在业务增长、风险管理和网络安全之间取得平衡

news2024/11/15 19:55:33

疫情过后,商业环境和文化发生了重大变化,值得我们仔细考虑。我们都变得更加依赖技术,我们的工作方法也发生了变化,网络风险变得更加突出和持久。

监管领域变得更加积极和严格,特别是在安全和数据隐私问题方面。人工智能新时代的到来,既带来了新的机遇,也带来了新的风险。

在如此快速变化的环境中,企业如何在业务增长、风险管理和网络安全之间取得平衡?以下是一些可以提供帮助的建议和最佳实践:

协调业务目标和安全目标

如果您的业务依赖于技术,请考虑相关的网络安全风险。

企业领导者必须学会从更企业化的视角看待网络安全,即公司的战略方向是什么:公司试图实现什么目标,什么事情会产生重大影响(例如,吸引新客户、保护工作岗位、最大限度地减少干扰等),然后围绕该方向调整安全目标。

传统上,网络安全学科从未被视为提供竞争优势。这种思维方式需要转变,特别是如果您在高度监管的行业中运营。

风险形势如此严峻,不可能涵盖所有意外情况。因此,重点关注最关键的事项,并将其作为网络安全战略的基础,这一点非常重要。

您要保护的是什么?是知识产权吗?是客户数据吗?是您的制造设施吗?是您的员工吗?管理层经常争论应该为网络安全分配多少预算。

事实上,这取决于您的风险敞口和风险承受能力、业务抱负、您所属的行业以及所从事的业务活动,无论是并购、进入新市场、推出新产品等。

改善业务团队和安全团队之间的沟通

商业语言与技术或安全语言不同。那么,谁有责任学会说对方的语言呢?答案当然是各方。确保项目的未来投资意味着赢得商界的支持。

安全专业人员必须熟练地表达他们对实现业务目标的贡献。相反,从业务角度来看,领导者需要认识到技术在实现目标方面发挥的关键作用,因为增长与技术、安全和风险交织在一起。双方都需要培养相互理解、合作和沟通。

不要忽视人的因素的重要性

近四分之三 ( 68% ) 的网络安全事件直接由人为失误、判断失误或员工遭受网络钓鱼攻击造成。

每个组织都必须让员工了解网络安全的重要性,并承担起保护组织的责任。

这意味着不仅要让他们参加强制性的安全意识会议或进行网络钓鱼模拟练习,还要与个人建立个人联系。

了解他们的担忧和痛点,为他们提供可以提高安全绩效的工具和资源,并提供正确的指导。

拥抱敏捷、适应和创新

关于风险管理和网络安全,要承认实现完美是不可能的。错误是难免的,但真正重要的是你如何重新振作,从错误中吸取教训并与同事分享这些见解。保持敏捷,抓住出现的机遇。

例如,人工智能具有巨大的潜力,擅长分析数据和识别异常,使其成为风险管理的强大工具。反复进行网络扫描和交叉引用来自各个系统的安全警报可能很乏味,而且容易出错。

人类很容易犯错和忽略安全警报。探索利用人工智能完成此类任务的方法,并利用它来实现业务目标。

风险与增长的关系密不可分。业务目标与安全策略的契合程度最终将决定企业的发展轨迹。

领导者必须转变对安全的看法,认识到安全是业务增长的推动因素,而不仅仅是成本中心。

加强业务和安全团队之间的协作、将员工纳入安全战略并提高接受新概念的敏捷性,可以帮助企业在网络安全和业务增长之间实现有效的平衡。

在危机时期,单靠技术无法完全恢复受损的系统,人力和智慧始终不可或缺。

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/2047150.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

OpenCV图像滤波(18)空间梯度计算函数spatialGradient()的使用

操作系统:ubuntu22.04 OpenCV版本:OpenCV4.9 IDE:Visual Studio Code 编程语言:C11 算法描述 计算图像在x和y两个方向上的一阶导数,使用Sobel算子。 等价于调用: Sobel( src, dx, CV_16SC1, 1, 0, 3 ); Sobel( src,…

AI赋能软件测试:从自动化到智能化,让测试工作事半功倍

引言 在当今这个日新月异的数字时代,人工智能(AI)正以不可阻挡之势渗透并重塑着各行各业,其中,软件开发与测试领域更是迎来了前所未有的变革。随着软件系统的复杂性日益增加,用户对软件质量、性能及安全性的…

全息光存储技术能否取代硬盘?

