漫谈保险业信息安全管理

insurance-services
信息安全行业和保险业在理念上很类似,并且有强烈的关联性。

说到理念相似,昆明亭长朗然科技有限公司金融行业信息安全观察员James Dong说:从信息安全风险评估及风险管理的角度看,信息安全事故的发生并没有精确的确定性,但是不要等出了事儿才想起来花钱去补救,那样代价太大。人们不希望出现严重的信息安全事故,只能在信息安全相关控管措施的进行适当的投入,以便能够“防范于未然”。从业务持续性计划和灾难恢复计划管理的角度来看,人们经常投资一些正常情况下根本用不上的备份站点、设施设备和业务流程,这笔不小的开支只为应对紧急情况下快速恢复业务的正常运作。

说到关联性强烈,则又要回到风险管理领域,在制定风险应对战略时,即使在信息安全控管措施上花费巨额投资,部分业务及信息风险仍然无法完全消除,甚至降低到可接受的水平,这时,便有了新的选择,即风险转移或风险转嫁。发达的国家和地区早已经有保险公司提供了针对数据中心和信息服务的保险,在云计算时代,人们更是需要类似的保障,因为对于服务商和用户来讲,云计算不可控的风险越来越高。

说了些题外话,我们回到正题,来谈一谈保障行业的信息安全管理,说到这儿,我们不得不搬出《保险公司信息系统安全管理指引(试行)》,也称保监会信息安全管理六十一条,这份于二〇一一年十一月十六日发布的指引无疑是保险行业进行信息安全管理的高层指导文件及行业标准。

相对于银行业以及证券业的信息安全管理指引文件,指导保险业的这份文件显得精练易懂并且可操作性强,所以“试行”了两年多仍然未改成“正式”版,猜测是没有太多可改进的内容。

我们来看一看特色的部分,在总则中“实现信息化工作集中管理的保险集团(控股)公司,可以集团(控股)公司为单位对信息系统安全工作统筹规划执行。”这个实际上很符合“大集中”中央集权管理的精神,保险业信息系统集中度高,核心信息资产在中央,自然信息安全管理工作应该由中央统筹进行。但是保险业的大量敏感客户数据多来自分布的终端网点和用户,显然,在强化中央核心信息系统的安全之时,也应该强化终端人员的信息安全保密意识。

保险行业终端销售人员的管理往往比较分散,保险产品兼职代销、电话营销等等情况严重,底层业务人员及合作伙伴们的信息安全意识参差不齐,不仅容易让潜在客户信息丢失,造成客户不满,更会造成恶性竞争等有损公司信誉的事情发生。加强控管,一方面需要强化保险从业人员的职业道德和素养培训,另一方面则是特别强化信息安全和保密意识培训。

关于信息系统安全的培训方面,指南的第九条和第十三条特别强调了安全意识教育,保密教育培训和技能考核。

在基础设施、网络环境和应用系统的安全管理方面,也没有太多的特色,不过这些在精神层面指导着IT人员的日常工作,太粗略尚缺乏一些标准性的要求。IT部门的领导们要好好学习和认真领会这些指引内容,一条指引可能引来一堆事情,也需要一批文档来做应对审核的证明材料。

保险业在交易方面也是高度信息化,关于交易的安全,在第四十九条有“电子商务、交易系统等应用系统建设应具备相应管理规范,明确各交易环节或过程安全要求,采取必要安全技术和管理措施,保护个人信息和客户敏感商业信息,保留交易相关日志,确保交易行为安全可靠。”这些要求基本上还是停留在信息系统层面,比如对敏感数据进行加密存储和传输等等,保证交易过程的安全以及保留审计日志等。显然这一条重点在信息系统和交易安全层面,不够完整。

综合来讲,保险行业由中国保险监督管理委员会下发的这个《保险公司信息系统安全管理指引(试行)》文件主要还是给保险公司的IT部门看的,并非广义上的信息安全管理部门,所以不全面是可以理解的。然而,保险业要考虑的信息安全问题远不是信息系统如基础架构、网络设备、应用系统和数据安全,也远不是防范外包这些信息系统或服务所带来的风险。

这样看起来,保险业应该向银行业学习信息安全管理,将IT安全服务的触角伸至全体员工层面。其实,金融集团多元化经营,银行保险证券业务往往是融合及关联的。对于一家多元经营的金融机构来讲,可能面临多个监管机关在信息安全管理方面的要求,等级保护、软件正版化、ISO等等,折腾的时候记得将它们关联一下,查漏补缺,从容应对各种审核活动。

防范人工智能训练和推理中的数据泄露风险

随着人工智能(AI)技术的迅猛发展,AI系统在各个领域的应用越来越广泛。然而,AI系统在训练和推理过程中面临的数据泄露风险也日益增加。数据泄露不仅可能导致个人隐私被侵犯,还可能对企业和组织造成严重的经济损失和声誉损害。因此,防范AI训练和推理中的数据泄露风险成为信息安全领域的一个重要课题。对此,昆明亭长朗然科技有限公司网络安全研究专员董志军表示:在数据泄露面前,人们经常会问到底是技术有罪,还是人类有罪?大量的事故原因分析显示人的失误占绝对高的比例。如下我们将探讨如何防范这些风险,并强调用户的安全意识在其中扮演的重要角色。

