護(hù)個(gè)人數(shù)據(jù)，滿足網(wǎng)絡(luò)安全法、數(shù)據(jù)安全法、GDPR等關(guān)于在海量數(shù)據(jù)中找到和保護(hù)敏感數(shù)據(jù)的要求，可對(duì)敏感數(shù)據(jù)的使用進(jìn)行審計(jì)，避免產(chǎn)生合規(guī)問(wèn)題。

同時(shí)，數(shù)據(jù)資產(chǎn)梳理系統(tǒng)可應(yīng)相關(guān)監(jiān)督部門的數(shù)據(jù)安全合規(guī)檢查要求，可通過(guò)系統(tǒng)提供的數(shù)據(jù)資產(chǎn)分類分級(jí)、風(fēng)險(xiǎn)檢測(cè)等功能對(duì)數(shù)據(jù)進(jìn)行相關(guān)合規(guī)檢查，并及時(shí)制定落地泄漏檢測(cè)、數(shù)據(jù)脫敏方案，幫助用戶保護(hù)和監(jiān)管數(shù)據(jù)安全合規(guī)。

面臨挑戰(zhàn)

一、數(shù)據(jù)資產(chǎn)私搭亂建，存在重大安全隱患

長(zhǎng)安汽車的DBA或運(yùn)維工程師擁有極高權(quán)限，擁有對(duì)數(shù)據(jù)資產(chǎn)的較高操作權(quán)限，為了方便工作上線新資產(chǎn)和下線舊資產(chǎn)的情況就比較隨意，缺乏規(guī)范性。諸如這類未登記審批等情況會(huì)導(dǎo)致數(shù)據(jù)安全設(shè)備無(wú)法對(duì)其進(jìn)行感知和防護(hù)，從而加大了數(shù)據(jù)泄露的風(fēng)險(xiǎn)。

二、賬戶信息不清晰，無(wú)法統(tǒng)一管理

數(shù)據(jù)庫(kù)賬戶是操作數(shù)據(jù)中內(nèi)容的主要源頭之一，如不清楚該賬戶的來(lái)源、負(fù)責(zé)人及操作等就無(wú)法在出現(xiàn)數(shù)據(jù)安全事件時(shí)進(jìn)行實(shí)時(shí)風(fēng)險(xiǎn)定位，事后也無(wú)法進(jìn)行事件追溯，加大了后期管理難度。

三、數(shù)據(jù)資產(chǎn)不清晰，安全防護(hù)千瘡百孔

云集至利用數(shù)據(jù)資產(chǎn)梳理系統(tǒng)對(duì)長(zhǎng)安汽車整體數(shù)據(jù)資產(chǎn)進(jìn)行了摸底，發(fā)現(xiàn)實(shí)際數(shù)據(jù)資產(chǎn)量要遠(yuǎn)大于已登記數(shù)據(jù)資產(chǎn)量，并且內(nèi)部人員對(duì)數(shù)據(jù)資產(chǎn)的類型、分布以及狀態(tài)等情況不清楚，那么就造成安全防護(hù)設(shè)備保護(hù)不全等情況，從而加大了數(shù)據(jù)泄露的風(fēng)險(xiǎn)，如數(shù)據(jù)庫(kù)中敏感信息漏加密出現(xiàn)明文、審計(jì)系統(tǒng)留存的日志不完整等等。

四、敏感信息未分級(jí)，無(wú)法避免一刀切

數(shù)據(jù)對(duì)長(zhǎng)安汽車來(lái)說(shuō)是最重要的資源之一，尤其是敏感數(shù)據(jù)。那么為了防止出現(xiàn)數(shù)據(jù)泄露等事件的發(fā)生，企業(yè)一直將整體數(shù)據(jù)資產(chǎn)進(jìn)行保護(hù)處理，例如利用數(shù)據(jù)庫(kù)加密系統(tǒng)對(duì)整個(gè)數(shù)據(jù)庫(kù)、表、字段、數(shù)據(jù)進(jìn)行加密處理，這樣不僅浪費(fèi)了資源，還增加系統(tǒng)或網(wǎng)絡(luò)的相應(yīng)速度，從而給整體業(yè)務(wù)帶來(lái)影響。

數(shù)據(jù)支持

本次長(zhǎng)安汽車項(xiàng)目數(shù)據(jù)資產(chǎn)從兩個(gè)方面對(duì)數(shù)據(jù)資產(chǎn)進(jìn)行了梳理：

