11月24日,在“从一维到多维 ,让数据安全有章可循——山石网科数据安全综合治理体系发布会”上,山石网科面向行业发布《数据安全治理白皮书》,并向企业侧正式发布全新的数据安全治理体系和数据安全综合治理平台。
《数据安全治理白皮书》指出,数字产业正面临着数字经济快速发展,而数据安全治理混沌无序的难题。整个数字产业的数据安全治理还处在初级基建阶段,还有很长的建设期。
山石网科董事长兼CEO罗东平致辞表示,数据安全治理应该侧重“四个而是”。对于广大企业而言:

图注:山石网科董事长兼CEO罗东平致辞
从一维到多维 ,让数据安全有章可循
在快速发展和高度竞争的现实环境中,企业有机会捕获大量不同的内外部数据,如何在数据价值最大化的目标下,成本可控的保证安全合规,是所有管理人员需要解决的核心问题。山石网科的数据安全治理体系框架,对于正处在这一重要时间节点的企业而言,提出了一套完整的数据安全治理理论框架。

图注:山石网科数据安全治理体系框架
数据与业务紧密相关,错综复杂并且留存时间长,构建数据安全治理体系是一个包含了目标、组织、流程、技术等多个维度的系统工程。在以数据为中心的数据治理体系框架中,包含五大模块,制度规范、运营管理、技术防护三个核心部分,应急响应和监督审计两个支撑体系。该体系框架的基座是等保2.0(企业第一维的网络安全能力),数据安全绝不是从零开始。
这套多维治理体系框架的主要价值在于,一方面可以摆脱头疼医头,脚疼医脚的传统治理方式,将数据安全治理建设的思考着力点调整到从单维到多维进行驱动,锁定企业的数据安全治理战略。
另一方面可以帮助企业快速理清数据安全与企业现状之间的关系,并使得企业的数据安全战略落地做到有的放矢,通过结合合规需求、企业自身业务需求来定义一套成本最优、方向正确的数据安全治理体系,并建设适合企业自身业务特点的可持续数据安全运营能力,为组织在数字时代驰骋保驾护航。
联防联控,全套服务覆盖数据全生命周期
数据安全治理的方案,从框架到落地,“最后一公里”的服务才是最为重要的。山石网科安全服务团队具备丰富的实战经验,在整个数据安全生命周期中,山石网科推出多项数据安全专项服务,真正帮助用户将数据安全“平稳落地”,给客户36.7°C的美好体验。
人和工具的结合才能使数据安全治理体系达到最好的效果。山石网科可以提供数据安全咨询、安全评估、安全检查、专项安全演练四大专项服务,为企业数据安全治理解决落地问题。
数据安全咨询:针对数据安全治理全流程进行数据安全咨询服务,协助用户完成数据安全全生命周期制度编写,并进行流程跟踪。
数据安全评估:协助用户发现数据全生命周期安全管控能力方面的技术与管理脆弱性与威胁,发现数据安全风险。
数据安全检查:定期进行数据安全专项检查,通过数据库漏洞扫描、基线核查以及专家渗透测试,发现数据安全漏洞,并提供加固建议。
专项安全演练:建立健全数据安全应急响应制度,并定期开展数据安全专项应急演练与攻防演练,验证数据安全建设的有效性。
乘风破浪,数据安全治理平台正式发布
数据安全缺乏可视可管可控的安全防护体系,也需要一个安全治理平台,来承接数据安全治理联防联控、综合防御的问题。

图注:山石网科数据安全综合治理平台
山石网科数据安全综合治理平台是一款可实现数据资产可视化、安全能力集中化、运维管理体系化、制度流程标准化的支撑平台,可全面梳理和盘点组织内数据资产,对数据全生命周期实施安全保障,集中化数据安全管控策略管理,有效监测数据使用、流转及共享过程中的安全态势及风险,为用户提供面向数据全生命周期及业务场景的数据安全治理解决方案。
山石网科数据安全综合治理平台以数据资产综合治理、组件运营纳管系统、数据安全态势分析三大系统为抓手,搭配若干工具与服务,解决了数据资产梳理、高权限账号管控、敏感数据泄露防护、跨区域数据流转、数据态势感知等难题,实现资产可管、风险可视、策略联动、流程配套等,构建数据安全治理综合防御体系。
守护数字世界,保护好珍贵的数据是核心。希望山石网科的一套数据安全治理的体系框架理论思想,一套让理论落地的产品方案组合,一套帮助用户践行数据安全治理理论的贴心安全服务,能够陪伴大家,开启数据安全治理之路。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。