近日，工业和信息化部网络安全管理局发布《2023年工业和信息化领域数据安全典型案例名单》（以下简称“典型案例名单”）。经过多轮评审，天融信携手客户提报的数据安全监测分析方向案例、数据安全基础共性方向案例双双入选，充分展现了天融信作为网络安全领军企业的综合业务实力与技术创新能力。
工信部面向工业领域、电信和互联网领域组织开展数据安全典型案例遴选，按照技术先进、特点突出的原则，挖掘行业广泛认可、企业应用效果良好的案例，树立行业标杆、扩大产业影响，促进数据安全产品、应用和服务的示范推广，全面推动数据安全能力建设和创新发展。经过申报推荐、形式审查、专业初审和专家评审，天融信分别与中国移动通信集团山西有限公司、中移在线服务有限公司和中国移动通信集团河南有限公司联合提报的案例成功入选典型案例名单。
基于ueba与融合密度聚类optics的全链路风险溯源反演典型案例
山西移动在通过人工对海量数据进行分析的过程中，由于缺乏智能化审计工具，面临着审计场景匮乏、滞后性强、覆盖范围小、效率低等挑战。天融信与山西移动联合设计研发基于用户与实体行为分析（ueba）和融合密度聚类optics的全链路溯源反演方案，通过智能分析过程，检查、发现、预警各类异常现象和违规行为，并提供用于追责的相关证据。
● 针对数据识别难，以机器学习模型进行数据识别与分类分级，为不同等级或不同类型的敏感信息匹配不同的保护方案，达成数据生命周期100%处理识别。
● 针对数据覆盖难，基于optics聚类的行为分析实现业务系统的接入与覆盖；并采用bagging、boosting和stacking等集成学习算法进行集成学习，实现对数据异常访问的监测。
● 针对监管难，基于荧光标记的数据流转监控建立自动化监控引擎，大幅提升对数据流向、流转路径和流转事件的全面监测。
● 针对预警难，利用全链路分析的溯源反演，有效提升溯源分析效率与完整性，提高安全预警准确性。
该方案符合国家数据安全规划思路，在保障企业自身数据安全前提下，进一步探索新技术的研究与应用，提升了数据异常操作检测与溯源分析效率，在节省人力成本的同时带来明显的经济效益和社会效益。
面向海量非结构化客服领域数据的识别、分类分级方法与实践典型案例
中移在线服务有限公司作为全球最大的单体呼叫中心，在服务过程中产生的海量语音等非结构化数据存在数据体量大、语言种类多等问题，在对这些数据在进行识别与分类分级时存在着诸多难点。天融信创新使用深度神经网络技术，对非结构化文本数据进行智能数据识别及分类分级，提高数据识别效率及分类分级准确性，为客户筑起数据安全安全屏障。
● 针对非结构化数据种类多，全量识别覆盖难的问题，运用“系统资产 非结构化数据”发现能力，实现对客户服务过程数据的全量发现，确保数据资产全面识别。
● 针对识别速度慢的问题，通过基于注意力(attention)机制深度神经网络，实现对输入语音的流式实时解码，助力智能化服务效果提升。
● 针对分类分级准确度低的问题，利用基于softmax神经网络实现非结构化文本数据中客户敏感信息的智能分类分级，实现用户数据资产分布、来源、数量、等级等信息的精准识别与可视化展示。
该方案在帮助客户落实监管要求的同时，解决了在海量数据处理过程中的覆盖难、识别速度慢、准确率低等问题，提高数据分级分类的准确性与效率，节省人力成本投入，保障客户充分利用数据关键生产要素价值。
topsec
数据是国家基础战略性资源和重要生产要素，数据安全关乎国家安全。未来，天融信将持续驱动技术创新，积极探索产品研发升级，不断提升产品性能及服务水平，为客户提供更加全面、高效的数据安全能力，助力数字经济时代数据安全建设和创新发展，为网络强国建设贡献企业力量。