InfoWatch Data Discovery меняет подход к файловому аудиту
- CNews FORUM 12 ноября
- CNews AWARDS 12 ноября
- Школа Роста
- Российский рынок облаков за 20 лет
- 30 лет рынку ERP в России
- Главные
ИТ-сценарии 2026 - Цифровизация
- Импортозамещение
- Безопасность
- ИТ в госсекторе
- ИТ в банках
- ИТ в торговле
- Телеком
- Интернет
- ИТ-бизнес
- Рейтинги
- Инфографика
|
В обновлении InfoWatch Data Discovery 2.2 появился модуль ML-кластеризации, который автоматически систематизирует 100% файлов и может многократно ускорить файловый аудит. Об этом CNews сообщил представитель InfoWatch.
В рамках цикла обновлений продуктов по защите данных ГК InfoWatch выпустила обновление решения для аудита хранения данных InfoWatch Data Discovery 2.2. Ключевое нововведение — модуль машинного обучения (ML) на основе запатентованной технологии потоковой кластеризации. В отличие от классических решений, требующих ручной настройки словарей и политик, ML-модуль работает без предварительного обучения: система сама анализирует 100% документов, группирует их по тематике, выделяет ключевые термины и показывает, какие данные реально хранятся в ИТ-инфраструктуре компании. ML-модуль кардинально меняет подход к проведению аудита документов и полностью исключает «серые зоны» — до 70% неконтролируемых данных, которые при традиционном подходе остаются вне фокуса из-за сложности и дороговизны настройки политик.
По оценкам InfoWatch, аудит рабочей станции или файлового хранилища с помощью кластеризации может быть ускорен в 30 раз по сравнению с ручным перебором или анализом через классические инструменты. Вместо того чтобы тратить недели на создание словарей и пересканирование файлов при появлении новых категорий документов, специалист получает уже систематизированную картину: все документы автоматически разложены по смысловым группам, снабжены тегами и готовы к фильтрации. Индексация всех файлов выполняется в фоновом режиме, поэтому поиск по тегам и категориям происходит мгновенно, без повторного сканирования.
Такой подход позволяет быстро получать информацию о любых типах файлов и местах их хранения. Фильтр редких тегов помогает быстро находить «экзотические» документы, не соответствующие должностным обязанностям сотрудника, а фильтр по дате создания кластера позволяет систематически отслеживать появление новых категорий, не похожих ни на что ранее найденное. Если в рамках расследования на рабочей станции найдена подозрительная категория документов, система моментально показывает, где еще в компании хранятся такие же файлы. Из любого кластера можно сформировать коллекцию документов и одной кнопкой создать словарь для автолингвиста в InfoWatch Traffic Monitor, что сокращает настройку DLP-системы для новой категории данных с 3–5 дней до нескольких минут.
«Традиционный подход к аудиту данных требует от ИБ-специалиста описывать категории документов вручную — создавать словари, политики, регулярные выражения. Это трудоемкий процесс, который может занимать недели и оставляет до 70% данных в “серой зоне”. При появлении новых типов документов приходится все переделывать заново. Кластеризация работает иначе: система сама анализирует 100% файлов, группирует их по смыслу, выделяет ключевые термины и показывает реально хранящиеся данные. Это не просто ускорение, это принципиально другой подход — от ручного описания к исследовательскому анализу», — сказал Александр Цветков, ведущий менеджер по развитию продуктов для защиты данных ГК InfoWatch.
KioskNews shows a cleaned-up reading view extracted from the publisher’s page — the original always lives on their site, not ours.