智能时代已经到来,数据安全的关注度不断提高。
在车联网安全领域,《关于车辆数据安全管理若干规定的通知》主要强调了四个方面的保护:
第一,智能网联汽车是完全保护的。
《通知》指出,保障车联网安全,智能网联汽车生产企业应当加强车联网安全架构设计,加强车载系统通信安全,加强关键设备和部件的安全防护和安全检测,加强诊断接口、通用串行总线端口、充电端口等的接入和权限管理。
同时,智能网联汽车生产企业要落实安全漏洞管理责任,及时发现和处理威胁和漏洞。
二是车联网的网络安全防护。
《通知》强调,车联网网络安全保护涉及五个方面,各相关企业和国家部门要加强车联网网络设施和网络系统的安全保护能力;全力保障车联网通信安全;积极开展车联网安全监控预警;做好车联网安全应急响应工作;并做好车联网网络安全保护分级备案工作。
三是车联网服务平台的安全防护。
通知要求,车联网服务平台经营者应当采取必要的安全技术措施,加强平台网络安全管理,防范网络入侵、数据窃取、远程控制等安全风险。
并加强在线升级服务安全和漏洞检测评估,定期评估网络安全状况,防范软件伪造、篡改、损坏、泄露、病毒感染等网络安全风险。此外,还要加强应用安全管理,加强车联网的应用安全检测。
第四是数据安全保护。
《通知》提出,按照“谁主管、谁负责、谁运营、谁负责”的原则,智能网联汽车生产企业和车联网服务平台运营企业要加强数据分类和分类管理;同时,提高数据安全的技术支撑能力,防范数据泄露、损毁、丢失、篡改、误用、滥用等风险;并规范数据的开发、利用和共享,加强数据出境的安全管理,防止利用技术处理数据时侵犯用户权利和危害国家安全。
在今年的世界互联网大会上,特斯拉将自己的数据架构和数据安全设置作为重点内容进行了展示。特斯拉表示,其终端将产生四种类型的数据:
一、与车辆使用、操作、状况相关的车辆数据:如车速、里程、电机转速、方向盘扭矩、软件版本等。
二是车载触摸屏使用的信息娱乐系统数据,包括客户使用功能或应用程序的汇总计数、电台收听时间和频道等。
第三,诊断数据,包括车辆配置、固件、能源使用、电子系统状态的详细信息,以及不同系统之间传输的用于错误识别和技术评估的数据。
第四,Autopilot自动辅助驾驶数据,包括车辆使用摄像头提供自动辅助驾驶、智能呼叫、自动泊车等高级功能所需的数据。
工业和电信领域的数据安全政策继续实施,进一步催化了行业爆发。2021年9月30日,为提升工业和电信行业数据安全防护能力,防范数据安全风险,工业和信息化部发布《工业和信息化领域数据安全管理办法》。
推动数据敏感企业建立数据全生命周期的安全管理制度,针对不同级别的数据,明确制定数据采集、存储、使用、处理、传输、提供和披露的具体分级保护要求和操作流程:数据采集:工业和电信数据处理者采集数据时应遵循合法、适当和必要的原则,不得窃取或以其他非法手段采集数据。
在数据采集过程中,应当采取配备技术手段、签订安全协议等措施,加强对数据采集人员和设备的管理,记录数据采集的时间、类型、数量、频率和流向。
通过间接方式获取数据的,应当要求数据提供者对数据来源的合法性做出书面承诺,并承担相应的法律责任。
数据存储:
工业电信数据处理机构应按照法律规定或与用户约定的方式和期限存储数据。在存储重要数据时,还需要使用验证技术、密码技术等措施进行安全存储。不得直接向存储系统提供公共信息网络接入,应实施数据容灾备份和存储介质安全管理。如果存储核心数据,还应该实现异地容灾备份。
使用数据处理:
以及工业和电信数据处理人员未经个人和单位同意,不得利用数据挖掘、关联分析等技术手段对特定主体进行精准画像和数据恢复等处理活动。如果用数据进行自动决策,就要保证决策的透明和结果的公平合理。
如果使用和处理重要数据和核心数据,还应加强访问控制,建立注册和审批机制并保留记录。向工业数据处理器提供数据处理服务并从事电信业务的,应当依照有关法律、行政法规取得电信业务经营许可。
数据传输:
工业电信数据处理器应根据传输数据的类型、级别和应用场景制定安全策略和采取保护措施。
传输重要数据时,还应采取验证技术、密码技术、安全传输通道或安全传输协议等措施。如果涉及跨组织或使用公共信息网络的数据传输,应建立注册和批准机制。
