“离职员工”试图打包资料带走,如何防止敏感数据外泄?

news2025/3/1 1:13:42

·2010年5月间,某家电巨头四名前职工非法泄露该家电洗衣机重要生产和采购环节数据,给家电集团造成直接经济损失共计2952.35万元。

·2017年1月,某科技巨头消费者终端业务6名员工,离职后拿着该企业终端的知识产权结果赚钱,最终被批捕。

·2022年5月,某互联网企业技术员工下载了多达57万页的知识产权到自己的个人设备上,意图利用这些信息在他的新职位上为自己谋利。

员工离职,心情肯定是五味杂陈的。

有的员工可能因为种种原因,想带着一些“纪念品”离开,这其中可能就包括公司的机密资料。

数据显示,高达59%的离职员工承认曾在离职时私自带走公司机密文件数据。85%的职员可以轻松地下载"有竞争力"的资料和信息,然后带到下一份工作中。

但对于企业来说,哪怕是1%泄露的可能,也很可能是致命的伤害。

好消息是,可以利用技术手段,通过对潜在的异常行为进行监测,发现这些离职风险。

极盾·觅踪,围绕业务构建动态零信任机制,基于UEBA(用户实体行为分析),进行离职风险监测,能够全面覆盖员工离职的全周期,包括已离职、离职中以及预离职。

已离职

原则上,一旦员工离职,应立即从系统中注销其账号,以防止未授权访问,并确保撤销该员工对所有系统、应用程序和数据的访问权限。

若因离职操作流程失误导致已经离职的员工还可以继续登入系统,只要该离职员工尝试登录系统,一旦输入账号,极盾·觅踪便可立即识别并产生“离职员工异常登录”的警告。

离职中

“离职中”是指已经提出离职,正在走离职手续但未离开公司的员工。

通过极盾·觅踪的“调查分析”功能,查看该员工在指定时间段内的行为分析报告,包括访问行为、导出/下载行为等,能清晰地获知该员工在指定时间段内敏感数据导出或下载情况,重要页面访问情况等

图片

之后可将该员工加入“离职中”名单,对该名单设定特有的管控规则,对重要页面访问以及导出/下载严格管控,并可开启文件脱敏以及页面脱敏等防护措施。

预离职

“预离职”是指打算离职但还未提出离职的员工。

员工若想在离职前批量打包一些机密文件,会有一些异常行为,如异常访问平时不经常访问的系统,频繁访问系统并批量导出/下载资料,越权访问某些系统等等。

极盾·觅踪,围绕业务构建动态零信任机制,基于UEBA(用户实体行为分析),能够建立动态行为基线来发现用户偏离正常模式的行为,通过角色、设备、IP、登录时间、登录时⻓、操作行为等特征进行建模,并灵活制定相关策略规则,当用户行为偏离正常行为轨迹,应该进行异常告警,通常通过“用户与用户组行为基线的对比”和“用户自身行为基线对比来”判断这些异常行为。

图片

(1)用户与用户组行为基线的对比

同一部门同一岗位的员工其对系统数据的使用状况一般都差不多,利用员工的行为与同部门同岗位员工的行为基线进行对比,来发现风险。

例如:【当天页面访问次数大于同岗位30天日均访问基数五倍】、【最近7天页面访问次数大于同岗位30天日均访问基数三倍】、【最近7天文件导出次数大于同岗位30天日均访问基数三倍】等等,一旦触犯规则,系统即刻告警。

(2)用户自身行为基线对比

每个用户平时都有一个业务正常开展下的行为基线,一旦基线发生重大偏离,可判断为异常行为。

例如【访问从未访问过的系统】、【非工作时间频繁导出文件】、【非常用设备/IP导出文件】、【当日页面访问次数大于自身30天日均访问基数五倍】、【最近7天文件导出次数大于自身30天日均访问基数三倍】等等,一旦触犯规则,系统即刻告警。