一、利用數(shù)據(jù)資產(chǎn)梳理系統(tǒng)粗粒度技術(shù)對(duì)長(zhǎng)安汽車整體結(jié)構(gòu)化及非結(jié)構(gòu)化數(shù)據(jù)資產(chǎn)進(jìn)行深度挖掘和掃描，一小時(shí)內(nèi)共盤點(diǎn)出結(jié)構(gòu)化數(shù)據(jù)庫(kù)數(shù)十個(gè)和非結(jié)構(gòu)化文件數(shù)百個(gè)。

二、利用細(xì)粒度技術(shù)對(duì)數(shù)十個(gè)數(shù)據(jù)庫(kù)中其中兩個(gè)數(shù)據(jù)庫(kù)進(jìn)行挖掘掃描，半小時(shí)左右共盤點(diǎn)出近近千個(gè)數(shù)據(jù)庫(kù)表、數(shù)千個(gè)字段項(xiàng)，并對(duì)字段項(xiàng)中的數(shù)據(jù)進(jìn)行了五個(gè)等級(jí)的打標(biāo)處理，解決了數(shù)據(jù)級(jí)別劃分的剛性需求。

對(duì)資產(chǎn)進(jìn)行梳理的同時(shí)，對(duì)數(shù)據(jù)庫(kù)賬戶進(jìn)行同步梳理，識(shí)別數(shù)據(jù)庫(kù)賬戶數(shù)十個(gè)并納入平臺(tái)進(jìn)行審計(jì)。通過(guò)30天24小時(shí)對(duì)靜動(dòng)態(tài)數(shù)據(jù)實(shí)時(shí)監(jiān)控分析，發(fā)現(xiàn)新資產(chǎn)上線和舊資產(chǎn)下線情況以及少量的疑似風(fēng)險(xiǎn)操作，均已發(fā)出告警。期間接受內(nèi)部數(shù)據(jù)資產(chǎn)檢查共兩次，基本滿足自查要求。

應(yīng)用技術(shù)與實(shí)施過(guò)程

01

應(yīng)用技術(shù)

1、數(shù)據(jù)資產(chǎn)識(shí)別

利用先進(jìn)的數(shù)據(jù)庫(kù)自動(dòng)嗅探識(shí)別技術(shù)對(duì)整個(gè)IP網(wǎng)段或端口的范圍進(jìn)行搜索，發(fā)現(xiàn)整個(gè)范圍內(nèi)存在的數(shù)據(jù)庫(kù)類型及文件服務(wù)器，涵蓋結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)，包括Oracle、MySQL、SQL Server、DB2、Sybase、高斯、達(dá)夢(mèng)、金倉(cāng)、Hive等。

有效解決了長(zhǎng)安汽車以下問(wèn)題：

幫助客戶摸清，數(shù)據(jù)庫(kù)情況包括：數(shù)據(jù)庫(kù)的類型、分布、狀態(tài)等等，提供可視化直觀展示，幫助客戶了解自己的資產(chǎn)。

圖.數(shù)據(jù)資產(chǎn)自動(dòng)掃描

2、敏感數(shù)據(jù)的發(fā)現(xiàn)

利用內(nèi)置敏感數(shù)據(jù)特征庫(kù)，通過(guò)關(guān)鍵字、正則表達(dá)式、算法等構(gòu)建豐富的特征項(xiàng)，用于定義敏感數(shù)據(jù)識(shí)別的匹配策略配置，同時(shí)特征項(xiàng)支持自定義敏感數(shù)據(jù)類型和特征，比如長(zhǎng)安汽車中個(gè)人敏感數(shù)據(jù)、公司敏感數(shù)據(jù)等。

·關(guān)鍵字：在關(guān)鍵字技術(shù)的基礎(chǔ)上引入中文分詞、模糊匹配和權(quán)重匹配，針對(duì)無(wú)規(guī)范的敏感數(shù)據(jù)進(jìn)行精準(zhǔn)匹配。

·正則表達(dá)式：針對(duì)正則表達(dá)式技術(shù)，加入數(shù)據(jù)標(biāo)識(shí)符，精確匹配身份證、銀行卡號(hào)、社會(huì)保障號(hào)等有技術(shù)規(guī)范內(nèi)容。

·人工智能：運(yùn)用大數(shù)據(jù)和機(jī)器學(xué)習(xí)，通過(guò)智能化算法，對(duì)敏感數(shù)據(jù)進(jìn)行快速準(zhǔn)確的識(shí)別。