数据泄露风险的来源

在AI系统的训练和推理过程中,数据泄露风险主要来自以下几个方面:

  1. 数据收集和存储:AI系统需要大量的数据进行训练,这些数据可能包含敏感信息。如果数据收集和存储过程中没有采取适当的安全措施,数据可能会被未经授权的个人或组织获取。
  2. 模型训练:在模型训练过程中,数据可能会被泄露。例如,训练数据中的敏感信息可能会被模型无意中学习到,并在推理过程中暴露出来。
  3. 模型推理:在模型推理过程中,输入数据可能会被泄露。例如,用户输入的敏感信息可能会被模型记录下来,并在后续的推理过程中被泄露。
  4. 第三方服务:许多AI系统依赖于第三方服务进行数据处理和存储。如果这些第三方服务没有采取适当的安全措施,数据可能会被泄露。

防范数据泄露的技术措施

为了防范AI训练和推理中的数据泄露风险,可以采取以下技术措施:

1. 数据加密

数据加密是防范数据泄露的基本措施。在数据收集、存储和传输过程中,应采用强加密算法对数据进行加密。这样,即使数据被未经授权的个人或组织获取,他们也无法解密和读取数据。

2. 数据匿名化

数据匿名化是指将数据中的敏感信息进行匿名处理,使得数据无法被追溯到具体的个人或组织。例如,可以对数据中的姓名、地址、电话号码等敏感信息进行匿名处理。这样,即使数据被泄露,也不会对个人隐私造成威胁。

3. 差分隐私

差分隐私是一种保护数据隐私的技术,通过在数据中添加噪声,使得数据的统计特性不会显著改变,但个体的隐私信息得到保护。差分隐私技术可以应用于AI模型的训练过程中,防止模型无意中学习到敏感信息。

4. 联邦学习

联邦学习是一种分布式机器学习方法,允许多个参与方在不共享数据的情况下共同训练AI模型。联邦学习可以有效地防止数据泄露,因为数据始终保存在各自的参与方手中,不会被传输到其他地方。

5. 安全多方计算

安全多方计算是一种加密技术,允许多个参与方在不泄露各自数据的情况下共同计算结果。安全多方计算可以应用于AI模型的训练和推理过程中,防止数据在计算过程中被泄露。

用户安全意识的重要性

除了技术措施,用户的安全意识在防范数据泄露风险中也扮演着重要角色。用户是数据的最终使用者和管理者,他们的行为和意识直接影响到数据的安全性。以下是一些提高用户安全意识的建议:

1. 教育和培训

用户需要接受有关数据安全的教育和培训,了解数据泄露的风险和防范措施。例如,可以通过培训课程、在线教程和安全意识宣传活动等方式,提高用户的安全意识。

2. 使用强密码

用户应使用强密码来保护自己的账户和数据。强密码应包含大小写字母、数字和特殊字符,并且应定期更换。此外,用户还可以使用双因素认证(2FA)来增加账户的安全性。

3. 谨慎分享信息

用户在使用AI系统时,应谨慎分享自己的敏感信息。例如,在输入个人信息时,应确保系统是可信赖的,并且数据将被安全处理。用户还应避免在公共场所或不安全的网络环境中输入敏感信息。

4. 定期检查和更新

用户应定期检查和更新自己的设备和软件,确保它们处于最新的安全状态。例如,应及时安装操作系统和应用程序的安全补丁,防止漏洞被利用。

5. 报告可疑活动

用户在使用AI系统时,如果发现任何可疑活动或数据泄露迹象,应立即向相关部门报告。例如,可以向系统管理员或安全团队报告可疑活动,以便及时采取措施进行处理。

结论

防范AI训练和推理中的数据泄露风险是一个复杂的问题,需要综合采取技术措施和提高用户安全意识。通过数据加密、数据匿名化、差分隐私、联邦学习和安全多方计算等技术手段,可以有效地防止数据在AI系统中被泄露。同时,用户的安全意识也至关重要,通过教育和培训、使用强密码、谨慎分享信息、定期检查和更新以及报告可疑活动等方式,可以进一步增强数据的安全性。

在未来,随着AI技术的不断发展,数据泄露风险可能会变得更加复杂和多样化。因此,我们需要不断研究和开发新的防范措施,并持续提高用户的安全意识,共同应对这一挑战。只有这样,才能确保AI系统在提升效率和创新能力的同时,也能保护好用户的隐私和数据安全。

昆明亭长朗然科技有限公司专注于帮助各类型的组织机构持续提升员工们的安全意识,以应对各类传统的和未来的安全威胁,欢迎有兴趣的读者联系我们,预览我们的安全意识产品和体验我们的在线安全意识服务。

昆明亭长朗然科技有限公司

  • 电话:0871-67122372
  • 手机:18206751343
  • 微信:18206751343
  • 邮箱:[email protected]
  • QQ:1767022898