随着云计算的迅猛发展及其支持的应用程序的日益丰富,现有数据存储技术面临着前所未有的挑战。目前,云存储主要依赖于固态硬盘(SSD)和硬盘驱动器(HDD)。其中,HDD因其成本低廉,在大容量…

LVGL系列2--linux + lvglv8 + vscode 移植

LVGL系列 一、LVGL移植 LVGL系列1–AT32移植LVGL_V8具体步骤 LVGL系列2–linux lvglv8 vscode 移植 二、输入设备 LVGL系列3–纯物理(外部)按键,数字键盘控制控件 文章目录 LVGL系列一、LVGL移植二、输入设备 一、新建文件夹并克隆源码官方仓库 7.11.0官方仓库…

BL196MQTT远程IO模块助力智能楼宇自动化升级

在智能楼宇自动化领域,每一个细节的优化都能带来整体效率与舒适度的显著提升。钡铼技术的BL196MQTT远程IO模块,以其卓越的灵活性和强大的性能,正在成为这一领域中推动楼宇自动化升级的关键力量。 钡铼技术IOy系列:创新与灵活性的…

R语言统计分析——OLS回归2

参考资料&#xff1a;R语言实战【第2版】 1、简单线性回归 本例使用R语言中基础安装中的数据集women&#xff0c;来通过身高预测体重&#xff0c;获得一个等式帮助我们分辨出那些过重或过轻的个体。 # 拟合数据 fit<-lm(weight~height,datawomen) # 查看数据拟合结果 summ…

HTTPS通讯全过程

HTTPS通讯全过程 不得不说&#xff0c;https比http通讯更加复杂惹。在第一次接触https代码的时候&#xff0c;不知道为什么要用用证书&#xff0c;公钥是什么&#xff1f;私钥是什么&#xff1f;他们作用是什么&#xff1f;非对称加密和对称加密是啥&#xff1f;天&#xff0c;…

Redis 单线程为何还能处理速度那么快?

Redis 单线程为何还能处理速度那么快&#xff1f; &#x1f496;The Begin&#x1f496;点点关注&#xff0c;收藏不迷路&#x1f496; Redis&#xff0c;作为一款单进程单线程的内存型数据库&#xff0c;其卓越的处理速度令人印象深刻。那么&#xff0c;它是如何实现这一点的呢…

用Python实现9大回归算法详解——05. 梯度提升回归(Gradient Boosting Regression)

1. 梯度提升回归的基本概念 1.1 什么是梯度提升&#xff1f; 梯度提升是一种集成学习方法&#xff0c;通过组合多个弱学习器来构建一个强大的预测模型。在梯度提升框架中&#xff0c;每个弱学习器都试图修正前一个模型的错误。与简单的加法模型不同&#xff0c;梯度提升通过逐…

基于YOLOv8的缺陷检测任务模型训练

文章目录 一、引言二、环境说明三、缺陷检测任务模型训练详解3.1 PCB数据集3.1.1 数据集简介3.1.2 数据集下载3.1.3 构建yolo格式的数据集 3.2 基于ultralytics训练YOLOv83.2.1 安装依赖包3.2.2 ultralytics的训练规范说明3.2.3 创建训练配置文件3.2.4 下载预训练模型3.2.5 训练…

