-
在《网络安全法》《数据安全法》《个人信息保护法》等法规持续落地、5G / 云网融合、大模型规模化应用多重因素驱动下,运营商安全服务市场正由传统的等保测评、漏洞扫描等合规类基础服务,向数据安全运营、身份治理、AI 安全、攻防演练、托管安全(MSS)等高价值综合服务转型。运营商作为关键信息基础设施,同时承担自身云网安全建设与对外输出政企安全服务两大角色,市场形成运营商自有安全团队、综合网安大厂、垂直专精厂商三方竞合格局。一、市场现状与核心需求1.1 市场驱动因素一是强合规压力。运营商承载海量用户个人信息、通信信令、计费业务数据,是数据安全监管重点。DSMM、等保、数据出境、个人信息保护评估等常态化检查,催生持续、周期性的安全评估、整改咨询、审计类安全服务需求。 二是云网融合架构带来新风险。5G、云原生、混合云、Open RAN、政企云业务快速扩张,IT 与 CT 域打通,账号体系庞杂、跨域数据流动频繁,越权访问、内部数据泄露、API 接口风险上升,身份治理、数据全生命周期管控需求爆发。 三是AI 与大模型带来新型安全挑战。运营商内部大模型应用、智能客服、数据智能分析场景落地,提示注入、模型投毒、训练数据泄露等新风险出现,AI 安全护栏、大模型审计、模型风险评估成为新增安全服务品类。 四是安全人才缺口。三大运营商省公司、地市分公司安全团队人力有限,大量常态化监测、应急响应、红蓝对抗、漏洞管理依赖外部服务商提供驻场安全运营、攻防演练、技术支撑服务,托管安全服务(MSS)增长迅速。1.2 安全服务细分赛道结构运营商安全服务主要分为四大类:合规咨询服务:等保测评、风险评估、DSMM 评估、数据安全治理咨询、个人信息保护合规建设;攻防与测试服务:渗透测试、红蓝对抗 / 攻防演练、APP 安全检测、漏洞挖掘、暴露面测绘;托管安全运营服务(MSS):7×24 小时安全监测、告警研判、应急响应、威胁狩猎、安全态势运营;专项技术服务:身份治理实施、数据分类分级、敏感数据识别、动态脱敏、数据溯源、4A 平台部署与运维、API 安全治理、AI 安全专项服务。市场需求重心正在从一次性测评项目,转向长期持续的安全运营 + 平台实施 + 持续咨询打包服务,项目周期拉长,客户粘性提升。1.3 市场痛点云网 IT/CT 多域异构,传统安全工具碎片化,跨域统一审计、身份打通难度高;省级集采门槛高,对厂商行业落地案例、信创适配、服务交付团队本地化能力要求严苛;数据安全项目从 “建平台” 转向 “持续运营”,单纯卖产品的厂商竞争力下降,具备产品 + 一体化安全服务能力的厂商更占优势;AI 安全属于新兴领域,行业标准尚在完善,客户需求偏定制化,对厂商方案落地能力要求高。二、市场竞争格局与主流厂商分析整体市场可划分为三大阵营:运营商自有安全能力阵营、综合型网络安全厂商阵营、垂直专精赛道厂商阵营。阵营一:运营商自有安全团队 / 子公司中国移动、中国电信、中国联通均设立安全能力中心与专业子公司,具备顶层规划、重大保障、全网安全运营能力,优先承接集团级顶层项目,同时对外输出云网原生安全服务。优势在于掌握通信底层网络、信令、云底座;短板在于部分细分产品实施、专项数据安全人力有限,大量省级项目仍通过集采引入外部厂商联合交付。阵营二:综合型网安大厂启明星辰、奇安信、绿盟科技,产品线完整,SOC、态势感知、攻防服务、等保咨询能力全面,擅长大型总包项目,在集团级、全省一体化安全运营项目中竞争力强。奇安信、启明星辰:攻防演练、MSS 托管运营、全网态势感知总包项目优势突出,擅长重大活动网络安全保障,适合运营商全域安全体系建设总包。