核心数据在不同数据处理实体间的传输也应得到国家数据安全协调机制的批准。数据提供:工业和电信数据处理者应根据行业数据分类和分类管理的要求,规定数据提供的范围、数量、条件和程序。
提供重要数据的,也要采取数据脱敏等措施,建立审批机制。提供核心数据的,还应当经过国家数据安全协调机制的批准。
工业和电信数据处理者应事先验证数据接收方的数据安全保护能力,并与数据接收方签订数据安全协议,明确数据提供的范围、使用方式、期限和目的、相应的安全保护措施和违约责任,并督促数据接收方执行。
数据披露:
工业数据处理器和电信数据处理器披露数据应当真实、准确,并在披露前进行安全评估。涉及个人隐私、个人信息、商业秘密、商业秘密以及可能对公共利益和国家安全产生重大影响的,不得公开。
数据销毁:
工业电信数据处理机构应建立数据销毁策略和管理制度,明确销毁对象、流程和技术要求,并记录和保存销毁活动。如果重要数据和核心数据被破坏,被破坏的数据不得以任何理由或任何方式恢复。
除了互联网的迫切需求,金融、医疗、汽车、能源等数据安全的潜在市场都推出了“思宾格”安全与隐私合规平台,基于AI检测技术。根据《App非法收集、使用个人信息行为认定办法》、《工业和信息化部关于开展App侵害用户权益专项整治工作的通知》、《工业和信息化部关于开展APP侵害用户权益专项整治工作的通知》、《信息安全技术个人信息安全规范》等规范性文件和国家标准, 提供隐私风险检测、隐私专项检测、场景检测、过度权限收集和使用检测等产品和服务,帮助监管机构、应用市场、大型企业、App开发者等。 完成app隐私合规自查,发现隐私违规风险。
金融机构掌握的客户“个人信息”,根据其获取方式和功能的不同,可以在信息保护法下划分为不同的类型,相应地,金融机构也会对其进行不同程度的保护。
随着实体医院诊疗活动向互联网延伸,数据共享和流通成为刚性业务需求。静态隔离和保护措施难以控制数据在流动中的风险,涉及患者隐私的各类医疗数据也面临着日益严峻的安全挑战。互联网医院需要从动态的角度分析判断数据安全风险。
随着智能汽车产业和车联网技术的快速发展,以自动辅助驾驶为代表的人工智能技术越来越普及,车辆数据处理能力不断增强,暴露出的车辆数据安全问题和隐患日益突出。
在汽车数据安全管理领域出台有针对性的规章制度,明确汽车数据处理者的责任和义务,规范汽车数据处理活动,是防范和化解汽车数据安全风险、保障汽车数据依法合理有效利用、维护国家安全利益和保护个人合法权益的需要。
《规定》明确,汽车数据处理者应当履行个人信息保护责任,充分保护个人信息安全和合法权益。
汽车数据处理者开展个人信息处理活动,应当以显著方式告知个人相关信息,并取得个人同意或者符合法律、行政法规规定的其他情形。
汽车数据处理者在处理敏感个人信息时,还应当征得个人同意,并符合限制处理目的、提示收集状态、终止收集等特定要求,或者法律、行政法规、强制性国家标准等其他要求。
汽车数据处理器可以收集生物信息,如指纹、声纹、面部、心率等。仅出于提高驾驶安全性的目的和充分的必要性。
大数据应用和政策双轮驱动,短期技术服务市场超百亿数据安全市场空。根据大数据市场AI平台营收,预计2023年达到100亿,长期潜力空预计达到1000亿。
数据安全计算模块常见于大数据服务场景,加入AI计算平台,在基于数据的服务,如安全、存储、计算等方面与AI应用相同。所以AI平台的营收是私有计算产值的上限。据IDC预测,2020年中国大数据市场规模约为104.2亿美元,其中软件市场规模为26.5亿美元,AI平台收入约为4亿美元。IDC预测2018-2024年AI行业年复合增长率+39%,因此2024年AI平台收入有望达到15亿美元,数据安全方案上限近100亿人民币。
在深度数据价值挖掘过程中,要兼顾数据应用和安全,平衡效率和风险,在保证安全的前提下发挥数据价值。
以多方安全计算、可信执行环境、联邦学习为代表的隐私计算技术已经在金融、医疗、政务等领域得到推广应用。为了解决数据流通过程中的“可用性和不可见性”问题,帮助解决数据保护和利用之间的矛盾:
1)对于个人消费者而言,隐私计算的应用有助于降低应用过程中隐私数据泄露的风险;
