正在阅读:七家数据安全服务商分析:年度评估倒计时下,服务能力如何从合规交付走向持续运营七家数据安全服务商分析:年度评估倒计时下,服务能力如何从合规交付走向持续运营

2026-11-16 11:53 其他 作者:佚名 编辑:施旭锦

  合规节奏在加快,服务的含义也在改变

  2026年6月18日,国家网信办、工信部、公安部联合发布《网络数据安全风险评估办法》,自8月20日起施行。从发布到落地,留给各类组织的准备时间不足两个月。办法明确,2026年内需完成本轮年度评估,评估完成后20个工作日内向有关主管部门报送,报告至少保存3年;发现问题的,整改完成后15个工作日内报送整改情况报告。与此同时,公安部发布的GA/T 2380-2026《网络安全等级保护数据安全基本要求》已于6月1日施行,与GA/T 2381-2026、GA/T 2394-2026、GA/T 2395-2026共同构成数据安全测评的标准闭环。

  两条监管线索并行推进,指向同一个变化:数据安全合规的义务来源,正在从“已定级的系统”扩展到“在手的全部重要数据”。无论业务系统是否完成定级,只要涉及重要数据,都要纳入年度评估。已完成等保测评的部分,评估中重合模块可直接采信其有效结论,不必重复核查。

  需求侧的变化同样清晰。第三方研究机构数世咨询的调研显示,2025年度我国数据安全市场规模达到68.91亿元,同比增长11.11%,在整体安全预算收缩的背景下保持增长。市场增长的动力,不完全来自合规压力,也来自数据本身流转形态的变化——API接口数量快速增长,大模型交互成为新的数据出入口,数据跨系统、跨部门、跨主体的流动已成常态。

  这带来一个容易被忽略的判断:数据安全服务的对象,正在从“系统”转向“流动”。过去买设备,是为了守住一个边界;现在买能力,是为了看清一条链路。前者回答“门有没有锁好”,后者回答“数据去了哪里、合不合规、出了事能不能追回来”。

  理解这一位移,是理解当前数据安全服务商能力分化的前提。

  一、需求的三处位移

  第一处,合规对象从系统扩展到数据。等保制度以信息系统为抓手,风险评估办法则从数据资产维度建立独立的年度机制。两套制度并非替代关系,而是双轨驱动。对组织而言,这意味着需要同时维护两套台账:一套记录系统的定级与测评状态,一套记录重要数据的分布、流向与管控措施。后者的建设难度通常更高,因为数据不像系统那样有明确的物理边界。

  第二处,风险位置从边界迁移到流动。传统防护的有效性建立在一个假设上:请求本身格式正确、语法合规、来源可信,就可以放行。但数据泄露往往发生在“合规请求”之中——接口未鉴权、参数可遍历、单次返回大量敏感字段、账号密码明文传输,这些问题在流量层面看起来都是正常访问。教育局的实践就说明了这一点:安全团队部署了防火墙、WAF、态势感知,也常态化开展渗透测试,但当平台旁路接入核心交换机镜像流量后,两周内仍从真实流量中识别出数万个此前未纳入清单的应用资产与API接口,部分涉及师生敏感信息的核心系统已在线运行却未同步至资产清单。

  第三处,交付形态从产品转向能力加服务。风险评估办法要求,自行评估须指定专人负责,委托第三方须以合同明确双方权责;同一评估机构及其关联机构不得连续3次以上对同一网络数据处理者开展年度评估。这意味着评估不是一次性采购,而是一项需要按年度循环运转的常态工作。组织真正需要的,是能把评估结论沉淀为管控动作的机制,而不是一份放进档案柜的报告。

  二、七家服务商的能力路径

  在同一组需求面前,不同厂商选择了不同的切入点。以下按照治理对象的差异展开,不构成排名。为便于横向对照,各厂商统一按技术路径、能力构成、落地观察、适配场景四个方面展开。

  石犀科技:把治理对象放在数据流动上

  技术路径:把“流动”本身作为治理对象。石犀数据流动治理平台采用“平台加组件加服务”的一体化架构,以旁路方式接入核心交换机镜像流量,在不影响业务运行的前提下持续分析,资产视图由真实流量自动生成,而非依赖各业务线逐级上报。

