Clickhereorpressenterfortheaccessibilityoptimisedversion 确保AI世界中的数据安全:企业数据存储与安全管理 Clickhereorpressenterfortheaccessibilityoptimisedversion 数据是成功实现人工智能的基础和动力 在技术创新日新月异的今天,人工智能的前景及其能力将彻底改变几乎所有的行业 讨论的核心是所有企业的数据资产。在过去几年中,"数据是新的石油"已成为一句老生常谈的话,但最近在GenAI方面取得的进展让人们从一个新的角度认识到,这些数据资产对于获得新的独特见解以加速增长是多么重要。Omdia认为,数据是成功实现人工智能的基础和动力。虽然人工智能驱动的洞察力前景诱人,但必须高度重视基本要素:数据本身、基础设施和存储以及安全性。 为了管理企业分析和人工智能培训所需的各种来源、各种模式和结构的大量数据,企业需要现代化的数据平台来处理数据洪流。同时,保护数据安全和隐私也至关重要。Omdia认为,数据安全是一个不容妥协的领域。 多数企业正处于关键时刻,既要面对人工智能解决方案的诱惑,又要面对未知领域的严峻现实。 在这本电子书中,Omdia探讨了这项技术带来的潜在挑战和机遇,企业在这一动态环境中前进时应加以考虑。 AdamStrange,PrincipalAnalyst,DataSecurityAndrewBrosnan,PrincipalAnalyst,AI RoyIllsley,ChiefAnalyst Clickhereorpressenterfortheaccessibilityoptimisedversion 存储、安全和解决方案 人工智能支持的数据安全性足够好吗? 从安全角度看,使用人工智能来更好地理解和保护数据有其强大的理由,但在实际使用人工智能时也有一些关键的考虑因素,其中之一就是人工智能被视为提高数据安全性的强大解决方案。 Omdia建议企业在采用基于人工智能的模型进行数据安全态势管理之前,一定要谨慎行事。 人工智能的主要风险之一在于其根据某些参数提供标准化响应的功能。黑客可以使用这些相同的参数揭示相同的网络安全结果。由于知道态势构成可能导致漏洞被利用,企业需要确保他们不会冒着数据泄露的风险,求助于简单的人工智能模型来回答往往很复杂的安全问题。 在追求进步和创新的过程中,我们的专家建议企业不要忽视或低估以前成功的方法、现有资源、能力或投资。 存储,是确保人工智能的核心要素 主存储器网络安全的重要性怎么强调都不为过–它是任何网络安全战略的重要组成部分。在不断演变的威胁和不断升级的网络风险中,保障数据的完整性和可用性至关重要。 虽然围绕人工智能的大量讨论都集中在计算能力和GPU上,但人工智能发展的核心是数据。这就需要对数据进行细致的标注和安全存储,以确保在训 练人工智能模型时,数据的可访问性与严格的隐私保护措施保持一致。 此外,关于人工智能的讨论往往忽视了人工智能勒索软件迫在眉睫的威胁–勒索软件即服务(RaaS)的出现加剧了这一巨大威胁。应对这一挑战需要积极创新、战略威慑和强大的数据恢复保护,以有效减轻潜在的损害。 在数据分析方面,大量数据从不同来源收集并整合到可扩展的对象存储系统中,特别是来自边缘和远程终端的数据。预计未来的发展轨迹,Omdia认为人工智能存储市场将进入多厂商竞争加剧的阶段。低成本QLC技术的采用、搜索和标记功能的增强以及共享扩展文件访问功能的出现,都将催化这种竞争。 在企业应对错综复杂的现代网络威胁时,将网络恢复集成到存储基础架构的 结构中已成为一种战略需要,而不仅仅是一种附加功能。 数据–当今时代的石油 要安全、合规地训练高性能的人工智能模型和强大的数据平台,对全面、高质量数据的需求势在必行。人工智能模型已经发展到可以处理各种数据类型,如音频、视频甚至基因信息,即非结构化和结构化格式的多模态数据。