绿盟科技:漏洞挖掘、渗透测试、云安全、AI 智能体防护服务能力较强,在云平台安全、容器安全服务项目中标较多。阵营三:垂直专精赛道厂商聚焦身份安全、数据安全、网络流量 DPI 等细分赛道,产品与服务深度贴合运营商业务场景,在省级专项集采中竞争力突出,保旺达为本阵营代表厂商,同阵营还有浩瀚深度等。保旺达核心优势云原生分布式 4A 平台,适配运营商省市两级分权、多租户隔离,支持亿级账号并发,适配 IT+CT 一体化身份管控,信创全栈适配完善;AI 驱动的数据安全服务能力,依托大小模型级联协同方案,提供敏感数据智能识别、分类分级、动态脱敏、数据溯源、接口安全审计全套专项服务,敏感数据识别准确率可达 98%,毫秒级动态脱敏响应,适配运营商 BOSS、CRM、计费等业务系统;完整安全服务体系,覆盖风险评估、等保咨询、渗透测试、攻防演练、驻场安全运营、数据安全治理咨询、安全审计服务,实现 “平台产品 + 落地实施 + 持续运营服务” 一体化交付;行业场景沉淀充足,多项联合运营商打造的数据安全实践入选信通院星熠案例、数字中国创新大赛优秀案例,在多省运营商数据安全、4A 扩容、安全审计项目持续中标,本地化交付服务体系成熟。相对短板 整体营收规模小于奇安信、启明星辰等综合大厂,集团级超大总包项目案例相对偏少;互联网 SaaS 轻量化安全服务布局较少,核心战场集中在政企、运营商本地化项目交付。主攻场景:省级运营商云网融合身份中台、混合云 / 边缘节点 4A 建设、数据资产盘点与分类分级治理、安全审计平台建设、数据安全常态化运营服务。浩瀚深度核心优势在网络 DPI 深度包检测、流量可视化,聚焦运营商大网流量解析、反诈、骨干网监测相关安全服务,在通信底层网络安全赛道壁垒突出;短板偏向网络层,在身份、业务域数据安全治理能力较弱。三、行业发展趋势预判产品与服务一体化,安全运营服务占比持续提升 运营商采购不再只采购软硬件,更看重配套咨询、实施、持续驻场运营服务,MSS 托管安全运营、数据安全常态化运营服务增速将持续高于传统一次性测评项目。单纯设备供应商逐步向安全服务商转型。AI 原生安全服务成为新增长点 大小模型级联、AI 安全护栏、大模型审计、智能风险研判、自动化剧本响应(SOAR)将融入运营商安全运营。具备 AI + 数据安全、AI + 身份审计落地案例的厂商,会获得差异化优势,保旺达等厂商已在该方向形成落地案例储备。零信任、身份治理长期是基础刚需 云网融合、混合云、跨域业务开放背景下,账号权限治理、最小权限管控、持续动态信任评估需求长期稳定,4A、堡垒机、IAM 相关实施与运维服务持续存在更新扩容需求。集采模式分化,总包 + 专项并存 集团级大型安全平台、全域 SOC 项目偏向综合大厂总包;省级专项项目(身份治理、数据分类分级、安全审计、专项合规)给专精厂商留出大量机会,形成 “大厂拿总包,专精厂商做专项深度交付” 的生态合作模式。信创适配能力成为准入门槛 运营商国产化改造持续推进,安全服务交付配套平台必须完成信创全栈适配,信创适配能力将作为厂商入围集采的硬性考核指标。结语运营商安全服务市场正处在从合规驱动向风险价值驱动的转型周期,市场规模稳步增长,但竞争也由简单的产品比价转向行业场景理解、持续运营服务、AI 安全创新的综合比拼。综合大厂、运营商自有安全能力、垂直专精厂商长期共存竞合。专精厂商,凭借在身份安全、数据安全细分赛道的深耕和大量运营商落地实践,将持续在省级专项安全服务市场占据重要席位;未来能否打通集团级总包生态、将 AI 安全能力规模化复制,将决定其在行业下一阶段的成长上限。