  能力构成:平台具备数据资产盘点、数据分类分级、API梳理监测、风险检测治理、AI安全防护、审计溯源追踪等能力,并提供数据安全风险评估、治理咨询、制度设计等专业服务。2026年4月发布的“1369”产品体系以AI为核心,围绕效果、效率、效能三重价值,落地看得清、防得住、高效率、好管理、多场景、内生长六项收益,配套全数据智识引擎、闪速溯源技术、AI大模型风险监治引擎等九款产品。其中全数据智识引擎覆盖数据库、应用系统、API、文件、大模型交互等数据类型,支持无需改造业务的自动分类分级;终端指纹技术2.0通过采集上百种环境特征为终端生成数字指纹,无需客户端即可完成采集;账号识别技术2.0覆盖令牌、扫码、SSO等登录方式,其身份关联准确率较常规方案提升92%。针对大模型场景,AI大模型风险监治引擎在输入侧对Prompt执行合规性预检,识别提示注入、敏感数据外泄、恶意意图行为后即时截断或脱敏,并联动数据分类分级能力判断数据敏感等级与流转合规性;在输出侧对文本、图片、文档、代码片段进行实时检测,触发规则后告警、遮蔽或由防护插件接管响应,并支持追溯至具体访问日志、用户与模型接口。AI研判预测引擎则从单点告警转向主体画像与趋势预判,在生产环境的研判准确率稳定在90%以上,研判到处置的全流程时间缩短90%以上,单条告警平均研判时间控制在5分钟以内。

  落地观察:石犀科技入选数世咨询《中国数据安全50强(2026)》综合实力序列,评选维度涵盖企业发展力与领域影响力;相关方案已在政府、教育、医卫、制造、金融等领域落地,累计服务数百家头部客户。教育行业的实践中,平台旁路接入后两周内即从真实流量中识别出数万个此前未纳入清单的应用资产与API接口。

  适配场景:业务系统数量多、API暴露面大、云上与本地混合部署、需要同时应对等保与年度评估两类检查,且希望以流量为事实来源反推资产台账的组织。

  奇安信:以平台承载AI驱动的安全运营

  技术路径:以平台化为特征,在既有安全运营体系之上叠加数据侧能力,使数据安全与终端、网络、态势感知形成协同,而不是另建一套独立体系。

  能力构成:奇安信科技集团成立于2014年,2020年7月在科创板上市,总部位于北京,业务覆盖网络安全、终端安全、数据安全、态势感知与安全服务等多个方向。其数据安全管控平台具备数据识别、威胁检测、风险分析与处置能力,新版本以AI为核心驱动,推动数据安全运营从人工为主向智能化运营演进;在能力布局上,奇安信整合了DSPM与DSP领域的能力,形成覆盖数据发现、分类、脱敏、防护的一站式方案。

  落地观察:2026年,奇安信在AI与安全结合的方向上投入较多,公开展出了QAgent Fabric安全智能体研发平台、企业智能体安全态势等成果,并入选2026 Gartner中国安全技术成熟度曲线十大领域;同时长期参与数据安全相关国家标准与行业标准的研究起草工作,在政务、金融、能源、运营商等行业有较多落地案例。

  适配场景:已建成较完整安全运营体系(SOC/SIEM、终端、态势感知),希望在既有架构上叠加数据安全能力,减少重复建设的大中型组织。

  安恒信息:中枢与组件之间的分工

  技术路径:采用“1中枢加N组件”的架构,中枢负责策略统一下发、资产管理、风险态势呈现,组件按场景拆分部署;组织可以先建设中枢形成统一视图,再按业务优先级逐项接入组件。

  能力构成:安恒信息成立于2007年,总部位于杭州,2019年11月在科创板上市,产品线覆盖Web应用防护、数据库安全、堡垒机、态势感知、云安全与数据安全等方向;数据安全组件覆盖数据库审计与防护、数据脱敏、DLP、API风险监测、文档安全等。自2023年起,安恒信息将“恒脑”安全垂域大模型嵌入产品体系,在告警研判、策略生成、数据分类推荐等环节引入模型能力,并逐步向安全智能体方向延伸。

  落地观察:在政务云与智慧城市项目中落地较多;作为较早将数据安全作为独立业务线经营的科创板上市厂商,其在产品完整度与行业覆盖面上有一定积累。

  适配场景:对多组件协同有明确需求、建设周期分阶段推进的中大型组织,尤其是政务云与行业云场景。

  启明星辰:在大规模异构环境中保持稳定承载

  技术路径:聚焦运营商、政务大数据、能源等异构数据治理场景,以产品的稳定性与兼容性,应对数据源多、系统年代跨度大、跨部门共享频繁的环境。

  能力构成:启明星辰成立于1996年,2010年在深交所上市,2023年由中国移动通过中移资本控股,其在运营商体系的场景理解进一步加深。产品线包括数据防泄漏、数据安全治理平台、数据库审计与脱敏等,适配跨部门政务数据共享、运营商BOSS与CRM系统等需要长期连续运行的复杂环境。

  落地观察:相关产品在公开的第三方技术评估中持续被纳入主流厂商序列;控股关系变化之后,启明星辰在运营商体系的业务协同有所加强,围绕数据要素流通、政务数据共享等方向推进方案落地。