·自定義特征：根據(jù)長(zhǎng)安汽車現(xiàn)狀，結(jié)合國(guó)家及行業(yè)法律法規(guī)要求，自定義敏感數(shù)據(jù)規(guī)則，完成敏感數(shù)據(jù)識(shí)別。

有效解決了長(zhǎng)安汽車以下問(wèn)題：

·敏感數(shù)據(jù)不清晰，且不規(guī)范：通過(guò)敏感數(shù)據(jù)內(nèi)置識(shí)別規(guī)則和自定義規(guī)則快速有效的在海量數(shù)據(jù)中準(zhǔn)確的提取出敏感數(shù)據(jù)，根據(jù)敏感數(shù)據(jù)的保密程度對(duì)其進(jìn)行等級(jí)打標(biāo)簽處理，使客戶敏感數(shù)據(jù)統(tǒng)一、規(guī)范化。

·敏感數(shù)據(jù)分布及使用分析情況：利用敏感數(shù)據(jù)自動(dòng)識(shí)別技術(shù)，將客戶數(shù)據(jù)形成敏感數(shù)據(jù)資產(chǎn)臺(tái)賬，讓客戶清晰的了解到敏感數(shù)據(jù)分布及敏感數(shù)據(jù)使用情況。

·敏感信息是否存在違規(guī)操作情況：利用敏感數(shù)據(jù)自動(dòng)識(shí)別技術(shù)，通過(guò)分析使用情況，及時(shí)發(fā)現(xiàn)了長(zhǎng)安汽車內(nèi)部違規(guī)操作行為，幫助客戶及時(shí)定位了問(wèn)題，避免了數(shù)據(jù)安全事件的發(fā)生。

圖.敏感信息自動(dòng)發(fā)現(xiàn)

3、數(shù)據(jù)分類分級(jí)

數(shù)據(jù)分類分級(jí)主要用于維護(hù)數(shù)據(jù)類別標(biāo)簽及數(shù)據(jù)風(fēng)險(xiǎn)等級(jí)。系統(tǒng)內(nèi)置豐富的數(shù)據(jù)分類分級(jí)模型，并支持自定義數(shù)據(jù)類別標(biāo)簽及數(shù)據(jù)風(fēng)險(xiǎn)等級(jí)，可通過(guò)敏感數(shù)據(jù)發(fā)現(xiàn)任務(wù)自動(dòng)打標(biāo)或手動(dòng)打標(biāo)。

數(shù)據(jù)類別標(biāo)簽支持分類標(biāo)示管理，可多維度、多層級(jí)的通過(guò)自定義類別標(biāo)簽進(jìn)行數(shù)據(jù)分類管理，例如數(shù)據(jù)內(nèi)容、數(shù)據(jù)用途、數(shù)據(jù)來(lái)源及其他多維度分類。

數(shù)據(jù)等級(jí)標(biāo)簽支持分級(jí)標(biāo)示管理，可由業(yè)務(wù)部門根據(jù)數(shù)據(jù)發(fā)生泄漏對(duì)機(jī)構(gòu)安全、社會(huì)秩序及公共利益、公民/法人/其他組織合法權(quán)益的危害程度進(jìn)行敏感分級(jí)，等級(jí)定義一般分為幾種：

·敏感數(shù)據(jù)：通過(guò)該類數(shù)據(jù)可直接識(shí)別特定用戶，是與用戶生活緊密相關(guān)的數(shù)據(jù)；

·重要數(shù)據(jù)：通過(guò)該類數(shù)據(jù)可以得知產(chǎn)品商業(yè)價(jià)值等，是需謹(jǐn)慎使用的用戶相關(guān)數(shù)據(jù)、產(chǎn)品核心數(shù)據(jù)；

·一般數(shù)據(jù)：支撐業(yè)務(wù)邏輯及運(yùn)行的數(shù)據(jù)，通過(guò)統(tǒng)計(jì)、分級(jí)、加工不會(huì)對(duì)用戶或公司利益產(chǎn)生影響。

有效解決長(zhǎng)安汽車以下問(wèn)題：

·數(shù)據(jù)分類分級(jí)進(jìn)行保護(hù)：敏感數(shù)據(jù)分級(jí)后，將利用客戶數(shù)據(jù)安全防護(hù)設(shè)備對(duì)不同等級(jí)的數(shù)據(jù)進(jìn)行保護(hù)，做到對(duì)敏感數(shù)據(jù)精準(zhǔn)防護(hù)。

