AI智能體專區(qū)
立即體驗恒腦安全智能體 
立即解鎖AI安服數字員工 
行業(yè)解決方案
技術解決方案
醫(yī)療數據只匯集不敢用，不會用？交給安恒信息“數據內循環(huán)”（內含超詳細操作流程）
甲
唉，最近壓力有點大呀。
乙
細說，想聽??。
甲
我們醫(yī)院剛建立了醫(yī)療大數據平臺，里面匯集了大量的個人數據和醫(yī)療數據，一旦發(fā)生數據安全事件，會造成隱私數據泄露和醫(yī)療服務停擺，后果真是不堪設想，愁呀，做好平臺數據的安全使用可真是太難了！
乙
深有同感呀，我們也建設了醫(yī)療大數據平臺，要愁的還不止這些呢，比如：
上級單位要求梳理內部數據資產的
敏感數據目錄
我們的數據庫被檢查出了漏洞
甲
唉，要不說壓力大呢，我也想建設覆蓋數據全生命周期的數據安全防護能力，可是資金投入壓力太大，建設周期也很長！
所以我目前最迫切的需求，就是讓數據能夠在單位內部流通起來，能夠為業(yè)務賦能，不然建設了大數據平臺，收集了海量的數據，但又發(fā)揮不了數據的價值，這么大的一座金山利用不了，真是太浪費了。
乙
是啊，數據能夠在內部流通起來，才能真正為業(yè)務提供價值。我也有同樣的需求，湊巧打聽到醫(yī)療圈內流傳著一個數據內循環(huán)的解決方案，正好解決咱們的問題。
甲
抱大腿，求分享。
乙
抱好了，且聽我來分享。
“數據內循環(huán)”，指的是以“樂高化”為核心思想，將數據安全整體建設規(guī)劃進行拆分和聚類，實現數據安全建設以大化小、以點打面，把周期長、投入大的整體安全建設轉變?yōu)樾《?、快見效的數據安全能力提升，最終實現連點成面拼接成完整的樂高，實現數據安全整體防護能力的提升閉環(huán)。
圖：數據內循環(huán)整體建設思路
數據內循環(huán)主要涉及到上下級行業(yè)單位和應用調用數據，運維人員日常維護過程中操作數據，需要針對數據內循環(huán)的各個環(huán)節(jié)進行安全防護，共分為三個環(huán)節(jié)：
1、敏感數據識別環(huán)節(jié)：
滿足敏感數據識別上報的需求，同時為數據流轉過程中細化管控提供基礎。
2、數據調用安全防護環(huán)節(jié)：
數據調用分為兩種情況，一是通過API接口進行數據調用；二是直連數據庫進行數據調用。針對兩種情況需分別建設防護能力，基于敏感數據做好安全管控措施。
3、數據運維管控環(huán)節(jié)：
數據運維是數據的隱形流動行為，運維人員可直接訪問數據庫。每次查詢都是數據流動的行為，因此需對上述人員做好安全管控，保障數據流動安全。
圖：數據內循環(huán)建設流程
第一步：敏感數據梳理
（1）構建分類分級框架
首先基于《醫(yī)療衛(wèi)生機構網絡安全管理辦法》《信息安全技術 健康醫(yī)療數據安全指南》《衛(wèi)生健康行業(yè)數據分類分級指南（試行）》等行業(yè)文件，以數據安全分類分級目標為導向，以數據資產盤點調研為輸入，持續(xù)梳理單位的數據資產，搭建匹配現狀所需的數據安全分類分級邏輯框架。確保數據分類分級規(guī)范能夠符合行業(yè)要求。
圖：分類分級框架搭建流程
（2）AI+分類分級
數據分類分級工具同步數據內容給AI大模型。AI大模型基于大文本總結能力對掃描的數據內容進行解讀完善釋義，使用數據標注框架對解釋后的字段名、注釋、樣例進行分類分級識別，輸出數據分類分級后的數據資產目錄，并給出數據分類分級的字段解釋含義，完善數據分類分級的判斷依據，增強人員對數據識別可讀性。
圖：AI賦能數據分類分級流程
（3）分類分級結果賦能
數據安全分類分級落地方案的價值，不僅是輸出一份敏感數據目錄，更在于確保數據安全分類分級結果的可視化展現，確保數據安全分類分級成果能夠為業(yè)務和安全提供強大支撐，具體來說，表現為以下三點：
?數據分類分級建設完成后，可通過大屏清晰掌控數據資產的級別和類別信息，摸清數據資產家底；
?分類分級結果可同步給醫(yī)療大數據平臺，前端應用在調用敏感數據時可通過醫(yī)療大數據平臺對敏感數據脫敏；
?分類分級結果可同步給安全防護設備，設備基于數據級別自動執(zhí)行安全防護策略。
圖：數據分類分級結果賦能流程
第二步：數據調用安全建設
通過構建數據調用安全防護能力，防護針對數據庫的安全攻擊和API接口的安全攻擊，通過以下兩方面的安全建設保障數據使用安全。
（1）數據庫攻擊防護建設
通過數據安全網關建設數據庫隱身能力，阻斷外部發(fā)起的掃描攻擊行為；建設漏洞攻擊防護能力，確保應用訪問數據庫的攻擊防護被阻斷；建設虛擬補丁防護能力，針對發(fā)現的數據庫漏洞通過啟用虛擬補丁的方式進行安全修復，數據庫不需要重啟。數據庫安全攻擊防護流程如下：
圖：數據使用防護流程
（2）API接口調用安全防護
通過API風險監(jiān)測系統(tǒng)，盤點醫(yī)療大數據平臺開放的全量API資產，識別API中傳輸的敏感數據；通過檢測API自身的脆弱性風險，快速進行修復；通過分析調用行為，找出異常API訪問調用行為；自動繪制API風險鏈路關系，結合線索關聯排名分析，推測出可疑的數據泄露路徑，實現數據泄露風險溯源。
圖：API接口訪問防護流程
第三步：數據庫運維管控安全建設
運維人員日常訪問數據庫屬于隱性數據流通，因此需要對運維人員進行重點管控。可基于數據安全網關細化運維人員訪問數據庫的權限，記錄運維人員訪問數據的行為，基于梳理的敏感數據目錄按照運維權限進行數據動態(tài)脫敏，防止多次、少量數據查詢導致的點滴式數據泄露風險。
圖：數據庫運維安全防護流程
甲
這個數據內循環(huán)的解決方案來的是真及時，解決了我的一塊心病呀。改天細聊，咱們互相交流一下數據內循環(huán)建設的心得。
安恒信息醫(yī)療行業(yè)“數據內循環(huán)”解決方案目前已為全國多個醫(yī)療伙伴提供了數據安全流通的防護能力，為醫(yī)療行業(yè)數據數字化轉型和醫(yī)療數據價值釋放保駕護航。期待更多的醫(yī)療伙伴與我們攜手并進，探索安全賦能數據使用新天地。