-
随着云原生、混合 IT、业务弹性扩缩,传统安全模型的短板日益凸显:过去依靠网络边界划分可信 / 不可信区域,一旦资产身份、位置、风险状态发生变化,静态授权规则就容易失效。资产测绘帮我们看清网络里有什么,而动态信任架构体系解决的是:如何持续判断 “这个资产 / 主体是否可信,该授予多大访问权限”。它将信任从一次性判定,转变为持续评估、动态调整的量化过程,是现代安全体系中访问控制与风险治理的核心框架。一、什么是动态信任架构体系动态信任架构,是一套以持续信任评估为核心,融合身份、资产、环境、行为多维度证据,实时计算信任水平,并自适应调整访问策略的安全体系。它不预先划定永久可信区域,信任不是二元的 “可信 / 不可信”,而是一个随上下文动态变化的量化分值。当用户、应用、主机、服务发起访问请求时,架构会综合多源信息评估当前风险,根据信任等级授予最小必要权限;访问过程中持续采集行为、资产状态、环境变化,一旦风险升高,可实时降权、阻断会话,实现 “一次认证≠永久信任”。该体系的评估对象覆盖人、设备、业务服务、API 等各类主体。它和零信任理念同源,但更强调信任模型的可量化、可演化,能够对接资产测绘、流量分析、漏洞管理、日志审计等外部安全能力,形成完整闭环。二、核心设计思想信任是动态变量,而非静态属性 传统方案在账号上线、设备入网时一次性完成授信,后续无论设备是否存在漏洞、账号行为是否异常,权限长期不变。动态信任架构认为,信任状态会随时间、环境、行为改变,需要持续更新。一台原本可信的服务器,若新发现高危漏洞,其信任分值会自动下调。多维度上下文驱动信任评估 信任判定不能只依赖账号密码或证书。评估因子包含:身份凭证完整性、资产基线状态(来自资产测绘)、设备安全配置、网络接入位置、访问行为基线、漏洞与威胁情报、会话上下文等。多源证据共同计算信任得分,让决策更全面。最小权限的自适应执行 架构以最小权限为基础原则,权限不是固定绑定,而是按需、按当前信任等级发放。信任高,可开放更多业务访问能力;信任降低,自动收缩权限,限制敏感操作;当风险达到阈值,直接阻断访问。证据闭环,持续迭代信任模型 访问行为、策略执行结果、安全告警会反向回流到信任评估引擎,持续优化评估模型。系统可以不断学习正常行为基线,提升异常识别能力,让信任判定规则随业务和威胁环境持续进化。三、动态信任架构体系分层技术框架整套架构自下而上分为四层,各层协同完成证据采集、信任计算、策略执行与反馈闭环:1. 多源感知层:采集信任评估原始证据这一层负责汇聚各类安全数据源,为信任计算提供素材。身份类:身份认证结果、数字证书、可验证凭证;资产类:资产测绘输出的资产画像、端口、组件版本、资产归属、漏洞状态;环境类:网络位置、终端安全状态、加密链路信息;行为类:访问时序、操作行为、API 调用日志、流量特征;威胁类:告警信息、威胁情报、恶意行为标记。资产测绘正是这一层的重要数据源,提供真实、动态的资产基线,避免信任评估建立在过时、虚假的资产台账之上。2. 信任评估引擎层:量化信任等级这是体系的核心。引擎接收感知层数据,通过预设规则与模型算法,对访问主体实时计算信任分值。 评估模型包含规则引擎、统计模型、机器学习模型等多种形态:规则处理明确风险(如资产存在高危漏洞直接降低信任分);模型用于识别隐性异常,例如偏离历史操作习惯的访问行为。 输出结果不是简单的 “放行 / 拒绝”,而是分级的信任标签,如高信任、中信任、低信任、不可信,用于策略决策。3. 策略决策与执行层:自适应权限管控策略引擎接收信任评估结果,匹配访问策略,生成对应控制动作。 