·安全合規(guī)檢查：滿足國(guó)家網(wǎng)絡(luò)安全法、等保2.0以及個(gè)人信息安全規(guī)范，能夠隨時(shí)接受專業(yè)部門檢查及自查。

圖.數(shù)據(jù)分類分級(jí)

4、資產(chǎn)風(fēng)險(xiǎn)分析

資產(chǎn)風(fēng)險(xiǎn)分析可以從海量數(shù)據(jù)資產(chǎn)中快速發(fā)現(xiàn)和定位敏感數(shù)據(jù)資產(chǎn)，追蹤敏感數(shù)據(jù)的使用情況，并根據(jù)安全管理規(guī)則，實(shí)時(shí)推送資產(chǎn)風(fēng)險(xiǎn)，以確保能實(shí)時(shí)了解資產(chǎn)數(shù)據(jù)的安全狀態(tài)并制定相應(yīng)防護(hù)方案。對(duì)于敏感資產(chǎn)的動(dòng)態(tài)變化形成的異常事件的提醒，系統(tǒng)提供緊急、重要、警告、提醒4個(gè)等級(jí)報(bào)警事件，由高到低依次用紅色、橙色、黃色和藍(lán)色標(biāo)示。報(bào)警查詢支持通過(guò)時(shí)間段、報(bào)警等級(jí)、報(bào)警類型、報(bào)警來(lái)源等條件進(jìn)行歷史報(bào)警的檢索查詢。

有效解決長(zhǎng)安汽車以下問(wèn)題：

·數(shù)據(jù)資產(chǎn)動(dòng)態(tài)監(jiān)控：對(duì)客戶數(shù)據(jù)資產(chǎn)進(jìn)程全程監(jiān)控，利用安全管理規(guī)則對(duì)動(dòng)態(tài)變化的資產(chǎn)進(jìn)行了分析排查，對(duì)異常事件發(fā)出了提醒，及時(shí)采取措施避免了數(shù)據(jù)安全事件的發(fā)生。

圖.資產(chǎn)風(fēng)險(xiǎn)分析

5、資產(chǎn)安全報(bào)表

通過(guò)內(nèi)嵌的報(bào)表功能為用戶豐富的數(shù)據(jù)資產(chǎn)專項(xiàng)報(bào)表，如整體資產(chǎn)統(tǒng)計(jì)報(bào)表、敏感數(shù)據(jù)梳理報(bào)表等供用戶分析審核。同時(shí)管理員可自定義生成doc、csv、pdf等格式的報(bào)表。

有效解決長(zhǎng)安汽車以下問(wèn)題：

·數(shù)據(jù)資產(chǎn)直觀展現(xiàn)：利用柱狀圖、曲線圖、面積圖等多種展現(xiàn)方式，滿足了客戶全部需求，提高了展示效果。

·支持合規(guī)性等多種報(bào)表：支持各種數(shù)據(jù)資產(chǎn)專項(xiàng)報(bào)表，及常規(guī)報(bào)表，滿足了長(zhǎng)安汽車工作中各類需求。

6、數(shù)據(jù)流量分析

敏感數(shù)據(jù)流向是通過(guò)網(wǎng)絡(luò)流量偵聽(tīng)、精細(xì)SQL語(yǔ)句解析等技術(shù)，結(jié)合SQL語(yǔ)句的操作模型共同完成的流向分析；系統(tǒng)會(huì)對(duì)敏感數(shù)據(jù)的訪問(wèn)情況進(jìn)行實(shí)時(shí)學(xué)習(xí)，并針對(duì)敏感數(shù)據(jù)的流入與流出兩部分，動(dòng)態(tài)的實(shí)現(xiàn)數(shù)據(jù)流向管理。

有效解決長(zhǎng)安汽車以下問(wèn)題：

·對(duì)敏感數(shù)據(jù)流向進(jìn)行管理：經(jīng)過(guò)對(duì)長(zhǎng)安汽車日常流量的分析，及時(shí)排查出敏感數(shù)據(jù)流入流出中出現(xiàn)的風(fēng)險(xiǎn)行為，發(fā)出告警并展示，大大降低了數(shù)據(jù)安全事件的發(fā)生。

