近年来，数据安全运营渐渐成为公司数据安全团队与业务沟通、项目推进及价值输出(赋能)的窗口。数据安全的核心在运营能力，数据、模型、工具都是手段，通过运营实现对业务的价值输出目标。

数据安全运营具体涉及两大部分：风险管控能力和运营赋能业务。

• 风险管控能力：

识别、治理、收敛，在过程中结合业务特征提炼真实的风险场景、及隐私要求通过技术手段实现对法律法规的遵从性–来自业界大佬语录(一般管理手段与安全管理、合规团队联合推进)，并建立匹配的治理方案及工具、方法论;

• 运营赋能业务：

关键数据支撑业务决策，影响业务在风险环节的资源投入;

基础工具、组件服务支持，安全能力左移(前置)，降低业务安全上的成本。

工作方法

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。

技术手段

数据全生命周期管理

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。

持续运营

(1) 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;

(2) 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。

(3) 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。

(4) 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(来自我的领导多年经验)，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。

(5) 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。

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。

总的来说

成熟业务，侧重推进基础安全能力提升，典型问题溯源到底，防御为主;

快速发展业务，安全容忍度适当放宽，抓典型案例震慑，事前工作做足，如SDL能力覆盖;

成长业务：介于两者之间，借业务系统升级、转型接入推进安全能力提升，标本兼治。

文章部分素材来源：浪尖聊大数据