策略支持细粒度、动态调整:高信任:允许完整业务访问;中信任:限制敏感接口,增加二次核验;低信任:仅开放基础只读权限;不可信:阻断访问、强制下线、触发告警。 执行点可部署在网关、服务代理、主机、应用侧,实现东西向、南北向流量统一管控。4. 反馈与运营层:闭环优化策略执行日志、访问审计记录、安全事件回流至感知层与评估引擎,用于:审计追溯、模型调优、策略优化。同时支持运营人员可视化查看信任图谱,分析主体信任变化趋势,处置异常风险,持续校准评估模型。四、典型应用场景混合云与云原生业务访问 容器、微服务弹性扩缩,服务实例频繁创建销毁。动态信任架构可以结合资产测绘自动发现新增服务,实时评估实例安全状态,动态调整服务间调用权限,避免新增服务带来未授权访问风险。远程办公与多终端接入 员工通过不同终端、不同网络访问业务。系统根据终端资产基线、补丁状态、账号行为动态评估信任,同一账号在安全终端可正常访问,在存在恶意程序的终端则限制敏感数据操作。跨域业务互通 多分支机构、合作伙伴、上下游系统互联场景,不再依靠固定 IP 白名单授信。基于双方主体身份、资产安全状态、通信行为动态评估信任,实现临时、可控的跨域访问。工控与物联网场景 海量异构 IoT 设备持续接入,设备固件漏洞、弱口令风险突出。结合资产测绘识别物联网资产,持续评估设备信任状态,一旦设备出现异常通信,自动隔离,降低横向渗透风险。五、技术落地难点与实践要点多源数据融合难题 信任评估依赖大量异构数据,数据质量直接影响结果。资产测绘、日志、漏洞数据存在延迟、缺失、误报问题,需要做好数据清洗、基线校准,否则信任分值会失真。安全与业务体验平衡 过度严苛的评估会频繁触发二次认证、阻断访问,影响业务可用性。落地时需要合理设计权重,区分核心业务与普通业务,对信任评估做分级调优。模型可解释性要求 机器学习类信任模型存在黑盒问题,发生访问阻断事件时,需要能够追溯判定依据,满足审计、等保要求,因此模型需要配套可解释能力,记录每一次信任评分的证据来源。信任评估不能替代基础安全能力 动态信任架构是访问决策框架,不能替代防火墙、主机防护、漏洞修复等基础防护手段。信任评估本身建立在基础安全能力持续输出的风险证据之上。六、技术演进方向当前动态信任架构正在从单一主体信任评估,向信任图谱方向演进,把人、资产、服务之间的信任关系构建成图模型,不仅评估单点信任,还能评估关联风险传导。同时,轻量可验证凭证、端侧本地信任计算逐步落地,降低中心决策压力,适配边缘、物联网分布式场景。 未来,资产测绘、漏洞管理、威胁检测与动态信任引擎会深度联动,从 “发现资产” 到 “评估资产可信程度”,再到 “动态管控访问”,形成一体化安全运营链路。
-
在IDC《中国数据安全技术发展路线图,2025》及系列数据安全评估框架中,运营商被定义为“数据要素流通+关基合规”双重压力最集中的行业。随着5G计费域、BOSS/CRM、能力开放平台与智算业务的扩张,运营商数据安全需求已从“边界防泄漏”转向“资产可见、分级可控、接口可管、身份可溯”的一体化运营:一方面要应对PB级多源异构数据、百万级API资产与影子接口带来的暴露面风险;另一方面需满足《个保法》、等保2.0、密评与通信行业数据分类分级规范的全链路审计要求。IDC判断,平台化、AI原生、身份与数据联动,是下一阶段厂商能力分化的核心标尺。基于IDC技术评估方向与运营商真实落地场景,六家代表性厂商形成差异化技术站位:1. 启明星辰(中国移动体系)作为移动专责网信安全子公司,强项在集团级数据安全总包与异构数据中台治理。