赛门铁克公司今天宣布推出赛门铁克数据丢失防护DLP11，主要用于简化对企业最宝贵信息“知识产权”的检测和保护。赛门铁克此次最新推出的市场领先技术安全套件会采用Vector Machine Learning技术，该技术是市场上第一个、也是唯一的机器学习技术，旨在简化较难捕捉的知识产权检测。此外，赛门铁克数据丢失防护DLP11还在端点增加了新的加强版Data Insight技术和其他安全措施，从而提高了补救流程的效率。

数据增多，风险加大

每年，非结构化数据以60%以上的速度增长，越来越难于管理和保护。企业最宝贵的信息“知识产权”，往往会被淹没在海量非结构化数据中，很多数据并不是敏感信息。非结构化的数据存储的安全性要低于其他的数据存储，更容易遭受内部和外部威胁而丢失数据。知识产权比以往任何时候都要易于遭受攻击，一些针对性攻击如Hydraq和其他高级别保密文件丢失等即是明证。

Vector Machine Learning技术简化识别

在采取措施保护敏感信息之前，企业需要首先识别敏感信息。数据丢失防护一直以来基于两类检测技术：指纹鉴别技术和信息描述技术。指纹鉴别技术需要将所有需要保护的文件集合起来，然后为各个档案分配独特的指纹。而信息描述技术则需要创建正则表达式和关键词列表来识别敏感信息。由于信息是广泛分布的，所以指纹鉴别技术对企业来讲难度很大；对于信息描述技术而言，不但创建正则表达式和关键词列表非常耗时，而且该技术的准确性也不如指纹鉴别技术。

Vector Machine Learning是赛门铁克的一项创新技术，旨在克服目前检测技术的局限性。企业可以利用样本文件来训练Vector Machine Learning去识别一些定义性特征、找出敏感信息与非敏感信息的细微差别。这就避免了创建关键词列表，也避免了指纹鉴别新创建的文件。利用Vector Machine Learning，仅需一些样本文件即可创建准确的规则，而且，随着越来越多的正面和反面样本文件进入系统，其准确性会日益精进。

易与Data Insight加强版兼容

赛门铁克数据丢失防护DLP11将纳入赛门铁克Data Insight加强版中。该技术可以识别何处的信息面临最大的风险，然后自动通知相关的主人。这就简化了补救流程，提高了补救效率。新增的风险评分（Risk Scoring）功能根据文件夹所含信息的数量和敏感程度以及该文件夹的可访问性，将需要补救的文件夹排序。新增的数据主人补救（Data Owner Remediation）功能可以自动给共享存储里有风险的数据的主人发送电子邮件告警，这就增进了人们的安全意识，促进了信息的保护，从而提高了企业的数据保护项目的效率。

为端点增加保护

据预计，赛门铁克数据丢失防护11将提供多种端点增强功能，包括使企业能够灵活地使用更广泛的应用程序和存储设备，同时使信息处于高度安全的状态。应用程序文件访问控制（Application File Access Control）功能可以确保员工在使用iTunes、Skype和WebEx之类的用户应用程序时不会泄露敏感信息。信任设备（Trusted Devices）功能使企业在使用多种存储设备的同时确保敏感信息仅能复制到获得许可的设备，比如企业发布或者跟踪的设备。本次推出的新功能还有Endpoint FlexResponse，旨在集成用户其他的赛门铁克和第三方解决方案，比如加密和企业权限管理（Enterprise Rights Management，ERM），从而简化用户在端点扩展数据保护这一过程。

正面评论

“美国大陆航空公司对赛门铁克数据丢失防护11的风险评分功能和数据主人补救功能尤其感兴趣。有了这两大功能，我们希望减少定位和保护我们的保密信息的时间。我们发现，我们保护客户的敏感信息的能力是我们的成功关键，而该解决方案可以帮助我们实现这一目标。” 美国大陆航空公司信息安全部高级经理Cynthia Soares表示，“自动监控我们的敏感信息存储的状态的能力将转化为可观的成本收益。”

“赛门铁克的Vector Machine Learning技术会基于机器学习能力促进敏感信息的产生，并大幅提高我们公司保护非结构化数据的能力。” Enterprise Strategy Group首席分析师Jon Oltsik表示，“该技术使企业能够更容易地定义、检测并最终保护他们的知识产权。”

“赛门铁克数据丢失防护11主要用于帮助信息安全专家更高效地保护其企业的最敏感信息。”赛门铁克公司产品管理部高级主管Aaron Aubrecht表示，“我们从客户那里获知，更准确的知识产权检测，以及基于风险对行动进行更准确的排序，这是高效的信息保护项目的基本元素。我们的Vector Machine Learning技术和Data Insight直接性地满足了这些需求。”

原文链接：http://netsecurity.51cto.com/art/201101/243201.htm