文章总结: 绿盟敏感数据发现与风险评估系统IDR入围Forrester2025Q4全景图。该系统结合规则、机器学习及大模型技术,实现数据自动分类分级,支持多行业模板并联动生态产品。目前已助力金融、政务等领域梳理超百亿条数据,满足数据安全合规要求,构建全链路防护体系。 综合评分: 65 文章分类: 产品介绍,数据安全,AI安全,解决方案
AI 提效 生态联动 | 绿盟IDR打造敏感数据安全管理新范式
原创
绿盟君
绿盟科技
2025年12月24日 17:21 北京
近日,国际权威研究咨询机构Forrester发布了《敏感数据发现与分类解决方案全景图,2025年第四季度》(The Sensitive Data Discovery And Classification Solutions Landscape,Q4 2025)[1],绿盟科技凭借其敏感数据发现与风险评估系统(IDR)首次入围该报告。
标准指引前行
积极响应数据安全需求
随着中国《网络安全法》 《数据安全法》 《个人信息保护法》《数据安全技术 数据分类分级规则》 (GB/T 43697-2024)《证券期货业数据安全风险防控 数据分类分级指引》(GBT 42775-2023)等标准的发布,各行业对数据分类分级的需求逐渐迫切。
根据Forrester的定义,敏感数据发现与分类解决方案是指:提供敏感数据位置可见性的一种技术,识别敏感数据的类型及其保护需求与控制依据;并通过为数据打标或标签机制,以指导其访问控制、使用规范及全生命周期的管理策略。绿盟敏感数据发现与风险评估系统 (IDR)是一款集敏感数据发现、分类、分级、打标等功能于一身的数据安全产品。其依据分类分级标准,以抽样的方式可对数据项、表、文件、元数据等进行自动化的分类分级。
行业需求迫切
构建高效的敏感数据分类体系
绿盟敏感数据发现与风险评估系统 (IDR)除了内置的敏感数据规则,也可针对字段内容、字段名、字段注释、表名、表备注等,基于关键字、数据字典、正则表达式、机器学习等算法进行敏感数据规则的自定义。
- IDR内置多行业数据分类分级规则模板,包括金融、运营商、能源、工业、医疗、教育、个人信息等。
- IDR内置机器学习算法,让数据识别更灵活、高效。
- 支持调绿盟的风云卫或第三方大模型直接进行分类分级,提高分类分级的准确率,同时对空的表注释、字段注释进行补充,提高数据质量。
自产品发布以来,IDR已成功赋能金融、政府、教育、医疗等多领域标杆客户。凭借全场景数据扫描能力,IDR 累计协助客户完成超百亿条数据的全面梳理,深度覆盖结构化、半结构化及非结构化数据类型。在生态联动方面,IDR的分类分级结果可通过标准化 API 接口,与数据库审计、静态脱敏、动态脱敏、数字水印、数据安全运营平台等安全产品进行无缝对接,构建全链路数据安全防护体系,为客户数据资产提供精细化、全生命周期的安全保障,助力客户稳步落实数据安全合规要求。
此次入围Forrester报告,体现了绿盟科技在数据治理与安全技术领域的市场认可度。在数字化转型时代,绿盟科技也将持续加大创新与投入,为用户的数据与隐私安全防护保驾护航。
参考文献
[1]Forrester, The Sensitive Data Discovery And Classification Solutions Landscape,Q4 2025
Forrester 免责声明
Forrester 不认可其研究出版物中提及的任何公司、产品、品牌或服务,也不建议任何人根据此类出版物中包含的评级来选择任何公司或品牌的产品或服务。相关信息基于现有最佳资源。观点反映了当时的判断,且可能发生变化。欲了解更多信息,请点击此处查看 Forrester 的客观性声明:Forrester 不认可其研究出版物中提及的任何公司、产品、品牌或服务,也不建议任何人根据此类出版物中包含的评级来选择任何公司或品牌的产品或服务。相关信息基于现有最佳资源。观点反映了当时的判断,且可能发生变化。欲了解更多信息,请点击此处查看 Forrester 的客观性声明:https://www.forrester.com/about-us/objectivity/
免责声明:
本文所载程序、技术方法仅面向合法合规的安全研究与教学场景,旨在提升网络安全防护能力,具有明确的技术研究属性。
任何单位或个人未经授权,将本文内容用于攻击、破坏等非法用途的,由此引发的全部法律责任、民事赔偿及连带责任,均由行为人独立承担,本站不承担任何连带责任。
本站内容均为技术交流与知识分享目的发布,若存在版权侵权或其他异议,请通过邮件联系处理,具体联系方式可点击页面上方的联系我。
本文转载自:绿盟科技 绿盟君《AI 提效 生态联动 | 绿盟IDR打造敏感数据安全管理新范式》
版权声明
本站仅做备份收录,仅供研究与教学参考之用。
读者将信息用于其他用途的,全部法律及连带责任由读者自行承担,本站不承担任何责任。










评论