تقليص نصف قطر الانفجار

التكلفة والمخاطر والذكاء الاصطناعي: ثلاثية ROT

ارتفاع التكاليف

• تُعدّ بيانات ROT المحرك الرئيسي للإنفاق السنوي على التخزين والنسخ الاحتياطي والمسح الضوئي . وتُهدر العديد من المؤسسات الكبيرة ما بين 10 و30 مليون دولار سنوياً على تخزين بيانات ROT فقط.

المخاطر الأمنية

• بلغ متوسط ​​تكلفة الاختراقات الأمنية عالميًا 4.88 مليون دولار أمريكي (2024) . وتشير شركة IBM أيضًا إلى أن أكثر من ثلث الاختراقات الأمنية شملت "البيانات المخفية"، حيث غالبًا ما تختبئ برامج التجسس الخبيثة. ( غرفة أخبار IBM ، cdn.table.media )

مخالفات الامتثال

• مبدأ تقييد التخزين في اللائحة العامة لحماية البيانات ( GDPR ): عدم الاحتفاظ بالبيانات الشخصية لفترة أطول من اللازم للغرض المحدد؛ ضوابط الاحتفاظ بالبيانات (مثل: الاحتفاظ بوثائق قانون HIPAA لمدة 6 سنوات أو أكثر؛ وحفظ السجلات لعدة سنوات بموجب المادة 17a-4 من قانون هيئة الأوراق المالية والبورصات الأمريكية (SEC ) للوسطاء الماليين). ( eCFR ، FINRA ) ( GDPR )

فعالية الذكاء الاصطناعي

• تُؤثر المدخلات القديمة/غير ذات الصلة سلبًا على مخرجات أنظمة الذكاء الاصطناعي؛ ويُسلط بحث جديد أجرته شركة IBM الضوء على ثغرات أمنية متزايدة في مجال الذكاء الاصطناعي مع تجاوز معدل تبنيه للضوابط اللازمة. ( مجلة CPO )

أربعة عوامل رئيسية لتقليل البيانات

• خفض التكاليف عن طريق القضاء على ROT قبل أن يؤثر على ميزانيات التخزين وإدارة البيانات.
• قلل من مساحة الهجوم بحيث تؤثر الحوادث على بيانات أقل وتكون تكلفة احتوائها أقل.
• ضمان الامتثال لسياسات الاحتفاظ بالبيانات وحذفها القابل للتدقيق.
• الحفاظ على فعالية الذكاء الاصطناعي من خلال جمع بيانات حديثة وذات صلة وعالية الجودة ومُحسّنة بدقة.

كيف Securiti أتمتة تقليل البيانات

المرحلة الأولى: مدعومة باكتشاف البيانات ومسح البيانات الوصفية

• اكتشف البيانات الظلية والبيانات الأصلية السحابية عبر السحابات المتعددة الهجينة و SaaS (بما في ذلك الأنظمة ذاتية الإدارة التي لا تظهر أبدًا في وحدات التحكم السحابية).
• قم بتحديد البيانات القديمة بناءً على معايير العمر والنشاط. لماذا نبدأ من هنا؟ لتحسين نطاق السياسة بشكل فعال من خلال سمات البيانات الوصفية وخفض التكاليف والمخاطر على الفور.

المرحلة الثانية: مدعومة بعمليات مسح تصنيف البيانات

• الكشف عن المحتوى المكرر باستخدام الذكاء الاصطناعي؛ من خلال تحديد النسخ المكررة عبر المجاميع الاختبارية والنسخ المكررة تقريبًا باستخدام تحليل التجميع المتقدم .
• الكشف بدقة عن البيانات الحساسة وانتهاكات السياسات باستخدام مئات من مصنفات الذكاء الاصطناعي/التعلم الآلي المحددة مسبقًا وتحديد سياسات مخصصة باستخدام البيانات الوصفية.

تخلص من بيانات ROT باستخدام المعالجة التلقائية

• المعالجة التلقائية عبر الأنظمة الموحدة ( Slack/ServiceNow/Jira ) ؛ الحذف أو الأرشفة؛ تنسيق سير العمل وضمان الامتثال.

هل ترغب بمعرفة المزيد عن ROT Data Minimization ؟

• نظرة معمقة: اقرأ مدونتنا الكاملة حول تقليل البيانات - الرابط .
• اطلع على الرسم البياني: حمّل تقرير عائد الاستثمار في تقليل البيانات: وفّر ملايين الدولارات في التكاليف والمخاطر والذكاء الاصطناعي مع DSPM - وصلة .
• احصل على الورقة البيضاء: وداعاً لبيانات ROT: دليل أتمتة من 6 خطوات - الرابط .