7、數(shù)據(jù)資產(chǎn)管理

系統(tǒng)提供數(shù)據(jù)資產(chǎn)安全管理功能，在有效識(shí)別數(shù)據(jù)分布的同時(shí)，協(xié)助用戶更了解企業(yè)內(nèi)部數(shù)據(jù)資產(chǎn)的安全情況。同時(shí)，智能化的探索梳理結(jié)構(gòu)化數(shù)據(jù)間、非結(jié)構(gòu)化數(shù)據(jù)間的敏感數(shù)據(jù)關(guān)系，根據(jù)敏感數(shù)據(jù)間的關(guān)系生成敏感數(shù)據(jù)地圖等。

有效解決長(zhǎng)安汽車以下問(wèn)題：

·準(zhǔn)確了解敏感數(shù)據(jù)之前的關(guān)系：利用智能化探索梳理對(duì)長(zhǎng)安汽車內(nèi)部結(jié)構(gòu)化、非結(jié)構(gòu)化數(shù)據(jù)進(jìn)行梳理，形成敏感數(shù)據(jù)地圖，更直觀更準(zhǔn)確的幫助客戶定位敏感之間的關(guān)系及潛在風(fēng)險(xiǎn)。

圖.資產(chǎn)儀表盤

02

實(shí)施過(guò)程

1、安裝基礎(chǔ)環(huán)境

·安裝版本為centos 7 以上的linux系統(tǒng)

·安裝Java環(huán)境1，export JAVA_HOME=/usr/java/jdk1.8.0_60

·安裝Java環(huán)境2，PATH=$JAVA_HOME/bin:$PATH

2、部署系統(tǒng)

·將系統(tǒng)文件包上傳至/home

·1,2,3,4,5共5個(gè)目錄上傳至服務(wù)器

·將html目錄中的文件傳入/var/aoc/as/html

·將service-1.0.0-SNAPSHOT.jar上傳至指定文件夾

·將jar.sh上傳至/var/aoc/as/webserver/teasebin

·配置config文件

·修改配置文件/etc/rc.locla末尾處添加/var/aoc/as/webserver/teasebin /jar.sh

·nohup java -jar /var/aoc/as/webserver/teasebin/service-1.0.0-SNAPSHOT.jar > /var/aoc/as/webserver/ teasebin /catalinaoftease.out 2>&1 &

03

項(xiàng)目整體完成情況

1、全面梳理，形成資產(chǎn)臺(tái)賬

對(duì)長(zhǎng)安汽車結(jié)構(gòu)化及非結(jié)構(gòu)化數(shù)據(jù)進(jìn)行全面梳理，包括元數(shù)據(jù)、數(shù)據(jù)庫(kù)、表、字段、賬戶信息、敏感數(shù)據(jù)等多方面，形成資產(chǎn)臺(tái)賬，為安全防護(hù)體系的建設(shè)、安全策略的配置、資產(chǎn)的日常管理提供直觀依據(jù)。

2、數(shù)據(jù)流向?qū)崟r(shí)監(jiān)控

對(duì)長(zhǎng)安汽車資產(chǎn)數(shù)據(jù)流轉(zhuǎn)、使用的動(dòng)態(tài)情況進(jìn)行監(jiān)控和梳理，形成數(shù)據(jù)流向，幫助用戶識(shí)別數(shù)據(jù)使用過(guò)程中的風(fēng)險(xiǎn)和隱患。

3、協(xié)同防控，提供有力支持

資產(chǎn)梳理系統(tǒng)可以作為長(zhǎng)安汽車資產(chǎn)流轉(zhuǎn)權(quán)限的鑒別中臺(tái)。數(shù)據(jù)安全設(shè)備遇到數(shù)據(jù)流轉(zhuǎn)時(shí)，通過(guò)資產(chǎn)梳理系統(tǒng)獲取該數(shù)據(jù)的相關(guān)信息，以便確定該數(shù)據(jù)的流轉(zhuǎn)是否符合管理要求，符合要求放行，不符合要求攔截，實(shí)現(xiàn)數(shù)據(jù)安全體系的協(xié)同防控。

商業(yè)改變

一、節(jié)省人力成本，自動(dòng)形成資產(chǎn)臺(tái)賬

梳理環(huán)境中的所有數(shù)據(jù)信息，包括元數(shù)據(jù)和數(shù)據(jù)本身兩個(gè)維度，自動(dòng)形成資產(chǎn)臺(tái)賬，節(jié)省人工成本提高至少60%的工作效率和30%的準(zhǔn)確率，為安全防護(hù)體系的建設(shè)、安全策略的配置、資產(chǎn)的日常管理提供直觀依據(jù)。