随着信息化水平的不断提高,个人信息被收集和广泛使用,也面临着信息泄露的风险。隐私计算在很多场景下的应用,可以提高个人信息的保护水平,降低应用过程中个人信息泄露的风险。
2)对于B端企业来说,隐私计算兼顾了数据协同过程中的安全性和效率,监督企业履行数据保护义务。
借助隐私计算,企业可以有效保护关键信息在收集、存储和分析过程中的安全。另一方面,隐私计算可以促进企业间的跨境数据合作。因为隐私计算可以让数据变得可用和不可见,可以帮助不同的企业和机构与产业链上下游实体进行联合分析。
3)对于G端政府和社会组织来说,隐私计算可以促进数据价值和社会福利的最大化。
第一,借助隐私计算,可以提高政府数据开放过程中的数据安全和隐私保护水平,如采集、存储、协作等。在保证数据安全的同时,可以增强全社会的数据协作,通过数据的应用实现社会福利的最大化。
二是借助隐私计算推动数据要素和产业升级。隐私计算(Privacy computing)是由两个或两个以上的参与者进行联合计算的技术和系统,其中参与者通过协作对他们的数据进行联合机器学习和联合分析,而不泄露他们各自的数据。
多方安全计算技术的核心思想是设计一种特殊的加密算法和协议,基于密码学的原理,可以直接对多个参与者输入的加密数据进行计算,而不需要可信的第三方。
多方安全计算是由姚期智等人在20世纪80年代提出的,通过交换不可逆密文数据来实现数据的安全保护。每个参与者不能从其他参与者那里得到任何输入信息,而只能得到计算结果。
可信执行环境的核心思想是构建一个独立于操作系统而存在的可信隔离的密室空。数据计算只在这种安全环境下进行,其安全性依靠可信硬件来保证。
可信执行环境最本质的属性是隔离,通过芯片等硬件技术保护数据并与上层软件协同工作,同时保持计算能力与系统运行环境共享。
目前可信执行环境的代表性硬件产品主要有英特尔SGX、ARM TrustZone等。,由此诞生了很多基于上述产品的商业化实现方案,如MesaTEE、华为iTrustee等。
除了上面提到的可信计算环境和多方安全计算技术,还有一种常见的联邦学习算法,其本质是分布式机器学习。在保证数据隐私安全的基础上,实现了通用建模,提高了模型的效果。
联邦的目标是在不聚合参与者原始数据的情况下,实现保护终端数据隐私的联合建模。根据数据集类型的不同,联邦学习可以分为横向联邦学习、纵向联邦学习和联邦迁移学习。
学会将联邦应用于银行联合建模,提高反欺诈模型水平,降低资产不良率。
传统上,银行会根据收入水平、信用数据、还款表现等变量在放贷前进行反欺诈建模。但仍存在数据维度不足、数据量小等问题。需要整合多方数据,构建更精准的反欺诈模型。联邦学习可以有效解决合作中数据隐私和特征变量的矛盾,保证特征变量交换时的信息安全。
随着IT架构的演进,数据安全SaaS的长期运营收入有望达到1000亿。云上的IT架构,长期数据安全SaaS营业收入有望达到千亿,商业模式的改善带来估值提升的机会。
以消费贷款场景为例,假设2030年金融机构信用风险建模使用60%联邦学习渗透率和1%服务率,2019年国内短期消费信贷市场规模将达到9.92万亿元。假设到2030年年复合增长率为8%,预计2030年市场规模将达到21.42万亿元,数据安全收入预计将达到1285亿元。考虑互联网、医疗、政府大数据等场景。
平台经济垄断的本质是数据垄断,通过数据协同打破垄断过程中的安全越来越重要。未来,隐私计算的龙头企业将具有“雪花+众筹”的特点,即“DaaS+赛卡斯”。
雪花提出了数据仓库即服务(Data-Warehouse-as-a-Service)的概念,即原生于云端、专注于分析型数据仓库的SaaS服务。雪花将各类客户的各类数据整合到云数据平台,方便了数据分析,简化了数据共享,最大限度地降低了数据管理和合规问题的风险。
雪花可以解决的痛点包括:数据孤岛,更高效的数据搜索和维护,数据分析的速度和成本。
与传统的硬件服务器存储传输和单一IaaS厂商相比,其优势在于:可扩展性、易操作性、SaaS订阅模式、云架构、自然网络效应的商业模式等。
随着IT云结构化程度的提高,雪花通过云计算摆脱了底层引擎的限制,充分利用了可用的数据资源。