离职风险监测并不是某一个单一的异常点就可以确定, 以上例子只是为了举例说明,最终必定是一系列异常行为的有机融合。

图片

这一切的实现基于极盾·觅踪的核心方法论:通过以人为核心,围绕业务场景,以数据分类分级为基础,基于零信任框架和人工智能模型的用户及实体行为分析(UEBA)为抓手的整体思路,构建应用系统数据使用全流程的安全监控体系。

“以人为核心”:在系统数据使用访问过程中,人员为行为主体,通过收集人员的“动态”行为信息、环境信息以及相对“静态”的人员权限、组织架构、岗位部门等信息,构建人员主体画像,识别人员风险。

“以数据分类分级为基础”:通过引入数据安全网关,从数据访问使用过程中基于敏感识别和分类分级规则,识别当前访问数据的重要程度和敏感程度,从而进行针对性防护。

“围绕业务场景”:通过内部人员在账号、权限、访问行为、数据操作等不同客体对象纬度行为特征的挖掘,识别异常的数据使用访问风险,实现精准定位判断。

“用户及实体行为分析为抓手”:基于零信任框架和人工智能模型的行为分析技术,高效识别数据使用的行为风险,并进行实时响应告警,在必要是联动相关业务系统对风险行为进行有效阻断和拦截。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/1917931.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

fork的理解

一. 注意点 1.进程是并发的,主进程和子进程同时进行,效率高2.子进程产生时是完全复制主进程的状态的,只有在产生修改的时候才会单独分配资源。 二. 下面程序一共应该为8个进程,但code的终端看到只有7个进程号的原因。因为fork返…

线程与进程的区别和联系

前言 在上篇文章里,我们知道了进程管理的一些相关知识-->http://t.csdnimg.cn/OVGAD,但是在实际编写代码的过程中,我们都是用一个CPU在工作,无法体现多核的优势,这次咱们在细分一下了解线程~ 什么是线程(Thread)&am…

three-tile: 1. 第一个three-tile程序

上篇介绍了:three-tile: 一个开源的轻量级三维瓦片库-CSDN博客 three-tile 是一个开源的轻量级三维瓦片库,它基于threejs使用typescript开发,提供一个三维地形模型,能轻松给你的应用增加三维瓦片地图。 项目地址&…

自建邮局服务器相比云邮箱有哪些优势特性?

自建邮局服务器如何配置?搭建自建邮局服务器的技术? 尽管云邮箱服务提供了便捷和低成本的解决方案,自建邮局服务器依然具有许多独特的优势和特性,吸引了众多企业和组织。AokSend将深入探讨自建邮局服务器相比云邮箱的主要优势。 …

如何指定多块GPU卡进行训练-数据并行

训练代码: train.py import torch import torch.nn as nn import torch.optim as optim from torch.utils.data import DataLoader, Dataset import torch.nn.functional as F# 假设我们有一个简单的文本数据集 class TextDataset(Dataset):def __init__(self, te…

本地部署私人知识库的大模型!Llama 3 + RAG!

在今天的的教程中,我们将打造更加个性化的大模型,可以定制搭载私人知识库的本地大模型! 我们探讨Meta AI 的尖端 Llama 3 语言模型构建强大的检索增强生成 (RAG) 来实现。通过利用 Llama 3 和 RAG 技术的功能&#xf…

雨季的文物保护

随着夏季的到来,高温和多雨给文物保护带来了新的挑战。在这个季节,文物不仅面临着物理和化学损害的风险,还可能因为管理不善而遭受人为破坏。因此,探讨如何在夏季炎热天气中做好文物保护工作,对于维护文化遗产的完整性…

【深度学习】图形模型基础(7):机器学习优化中的方差减少方法(1)

摘要 随机优化是机器学习中至关重要的组成部分,其核心是随机梯度下降算法(SGD),这种方法自60多年前首次提出以来一直被广泛使用。近八年来,我们见证了一个激动人心的新进展:随机优化方法的方差降低技术。这…