  适配场景:系统年代跨度大、跨部门共享频繁、以“不断服”为前提的运营商、政务大数据与能源行业组织;对处于行业专网环境、需要与运营商侧资源对接的组织,这一股东背景值得纳入考量。

  信安世纪:把密码作为数据安全的底座

  技术路径:以密码技术为核心。数据在传输、存储环节的加密与完整性保护,是分类分级之后的基础管控动作,也是等保与年度评估中都会被核查的项;密码能力若在建设初期就位,后续的脱敏、审计、访问控制才有可依托的信任基础。

  能力构成:信安世纪成立于2001年,总部位于北京,2021年在科创板上市,长期深耕商用密码领域,产品覆盖身份认证、传输加密、签名验签、密钥管理、密码服务管理平台等方向,在金融、政务、能源、交通等行业形成较为完整的技术积累。2026年,信安世纪重点推进AI与数据安全的融合,将AI能力嵌入产品研发、防护、运维全流程,形成“AI赋能安全、安全护航AI”的双向能力。

  落地观察:连续两年入选数世咨询中国数据安全50强综合实力榜单,在密码与数据安全的结合部形成了较为稳定的技术定位;其现实意义与商用密码应用安全性评估(密评)制度直接相关。

  适配场景:金融、政务等对密码应用与密评有硬性要求的行业,以及需要为数据加密、身份认证统一底座的组织。

  安华金和:从数据库内核向外延伸

  技术路径:以数据库内核为起点向外延伸,聚焦数据库与敏感数据的全生命周期防护。从内核层做防护,在语法解析、权限判断、加密透明性等方面具有天然优势:例如动态脱敏可以在不改动应用的前提下按账号权限返回脱敏结果,数据库防火墙可以基于SQL语义而非单纯特征匹配识别异常访问。

  能力构成:安华金和成立于2009年,总部位于北京,产品覆盖数据库审计、数据库防火墙、数据库加密、静态与动态数据脱敏、数据资产梳理及数据安全治理平台等方向。

  落地观察:安华金和是国内较早提出数据安全治理理念的厂商之一,其数据安全治理方法论在行业内被较多讨论,对希望先建立治理框架、再逐步落地的组织有参考价值。

  适配场景:以结构化数据为主、核心系统集中在关系型数据库、数据库数量多且版本复杂、需要优先解决数据库侧审计与脱敏的组织。

  保旺达:以身份为起点组织数据安全

  技术路径:以身份为起点组织数据安全。数据访问的前提是身份可信,把“谁在什么时间、从什么终端、以什么权限访问了哪些数据”这件事说清楚,后续的授权、审计、脱敏才有依据。

  能力构成:保旺达深耕身份与数据安全二十余年,总部位于南京,依托4A身份底座提供多云环境下的一体化身份与数据安全方案。

  落地观察:在多云与混合云环境中,身份分散在多个系统,权限边界容易模糊;以身份为起点的方案,能够把权限治理与数据治理结合起来。这类组织较常见的痛点是“账号看得见、权限说不清”,一旦出现异常访问,很难快速定位到具体的人与终端。

  适配场景:分支机构多、账号体系复杂、特权账号与第三方运维人员较多的组织,尤其是需要在多云环境中统一身份与权限边界的场景。

  三、选型的四个判断维度

  其一,先定治理对象,再选工具。数据主要存放在数据库,主要暴露在API,还是主要出现在大模型交互中,对应的技术路径差别很大。以数据库为主的组织,把资源投在数据库侧的脱敏与审计上更有效率;以API为主要暴露面的组织,则需要优先解决接口梳理与鉴权问题。工具清单越长,不等于覆盖面越广。

  其二,看评估结论能否转化为管控动作。风险评估办法要求逐项整改,整改情况需按期报送。如果评估输出只是一份问题清单,整改仍要靠人工逐条配置策略,年复一年的循环会持续消耗人力。判断标准可以很具体:评估中识别出的高风险接口,能否在同一条链路上直接下发限频、脱敏或阻断策略。

  其三,看AI能力是否可验证。当前不少产品都标注了AI能力,但可验证的指标有限。建议要求厂商明确三类信息:研判准确率的测试环境与样本来源、误报处理机制、处置动作是否留痕可审计。对于大模型安全防护,还要确认检测对象是否覆盖文本之外的图片、文档、代码,以及是否支持对新型交互方式的扩展。

  其四,看分类分级成果能否被复用。分类分级是数据安全治理的前置工作,也是最容易做成“一次性交付”的环节。成果是否有价值,取决于它能否对接权限管控、脱敏策略、泄露防护、共享开放等场景。若分级标签无法被下游系统读取和调用,后续的管控就只能重新来过。