同时,雪花的定价方法不同于典型的SaaS公司的月订阅和年订阅。它的收入和定价模式基于使用量,存储、计算和数据传输都是单独定价的。
雪花的LTV/CAC比率历史数据均在3.0以上,表明其在获取新客户方面表现强劲,毛利率超过60%。这在SaaS公司中并不是很高,主要是向三家公共云公司支付基础设施费用。雪花尚未参与云基础设施建设,未来毛利率提升空或主要来自自建基础设施。
CrowdStrike的发展路径是以平台的形式不断拓展功能模块,客户粘性和单价不断提升,营收和估值天花板不断攀升。
以CrowdStrike为代表,成立于2011年。在2012年和2013年,它发布了威胁情报服务Falcon X以及Falcon OverWatch、Falcon Insight和其他终端检测和响应产品。
2017年,公司基于SaaS模式快速丰富终端安防产品线。公司构建了SaaS+PaaS的安全生态,在第三方安全厂商中处于领先地位。
猎鹰的终端安全平台提供的云安全服务模块完全基于SaaS模式,具有敏捷、易用、可扩展性强、持续迭代优化等优点。2020年推出PaaS安全平台CrowdStrike Store,构建了终端安全产品+威胁情报服务+专家服务和SaaS+PaaS的完整安全生态。
情景喜剧空的数据安全规模巨大,安恒和Chianxin有望显著受益于数据安全发展的竞争格局:
典型的数据安全应用场景通常包括三类参与者,以互联网为用户。未来由国内或网信办等监管单位牵头平台建设,有国资股东背景和技术储备的第三方企业提供技术和运营:
数据用户需要考虑业务特点和支付能力。互联网厂商有迫切的合规要求,包括“尽量减少数据收集,避免滥用”,此外还有联合建模下的银行和医疗机构;
作为数据提供方,原始数据不会从本地出来,加密后的信息会发送给中间方;
隐私技术服务提供商,为客户构建计算系统,包括在业务端、数据端、可信第三方部署服务节点。
考虑到国内的实际情况,有可能由网信办等监管单位牵头平台建设,有相关技术储备的第三方企业提供技术和运营。
行业:伟世通
1)数据安全监管政策持续加码,公司拥有领先的解决方案和技术实力,具备作为核心公司直接受益于数据安全订单落地的能力;
2)基础加密业务在手订单充裕,安全芯片等军品需求高,成本有望在科研院所和上市公司重新平衡,净利润率有望大幅提升;
3)互联网厂商对数据安全有迫切需求,平台经济垄断的背后是数据。监管和公众的担忧进一步促使互联网巨头增加隐私保护支出,互联网厂商极其愿意购买标准化的解决方案来实现合规;
4)公司作为动力事业部旗下网安版图唯一上市控股公司,具有天然的股东优势和监管公信力。
数据安全,类似于公共资源管理,是未来的石油和稀土,必须掌握在国家手中。多因素共振驱动伟世通成为核心目标。
衡量伟世通的潜在市场价值;
中性假设下,按照分部估值的思路,考虑公司基础网络安全业务和数据安全业务,2023/2025年对应的潜在市值可能达到1570.89和3195.93亿元。
假设:
1)根据IDC、亿欧智库、智研咨询等的统计。、数据安全市场上限在国内互联网厂商、金融、医疗、政务等领域,市场份额保持先增后缓的趋势;
2)考虑到伟世通目前方案领先,互联网厂商对数据合规需求强烈,假设市场份额为25%,部分垂直行业厂商如翼方、富树科技等在一些安全等级相对较低的场景中占据剩余空房间;
3)参考隐私、营销、安全和数据治理公司OneTtust,估值15X PS,2023/2025年数据安全业务潜在市值分别为1122508亿元。
我们的预密码业务在2021/2022/2023年的营业收入为30.10/38.03/48.05亿元,
归母净利润为352/511/7.65亿元,
2021年安全边际市值为600亿元,2023年和2025年潜在总市值可能达到1570.89和3195.93亿元。
七信是超前的,如果数据真的成为新的生产要素,数据安全是重要的前提,也是重要的使能因素。
作为当今互联网时代的新生产要素,在大数据、人工智能等新兴技术的加持下,数据流动更加频繁,价值日益凸显,成为各行业技术变革的核心驱动力。
基于“数据不动,数据可用但不可见”的技术理念,七芯是国内首款兼顾数据隐私安全和商业价值挖掘的隐私卫士产品。