进一步的创新还为历史数据和实时流数据提供了支持。与基于文本的历史数据相比,这些进步为企业提供了更大的洞察力和商业价值。然而,这些创新也带来了复杂性,企业必须加以解决,以确保有效的数据管理、治理、安全和隐私。 主要挑战之一是在获取综合数据与保护个人隐私之间取得平衡。虽然单独使用数据集可能看起来无害,但与其他数据集结合使用时,可能会导致个人身份被识别,从而引发对数据滥用和隐私泄露的担忧。建立健全的数据安全和隐私措施不仅对建立对人工智能的信任至关重要,而且还能保护组织免受声誉损害和法律影响。 大量与隐私相关的法规和标准进一步强调了严格数据保护实践的重要性。不遵守SOC、ISO、GDPR、CPRA、HIPAA、FedRamp和HiTrust等机构和法规可能导致严重的经济处罚、法律责任甚至监禁。企业必须积极采用隐私增强技术(PET)来降低这些风险。联邦学习、差分隐私、合成数据生成和同态加密等方法既能保护敏感数据,又能实现创新和洞察力。 然而,要解决数据隐私和安全问题,需要采取一种涵盖从基础设施到应用层的整个人工智能堆栈的综合方法。企业必须考虑各种因素,如内部部署、云或混合模型,训练和推理部署的计算和存储要求,以及将PET集成到现有工作流程中。此外,还必须关注人工智能模型的整个生命周期,从开发和培训到部署和持续管理。 Clickhereorpressenterfortheaccessibilityoptimisedversion 打造未来的技术框架 在不断变化的威胁环境中保护数据资产在企业内部部署人工智能的主要考虑因素 数据安全经历了重大演变,已成为网络安全中的一门独特学科。虽然企业在数据中心内外不断加强数据保护措施始终是谨慎之举,但这一演变的主要催化剂是全球数据隐私法规的实施和执行不断升级,以及来自恶意行为者的威胁持续升级。 从本质上讲,企业必须优先全面了解其整个数据环境,以便根据其业务风险状况有效保护数据,同时保持成本效益。鉴于数据安全固有的复杂性,必须与具备必要经验的供应商合作,这些供应商了解数据安全的各种驱动因素,并将这种了解无缝集成到其产品或服务中。 通过与知识渊博的合作伙伴合作,并采用全方位的数据安全方法,企业可以有效地降低风险,确保遵守法规,并在不断变化的威胁环境中保护其宝贵的资产。 最近的OmdiaIT企业洞察和数据管理调查强调,数据隐私和安全是企业采用人工智能的首要问题。虽然现在衡量人工智能对数据安全的确切影响还为时尚早,但某些领域,如数据发现和数据分类,为企业加强对数据的理解提供了机会。毕竟,未知的东西是无法得到有效保护的。 Omdia预计,在未来几年内,有关数据隐私,特别是人工智能方面的数据隐私的监管环境将继续演变。与此同时,企业迫切需要建立健全的人工智能政策。这些政策需要慎重考虑,以定义各种规模的组织可接受的使用条款。 在企业内部部署人工智能会带来各种风险和注意事项。有些是一般人工智能部署中常见的问题,有些则取决于业务环境和具体用例。其中许多考虑因素都会对数据中心产生影响,包括基础设施的选择,如云、混合或内部部署解决方案,以及有关隐私增强技术(PET)的决策,如联合学习和合成数据生成。 技术行业的所有主要利益相关者,包括超大规模企业、大型技术公司、初创企业和开源社区,都在积极开发解决方案,以帮助减轻与企业采用人工智能相关的数据隐私和安全问题。值得注意的是,戴尔已经验证了统包式人工智能堆栈,而IBM、英伟达(NVIDIA)和HPE等公司也在积极参与联合学习和群学习计划。 根据Omdia对市场的审查,我们的分析师认为,企业人工智能模型采用的未来格局预计将包括针对特定领域或任务定制的更小、更专业的模型,而不是像ChatGPT这样的大规模模型。特别是在医疗保健和金融等受监管行业,企业将寻求在内部或基于云的容器中运行这些模型和相关软件的选择。基础架构供应商正在通过开发促进内部部署环境和云之间的可移植性和镜像的技术来做出回应。 