数据安全性是指在数据输入，处理，统计或打印过程中，如何有效地防止由于硬件故障，电源故障，崩溃，人为误操作，程序缺陷，病毒或黑客而造成的数据库损坏或数据丢失。合格的人员或操作员可能无法读取某些敏感或机密数据，从而导致数据泄漏和其他后果。那么数据安全运营的工作方法是什么？本位主要总结了5个方面，即目标设定、技术手段、持续运营、效果验证、论与业务关系。

　　数据安全运营的工作方法是什么？

　　1. 目标设定

· 起步阶段，找业界同行Top1-2家公司这方面的目标设定作为参考，根据不同业务、数据安全的发展阶段，设定目标；

· 发展阶段，对比自己的历史数据，参考业界指标，设定目标；

· 特殊时期的阶段性目标，如疫情期间数据安全目标的设定。

　　2. 技术手段

　　数据全生命周期管理

数据采集→前台业务处理→数据储存→访问和维护→后台数据分析→展示和使用→共享和再分发→数据营销

这里暂不涉及具体数据安全措施在业务的建设内容，这些措施在不同行业、公司文化、及业务不同发展阶段的建设方向和次第需要讲究和考量的。

　　3. 持续运营

基础工作：数据分类分级、数据标签；建立资产库和资产大盘，掌握数据资产在业务的分布、风险状态；权限管理、关键业务日志等；

如数据在收集阶段的涉敏资产发现服务；数据在存储中的扫描服务、加密存储服务；数据在使用过程中的文件分发平台等，这些基础能力的建设坚持对标业界，避免走弯路的同时提升效率；

风险评估：一般通过事件发生概率与影响来评估风险值，这也是很多咨询类公司的常见做法，或者套用DREAD模型的计算方式：等级=危害性+复现难度+利用难度+受影响用户+发现难度来进行数据安全风险评估，这些方法的使用无可厚非，其最终能与业务达成一致的风险认知很关键。

　　风险识别：在基础工作上利用多维度数据进行风险行为分析，如UEBA。

风险场景识别，除了运营同学深入业务比业务还要了解业务外、还可以将特征数据进行重组或进一步深挖数据，进而发现新风险、另外一个就是内外部情报数据。

在风险管控过程中 逐步建立工具和平台，实现自动化，如建设UEBA平台、安全运营平台（SOAR-安全编排、自动化及响应）。

这里假设来自上级的灵魂拷问：你的地盘还有没有不在视野范围内的数据安全风险？尝试界定数据安全边界并关注核心风险，如数据泄露、人员舞弊，加上资源总是稀缺的，即主要风险应该都在视野内。

　　安全治理：两种自上而下的推进方法

单纯的自上而下，本质上利用权力来威慑业务达到安全目的，通常效果有了也隐藏了业务的怨言。

利益共同体式的自上而下，即通过联合作战项目安全牵头发起、业务主导共同推进安全治理并共享成果。这也是自上而下的模式，其实这种是需要更强的组织机制来保障的。

技术上实操上结合数据全生命周期管理过程中涉及到的安全措施，可以联合业务方、或安全自研或采购工具进行治理，如水印服务、数据加密、漏洞扫描、BC端涉敏根服务调用链治理等，通过有序的治理工作，有时候会获得较好的安全回报，如风险收敛、勾搭上业务MM又熟悉业务了。

业务赋能：数据赋能，对业务输出高质量数据，支持业务决策发展，安全能力赋能业务方，从服务业务方变成业务的安全伙伴，给业务以力量，自己也硬气了。

　　4. 效果验证

通过数据指标量化验证，数据指标变化应与采取措施的预期一致，我们对某个指标采取了措施，一种情况是观察一段时间后对指标没有影响，很可能是我们没有找到根因，另一种情况可能是采取的多种措施对指标都有正向影响，此时我们需要选择一个性价比最高的措施，考虑ROI。

　　5. 论与业务关系

安全运营离不开业务这个衣食父母，要有服务意识，这是基础，但在笔者看来，怎么向业务阐述清楚业务面临的数据安全风险更为关键，这也是运营的基本功之一吧，如果能与业务就风险达成一致的认知，以覆盖率、收敛为目标的安全措施、治理项目就更多的变成在业务侧怎么协调资源、排期的执行层面的问题了。

在运营的过程中，除了业务外，兄弟团队如HR、合规、内控等也是数据安全运营要协作的，其实大家目标都是一致的，在实际工作中明确各自的主战场并建立协同作战机制，如内部人员舞弊需要数据运营团队的数据支持与合规团队的情报线索、线下调查结合才能打一个漂亮的组合拳。

上述就是关于数据安全运营的工作方法是什么的全部内容介绍，想了解更多关于数据安全运营的信息，请继续关注中培教育。