安信网神的隐私卫士检测系统包括沙箱、隐私协议分析器、应用行为检测模块、合规性评估模块和系统管理模块。
被检测的Android或iOS应用上传到检测系统后,系统使用真机沙盒或模拟器沙盒检测应用的运行,并通过隐私协议分析器自动分析其隐私策略协议。
应用行为检测和隐私策略检测采用可扩展的检测插件,包括隐私策略完整性检测、与应用行为的实质符合性检测、非必要信息收集检测、数据退出、第三方收集、隐私泄露风险、使用权检测等。
凭借强大的产品竞争力,公司将根据《App非法收集和使用个人信息的识别方法》中描述的六大类31种收集行为,对测试项目进行拆解,并按照自动测试、半自动测试和人工测试的分类要求,进行全面深入的隐私合规性测试。
核心功能包括:
1)应用行为检测,通过真机、模拟器触发移动应用检测各类隐私行为,深度发现App、SDK获取、存储、上传的各类个人信息,全面检测包括明文存储、明文传输、信息退出在内的各类应用行为。
2)隐私政策检测:通过对收集到的各类个人信息进行分析应用,与隐私政策中描述的个人信息进行逐一比对,结合法律法规的要求,给出具体的不符合项和法律法规的适用条款,最终给出隐私政策规范性、完整性和一致性的检测。
3)法规一致性分析。隐私卫士系统可以根据App非法收集和使用个人信息的识别方法,对各类精细化检测内容进行回归分析,将各类检测结果与识别方法和其他法律法规进行比对,更有利于企业对通报的问题进行分析。
数据安全法最大的特点就是在鼓励数据流动、共享甚至交易的同时,保证数据的安全。数据这种新资源,只有在交换流动中才能释放出更大的价值,这逐渐成为各行业的基本共识。如何有效保护重要数据成为整个共享和交换场景中的关键点。
数据脱敏是指通过脱敏规则对一些敏感信息进行变形,实现对敏感隐私数据的可靠保护。当涉及客户安全数据或一些商业敏感数据时,应在不违反系统规则的情况下修改真实数据并提供给测试。身份证号、手机号、卡号、客户号等重要个人信息要脱敏。
确信:
目前国内大部分的数据分类分级还停留在基础层面,大多以人为主体,导致耗时长,成本高。另一方面,由于人为因素的影响,基于正则表达式的传统工具识别准确率很低。
沈心智能数据分类分级平台率先引入人工智能和机器学习算法。与传统的数据分类分级方法相比,利用机器学习技术大大提高了准确率,进一步提高了工作效率,降低了人力成本,在数据分类分级方面进行了有效的实践。
恒信息将加大对数据安全岛项目的投入。公司可以利用自身在大数据安全领域的技术积累,丰富网络信息安全平台产品线,提高整体盈利能力。
据赛迪顾问预测,2019-2021年大数据安全市场年均增长率为35.3%,2017-2019年公司大数据安全产品收入年复合增长率将达到100.2%。随着个人信息保护法和数据安全法的颁布,政策规范有望推动数据交易平台和相关技术服务的增长。
作为国内最早发布数据安全防护体系的网络安全企业,融信依托多年的数据安全经验,构建了基于行业特点的整体安全防护解决方案,通过数据安全治理、数据安全防护、数据安全监管、数据安全运营赋能,实现数据的全生命周期。目前已广泛应用于运营商、金融、政府、能源、卫生、海关等行业。
同时,天荣信是第一家也是唯一一家由中国信息安全测评中心授权注册数据安全管理专业人员的运营机构,负责知识体系的研发和维护、试题研发、考试服务、授权培训机构管理和市场推广等工作。注册数据安全管理专业人员专项证书,帮助国家培养数据安全专业人才。
风险警告
行业竞争加剧风险:
网络行业竞争更加激烈,如果行业竞争进一步加剧,可能会对毛利率产生不利影响。
政策力度不及预期的风险:
如果安全2.0、网络保护行动等合规政策的实施不尽如人意,将会影响企事业单位对网络安全产品和服务的需求。
宏观经济风险:
在疫情影响下,宏观经济面临下行风险,可能影响各行业企业的网络安全支出。
计算和实际存在之间可能的误差:
目前,隐私计算仍处于发展的初级阶段,存在落地和普及步伐不如预期的风险。
—————————————————————
请关注每日最新的行业分析报告!
报告归原作者所有,我们不做任何投资建议!
更多精选报道,请访问【官网,有远见的智库】。



