L'identification des données sensibles et réglementées au sein de données non structurées a toujours été un défi : il est difficile de les découvrir et de les classer avec précision à grande échelle, et leur analyse nécessite des ressources importantes et prend du temps. Les méthodes traditionnelles d'analyse des données d'entreprise peuvent prendre des mois, voire des années : en moyenne, 10 Po de données non structurées prennent jusqu'à 14 ans avec un seul scanner, ou 280 jours avec 100 scanners.
Cela crée des problèmes importants en matière de conformité, de sécurité et de gouvernance des données, car les données non structurées (fichiers, e-mails, feuilles de calcul, présentations, etc.) contiennent souvent des données sensibles, critiques et réglementées sur les personnes, les adresses IP, les comptes, etc.
Entrer Hyperscan de BigID: une nouvelle approche transformatrice basée sur le ML pour analyser de grands volumes de données non structurées un délai de rentabilisation plus rapide et une analyse plus approfondie des données.
Avec Hyperscan, BigID repense complètement la façon dont les données non structurées sont analysées : en réduisant considérablement le temps d'analyse des systèmes de fichiers, en économisant jusqu'à 95% de temps d'analyse pour les organisations et en leur permettant de mieux gérer les données non structurées. gérer, protéger et analyser leurs données à grande échelle.
Hyperscan identifie intelligemment où Les données sensibles sont réparties dans l'ensemble du paysage de données d'une organisation, ce qui leur permet de découvrir et de classer leurs données sensibles, personnelles et réglementées plus rapidement et avec plus de précision, tout en réduisant considérablement le temps d'analyse.
Comment ? L'algorithme d'apprentissage automatique, en instance de brevet, découvre les relations cachées entre les données sensibles des fichiers et les métadonnées, identifiant si un fichier ou un ensemble de données contient des données sensibles en se basant uniquement sur les métadonnées. L'identification automatique des zones sensibles réduit considérablement le temps d'analyse nécessaire à la découverte.
Pourquoi Hyperscan ?
- Analyser intelligemment les données non structurées
- Prédire si un fichier ou un ensemble de données contient des données sensibles, personnelles ou réglementées
- Minimiser les faux négatifs (et les faux positifs)
- Réduisez le temps de numérisation global de 95%
- Rappel configurable (faux négatifs) et précision (faux positifs)
Hyperscan de BigID accélère considérablement la classification, le catalogage et la corrélation des données critiques et sensibles dans les magasins de fichiers à volume élevé comme Office 365, Sharepoint, Boîte, GDrive, AWS S3, NetApp, EMC, HDFS pour la conformité des données, la confidentialité, la correction, la gouvernance des accès, migration vers le cloud, minimisationet la rétention. Vous voulez voir comment Hyperscan transforme la découverte de données sur des données non structurées ? Contactez notre équipe d'experts en ML pour voir Hyperscan en action.
Auteur