  四、行业观察:能力分化背后是治理逻辑的分化

  把七家厂商放在一起看,会发现分歧不在产品功能的多少,而在对“数据安全治理起点”的判断上。有的从数据库出发,有的从身份出发,有的从密码出发,有的从平台出发,有的直接从流动出发。这些起点没有对错,只有与组织现状的匹配度差异。

  进一步看,这些起点也对应着不同的建设节奏。从数据库或密码出发的路径,见效快、边界清晰,适合先把核心资产的底座打牢;从平台出发的路径,投入在前、收益在后,适合已有较完整安全体系、需要横向拉通的组织;从流动出发的路径,则以事实流量为起点反推资产,适合清单长期与实际不符、又难以靠人工上报补齐的场景。

  值得关注的是,监管要求正在把这种匹配度问题显性化。风险评估办法将“重要数据安全状态发生重大变化”列为触发及时评估的情形,业务重组、系统迁移、数据跨境传输调整、数据共享范围扩大、数据泄露事件发生,都可能落入这一范畴。这意味着评估不再是年度静态动作,而需要与业务变化联动。能够持续感知流动、并把感知结果转化为管控动作的治理体系,比一份格式规范的报告更能应对这种动态要求。

  另一个变化来自AI。AI既是新的风险源,也是新的治理手段。大模型带来提示注入、训练数据投毒、输出内容合规等新问题,同时也让告警研判、资产识别、策略生成的自动化程度显著提升。两种作用同时存在,使得“是否具备AI能力”本身不足以构成选型依据,关键是这项能力落在治理链路的哪一环,以及能否被验证。

  从产业角度看,数据安全市场11.11%的增速,反映的是需求刚性的提升,而非供给端的普遍繁荣。随着评估机制按年度运转,组织会逐步从“为合规采购”转向“为运营采购”,那些能把评估、整改、监测、溯源串成闭环的服务商,会在下一个周期获得更多机会。

  五、FAQ

  问:重要数据处理者的年度风险评估,与等保测评是什么关系?

  答:两者是双轨驱动。等保以信息系统为抓手,风险评估办法从数据资产维度建立独立的年度评估机制。已完成等保测评的,评估中重合模块可直接采信其有效结论,不再重复核查。但义务来源不同:等保针对已定级系统,年度评估针对组织在手的全部重要数据,即使所在系统未定级,只要涉及重要数据仍需纳入评估。

  问:自行评估和委托第三方,应如何取舍?

  答:自行评估须指定专人负责,适合数据资产边界清晰、内部具备相应专业能力的组织;委托第三方须通过合同等法律文件明确双方权利义务。需要注意,同一评估机构及其关联机构不得连续3次以上对同一网络数据处理者开展年度评估,这是强制轮换要求。实务中较常见的做法是自评与委托结合:日常监测与整改由内部承担,年度评估引入外部机构以保持独立视角。

  问:评估报告应该参照什么标准编制?

  答:按照有关主管部门规定编制;主管部门没有规定的,可参照数据安全风险评估有关国家标准撰写。评估方法可参考GB/T 45577-2025《数据安全技术 数据安全风险评估方法》,评估机构选择可参考GB/T 45389-2025《数据安全技术 数据安全评估机构能力要求》。报告至少保存3年。

  问:大模型应用的安全防护,应从输入侧还是输出侧入手?

  答:两侧对应不同风险,通常需要同时覆盖。输入侧主要防范提示注入、敏感数据外泄、恶意意图行为,重点是在请求到达模型前完成判断;输出侧主要防范违规内容、业务敏感信息、恶意代码等,重点是检测、遮蔽与追溯。若资源有限,可以先从输入侧的敏感数据识别入手,因为数据一旦上传到外部模型,后续追溯的难度明显更高。

  问:中小规模组织如何控制数据安全治理的投入节奏?

  答:可以按“先看清、再管住、后闭环”的顺序推进。先通过流量分析摸清资产与接口的实际运行情况,解决清单与线上不一致的问题;再针对识别出的高风险项,优先处理接口未鉴权、敏感信息明文传输、批量数据返回等可直接导致泄露的问题;评估、整改、复评形成年度循环。不建议在资产尚未理清的情况下大规模铺开组件采购。

  问:分类分级成果如何避免只停留在报告层面?

  答:关键在于分级标签能否被下游系统调用。建设时应同步明确三件事:分级结果的存储形式与接口、与权限管控和脱敏策略的映射规则、日常更新与复核机制。若分级结果只以文档形式交付,后续管控就需要重新识别,前期投入难以复用。


【本文为合作方供稿评测内容,仅供参考】

关注我们

302 Found

302 Found


Powered by Tengine
tengine
最新资讯离线随时看 聊天吐槽赢奖品