打造未来的技术框架 存储的增长 存储的性能层目前正在经历增长,预计从2023年到2027年的复合年增长率(CAGR)将接近18%。根据人工智能系统支持的数据管道的不同部分,硬盘驱动器(HDD)将用于提高成本效益,而固态驱动器(SSD)则用于提高性能。然而,随着人工智能系统各方面的性能变得越来越重要,这种区别将开始变得模糊。 人工智能在数据中心的崛起 据Omdia预测,未来五年,服务器计算人工智能应用的需求将以每年20%的速度增长,使人工智能成为数据中心中增长最快的应用。这些服务器中有很大一部分将专门用于人工智能推理任务。 加强数据恢复策略 有效的事件响应和恢复策略对于减少勒索软件攻击和全面恢复业务运营至关重要。在存储环境上下文中利用主存储快照可以大大加快恢复过程。这种方法不仅能确保快速恢复,还能简化验证工作,从而增强整体数据抵御勒索软件攻击的能力。 探索企业内部存储即服务(StaaS) 企业内部存储即服务(StaaS)为IT采购和存储决策提供了多种选择。随着数据中心内工作负载放置的灵活性增加,企业必须评估数据管理策略、总成本影响和IT管理能力等因素,以做出明智的StaaS采用决策。 优先考虑存储解决方案的可持续性 在追求技术进步的同时,也不能忽视企业对环境可持续发展的承诺。根据Omdia最近的一项调查,受访者对购买旨在最大限度减少二氧化碳排放的存储设备(55%)和在存储系统制造中采用环保材料(56%)表示出浓厚的兴趣。通过将存储基础设施投资与可持续发展目标相结合,企业可以在促进技术创新的同时减少碳足迹。 Clickhereorpressenterfortheaccessibilityoptimisedversion 为企业的成功做好准备 您需要了解的信息 Omdia分析师利用其全面的市场数据和趋势洞察能力,为企业强调了在制定战略时需要考虑的优先领域。 数据存储 优先优化数据中心基础设施市场的工作负载准备迎接新一轮的超异质性浪潮,其特点是: 为各种大规模应用部署工作负载优化的专用集成电路(ASIC),如基础设施处理(即网络、安全和监控)、视频转码、搜索、人工智能训练和推理。 每台服务器的优化ASIC数量不断变化,每台服务器配置十几个协处理器。例如,Meta最近发布的针对人工智能优化的服务器,每个系统配置了12个协处理器(称为MTIA);谷歌的视频转码服务器,配置了20个协处理器(称为VCU)。 数据安全 由于认识到并非所有数据都是相同的,组织应根据不同的数据类型和相关风险,建立合适且具有成本效益的数据安全态势。 整体数据保护平台(如数据安全态势管理)将为企业提供一个大有改进的解决方案,同时还能满足首席信息安全官(CISO)整合供应商的需求。 企业应该找到能够全面定义其整个数据集的供应商,无论数据集是在企业内部、软件即服务(SaaS)环境中还是在云中。 下一步是对数据进行分类和分级,然后控制适当的访问权限。 一些供应商提供"足够好"的方法–提供足够的安全性,抵御大多数攻击,但不是所有攻击。受监管行业或目标性很强的垂直行业可能需要更强大的解决方案。必须认识到,数据不仅仅是资产,它对业务运营至关重要,用户应寻求供应商的最高保证和物理保护。 随着固态硬盘(SSD)成本的不断降低,预计固态硬盘(SSD)创新将取代数据中心的硬盘(HDD)设备。 Omdia 专家根据数据和预测提供分析师意见,为您提供可行的见 解,帮助您做出明智的发展决策。我们的专家分析数据管理、高级分析和数据安全方面的行业趋势,就不断变化的数据存储环境为您提供建议。在不断发展的技术生态系统中,为您提供前瞻性战略发展知识。 本电子书中的内容来自Omdia的三项信息服务: AnalyticsandDataManagementIntelligenceServiceCloudStorageandDataIntelligenceService Dat