Android逆向题解攻防世界-easy-apk

Jeb反编译apk 题目比较简单&#xff0c;就是一个改了码表的base64编码。 protected void onCreate(Bundle savedInstanceState) {super.onCreate(savedInstanceState);this.setContentView(0x7F04001B); // layout:activity_main((Button)this.findViewById(0x7F0B0076)).set…

在已经装过Tomcat机子运行war包

1 检查防火墙&#xff0c;验证是否装有jdk,是否配置有JAVA_HOME: ls /usr/apache-tomcat-9.0.52/webapps/ROOT rm -rf /usr/apache-tomcat-9.0.52/webapps/ROOT* ls /usr/apache-tomcat-9.0.52/webapps/ROOT cd /usr/apache-tomcat-9.0.52/webapps/ROOT ls 把war包拉到ROOT…

Python | Leetcode Python题解之第342题整数拆分

题目&#xff1a; 题解&#xff1a; class Solution:def integerBreak(self, n: int) -> int:if n < 3:return n - 1quotient, remainder n // 3, n % 3if remainder 0:return 3 ** quotientelif remainder 1:return 3 ** (quotient - 1) * 4else:return 3 ** quotie…

革新测试管理:集远程、协同、自动化于一身的统一测试管理平台

一、研发背景 当下汽车电子测试领域随着不断发展&#xff0c;自动化、智能化的软硬件一体测试解决方案已经成为趋势。能够整合各种测试资源、自动化测试流程&#xff0c;并提供数据分析和可视化报告&#xff0c;从而提高测试效率、降低成本&#xff0c;并确保汽车电子系统的可…

金价多次尝试刷新最高纪录,美国零售销售数据是绊马索

金价一直在试探新高&#xff0c;该纪录为每盎司2,485美元。而且&#xff0c;强劲的美国零售销售报告正在阻止金价的上涨。 由于强大的阻力&#xff0c;金价无法继续上涨。一周的净空头头寸大增。 发布了强于预期的美国零售销售报告后&#xff0c;金价承受了压力。期望的50个基…

springboot schedule配置多任务并行,任务本身串行

场景&#xff1a; 每日凌晨要执行两个定时任务&#xff0c;分别属于两个业务。有一个业务的定时任务执行时间较长&#xff0c;该任务没执行完之前不能重复执行&#xff08;事务&#xff09;。即业务与业务之间并行&#xff0c;任务本身串行。 技术栈&#xff1a; 采用spring…

机器学习 第11章-特征选择与稀疏学习

机器学习 第11章-特征选择与稀疏学习 11.1 子集搜索与评价 我们将属性称为“特征”(feature)&#xff0c;对当前学习任务有用的属性称为“相关特征”(relevant feature)、没什么用的属性称为“无关特征”(irrelevant feature)。从给定的特征集合中选择出相关特征子集的过程&a…

STL—list—模拟实现【迭代器的实现(重要)】【基本接口的实现】

STL—list—模拟实现 1.list源代码 要想模拟实现list&#xff0c;还是要看一下STL库中的源代码。 _list_node里面装着指向上一个节点的指针prev&#xff0c;和指向下一个节点的指针next&#xff0c;还有数据data 并且它给的是void*&#xff0c;导致后面进行节点指针的返回时…

【大模型部署及其应用 】使用 Llama 3 开源和 Elastic 构建 RAG

使用 Llama 3 开源和 Elastic 构建 RAG 本博客将介绍使用两种方法实现 RAG。 Elastic、Llamaindex、Llama 3(8B)版本使用 Ollama 在本地运行。 Elastic、Langchain、ELSER v2、Llama 3(8B)版本使用 Ollama 在本地运行。 笔记本可从此GitHub位置获取。 在开始之前,让我…

objdump常用命令

语法: objdump <option(s)> <file(s)>用法: 1.打印出与文件头相关的所有信息: 2.打印二进制文件 khushi 中可执行部分的汇编代码内容: objdump -d bomb 3.打印文件的符号表: objdump -t bomb 4.打印文件的动态符号表: objdump -T bomb 5.显示…