小白学c嘎嘎(第二天)入门基础下

温馨提醒:本篇文章起,文章内容排版将更新,层层深入 基础知识 回顾 引用的语法格式:类型& 引⽤别名 引⽤对象; 引用特性 1. 引⽤在定义时必须初始化 2. ⼀个变量可以有多个引⽤ 3. ⼀旦引⽤⼀个实体,再不…

药监局瑞数后缀补环境教学

声明 本文章中所有内容仅供学习交流使用,不用于其他任何目的,抓包内容、敏感网址、数据接口等均已做脱敏处理,严禁用于商业用途和非法用途,否则由此产生的一切后果均与作者无关! (联系看首页) 前言 之前用…

【python算法学习2】冒泡排序的写法

目的:学习冒泡排序的写法 1 定义 1.1百度百科 冒泡排序_百度百科在程序设计语言中,排序算法主要有冒泡排序、快速排序、选择排序以及计数排序等。冒泡排序(Bubble Sort)是最简单和最通用的排序方法,其基本思想是&…

EchoMimic 数字人项目:语音驱动图像说话项目

参考: https://github.com/BadToBest/EchoMimic 安装 下载模型 下载位置放到下面下载代码目录下, cd EchoMimic 下 export HF_ENDPOINT=https://hf-mirror.comhuggingface-cli download --resume-download --local-dir-use-symlinks False BadToBest/EchoMimic --local-d…

红酒的甜蜜秘密:如何搭配甜点?

在品味美食的旅程中,甜点与红酒的搭配总是能带来意想不到的惊喜。红酒的醇厚与甜点的细腻,在口中交织出美妙的旋律,让人陶醉不已。今天,就让我们一起探索红酒的甜蜜秘密,看看如何与甜点很好搭配,享受这一场…

PCL报ptr 释放错误(Memory.h文件中aligned_free(void *ptr)触发了一个断点)

今天跑PCL处理点云,上来一个下马威,关于内存的。反复检查代码以后还是报错.于是反复查看代码,并搜罗指针释放,都没有解决。一番操作才知道是设置配置问题。下面记录一下解决过程: (1)编译报错弹…

死灰复燃的 LockBit, “现身说法”计算机安全的重要性

LockBit 死灰复燃 2024年2月,一场全球性的名为 “Cronos 行动” 的执法行动夺取了对 LockBit 勒索组织基础设施的控制权并扰乱了其运营。 但是,就像希腊神话中的九头蛇一样,砍掉一个 LockBit 的头并不重要——它可以迅速再生成多个新的头。…

PCL:点云均匀采样滤波并保存ply文件(附完整源码)

均匀采样滤波基本上等同于体素滤波器,但是其不改变点的位置。下采样后,其点云分布基本均匀,但是其点云的准确度要好于体素滤波,因为没有移动点的位置。均匀采样算法:均匀采样通过构建指定半径的球体对点云进行下采样滤…

CV05_深度学习模块之间的缝合教学(1)

1.1 在哪里缝 测试文件?() 训练文件?() 模型文件?(√) 1.2 骨干网络与模块缝合 以Vision Transformer为例,模型文件里有很多类,我们只在最后…

【Pytorch】Conda环境下载慢换源/删源/恢复默认源

文章目录 背景临时换源永久换源打开conda配置condarc换源执行配置 命令行修改源添加源查看源 删源恢复默认源使用示范 背景 随着实验增多,需要分割创建环境的情况时有出现,在此情况下使用conda create --name xx python3.10 pytorch torchvision pytorc…

maven——(重要)手动创建,构建项目

创建项目 手动按照maven层级建好文件夹,并写上java,测试代码和pom文件 构建项目 在dos窗口中执行如下命令 compile编译 当前maven仓库中什么都没有。 在pom所在层级下,执行: mvn compile 就开始显示下面这些,…

整数的英语表示

题目链接 整数的英语表示 题目描述 注意点 0 < num < 2^31 - 1 解答思路 每三个数字形成一组&#xff08;高位不足的部分可以用0填充&#xff09;&#xff0c;使用StringBuilder拼接每组的数字和单位关键是三个数字的英语表示&#xff0c;包含个位、十位、百位&…