二、全程監(jiān)控?cái)?shù)據(jù)流向，降低數(shù)據(jù)安全風(fēng)險(xiǎn)

對(duì)數(shù)據(jù)流轉(zhuǎn)、使用的動(dòng)態(tài)情況進(jìn)行全程24小時(shí)監(jiān)控和梳理，形成數(shù)據(jù)流向，幫助用戶識(shí)別數(shù)據(jù)使用過(guò)程中的風(fēng)險(xiǎn)和隱患，有效避免30%的風(fēng)險(xiǎn)。

三、全程管理數(shù)據(jù)資產(chǎn)，實(shí)現(xiàn)資產(chǎn)管理目標(biāo)

形成資產(chǎn)臺(tái)賬之后，資產(chǎn)情況不會(huì)一塵不變，會(huì)有新資產(chǎn)上線，數(shù)據(jù)梳理系統(tǒng)會(huì)實(shí)時(shí)監(jiān)控新資產(chǎn)的上線并進(jìn)行告警，從而實(shí)現(xiàn)100%數(shù)據(jù)資產(chǎn)的管理目標(biāo)。

四、系統(tǒng)協(xié)同防控，加強(qiáng)安全體系建設(shè)

資產(chǎn)梳理系統(tǒng)可以作為資產(chǎn)流轉(zhuǎn)權(quán)限的鑒別中臺(tái)。數(shù)據(jù)安全設(shè)備遇到數(shù)據(jù)流轉(zhuǎn)時(shí)，可以到資產(chǎn)梳理系統(tǒng)獲取該數(shù)據(jù)的相關(guān)信息，以便確定該數(shù)據(jù)的流轉(zhuǎn)是否符合管理要求，符合要求放行，不符合要求攔截，能夠避免近15%的風(fēng)險(xiǎn)行為，實(shí)現(xiàn)數(shù)據(jù)安全體系的協(xié)同防控。

相關(guān)企業(yè)介紹

●云集至

北京云集至科技有限公司，成立于2017年，是我國(guó)為數(shù)不多的全數(shù)據(jù)安全領(lǐng)域創(chuàng)新企業(yè)，在業(yè)內(nèi)率先提出：一個(gè)平臺(tái)、三層防護(hù)的全數(shù)據(jù)安全治理理念，覆蓋“全數(shù)據(jù)安全管控平臺(tái)“‘結(jié)構(gòu)化數(shù)據(jù)安全”、“非結(jié)構(gòu)化數(shù)據(jù)安全”等十多款數(shù)據(jù)安全產(chǎn)品，面向政府、金融、企業(yè)等行業(yè)客戶，提供可信技術(shù)架構(gòu)下的全資產(chǎn)安全治理與防護(hù)。公司業(yè)務(wù)重點(diǎn)放在了持續(xù)實(shí)現(xiàn)可信計(jì)算技術(shù)、大數(shù)據(jù)安全技術(shù)、非結(jié)構(gòu)化數(shù)據(jù)安全技術(shù)的經(jīng)驗(yàn)積累與技術(shù)創(chuàng)新突破上。

●長(zhǎng)安汽車

長(zhǎng)安汽車、中國(guó)汽車四大集團(tuán)之一，擁有159年歷史底蘊(yùn)、37年造車積累，全球有14個(gè)生產(chǎn)基地，33個(gè)整車、發(fā)動(dòng)機(jī)及變速器工廠。在國(guó)家認(rèn)定企業(yè)技術(shù)中心2017-2018年評(píng)價(jià)結(jié)果中，以96.4分位列行業(yè)第一，研發(fā)實(shí)力連續(xù)5屆10年位居中國(guó)汽車行業(yè)第一。作為中國(guó)汽車行業(yè)首家 “國(guó)家智能制造示范企業(yè)”，以數(shù)字化、信息化、自動(dòng)化為基礎(chǔ)，以平臺(tái)化、輕量化、精益化為抓手，集成大數(shù)據(jù)、云計(jì)算、人工智能、物聯(lián)網(wǎng)技術(shù)，實(shí)現(xiàn)高質(zhì)、柔性制造，滿足客戶個(gè)性化定制需求。2014年，長(zhǎng)安系中國(guó)品牌汽車產(chǎn)銷累計(jì)突破1000萬(wàn)輛，成為首家跨入“千萬(wàn)俱樂(lè)部”的中國(guó)品牌 。

來(lái)源：數(shù)據(jù)猿