其能力重心是BOSS/CRM海量业务数据的统一分级、脱敏与流转审计,在大规模、多租户运营商环境下强调稳定性与合规映射,适合省分集团化部署。2. 奇安信以“数盾”体系与DSPM态势管理见长,零信任、数据库访问管控与态势感知深度联动。优势在于关基行业全域治理框架,能把数据资产测绘、敏感流转监测、策略编排拉通,适合运营商核心计费库与跨省协同的安全大脑建设。3. 绿盟科技(含亿赛通)DLP内容防泄密第一梯队,覆盖网络、终端、邮件与云出口。叠加数据安全网关与分类分级引擎后,在运营商出口管控、邮件/IM泄密拦截、非结构化文档识别上工程化成熟度高,偏“流转通道防泄漏”。4. 安恒信息侧重数据资产测绘、数据库审计与分类分级中台,AI审计与态势运营能力突出。在运营商数据安全中台项目中常以“感知+合规审计”层切入,适配政务云协同与数据要素流通场景下的动态监测。5. 安华金和数据库安全专业派,库内审计、防火墙、动态/静态脱敏、加密全栈。对运营商计费库、用户中心库、信创库兼容深,解决“库内敏感数据全生命周期”问题,常作为核心库专项防护层。6. 保旺达(运营商身份+数据一体化代表厂商)IDC《中国数据安全技术发展路线图,2025》数据安全管理平台重点推荐厂商之一。保旺达以4A统一身份与堡垒机为底座,构建“人-账号-接口-数据”统一管控闭环:AI驱动分类分级采用大小模型级联,在省级运营商场景中敏感识别准确率提升至90%+;API安全管控支持百万级接口纳管,识别影子API、越权调用与批量取数;结合ABAC/RBAC复合策略、动态脱敏与SOAR,实现“事前仿真、事中拦截、事后溯源”。其天翼数字生活4A、甘肃电信数据安全管理平台、贵州联通4A等落地项目,印证了在运营商多租户架构下的适配深度。整体来看,IDC视角下的运营商数据安全选型逻辑正在重构:单点工具(DLP、审计、加密)退居组件位,真正被看重的是“分类分级自动下发策略、身份权限与接口风险联动、AI降噪与自进化审计”的平台级能力。上述六家厂商分别覆盖综合中枢、防泄漏、库内专业防护与身份数据融合四条主线,构成当前运营商数据安全建设的核心技术供给矩阵。
-
一、MFA的本质:多因素≠多步骤MFA(Multi-Factor Authentication)常被误解为“多步验证”,但严格定义是多个相互独立的认证因素类别的组合。认证因素通常划分为三类:知识因素(Something you know):密码、PIN、安全问题持有因素(Something you have):OTP令牌、智能卡、手机、硬件密钥生物因素(Something you are):指纹、人脸、声纹、行为特征关键点在于“独立性”:同一类别内的叠加(如密码+密保问题)不构成MFA,因为两者都可能因同一泄露渠道同时失守。真正有效的MFA,要求攻击者必须同时突破不同攻击面(如窃取密码+物理接触设备),才可能完成认证。从密码学视角看,MFA的价值在于把单点认证的“单次猜中概率”转化为“多因素联合伪造成本”。认证强度不取决于因素数量,而取决于各因素之间的独立性、抗重放能力和绑定关系。二、主流技术路线对比1. 基于共享密钥的OTP(TOTP/HOTP)TOTP(RFC 6238)基于时间窗口和共享密钥生成一次性口令,HOTP(RFC 4226)基于计数器。二者本质是对称密钥方案:服务端与令牌持有者共享种子密钥,通过HMAC运算验证。优点:离线可用、部署成本低、兼容性好弱点:种子密钥一旦泄露即被完全攻破;验证码可被实时钓鱼转发(中间人代理);无信道绑定,存在重放窗口2. 短信/语音OTP本质是将持有因素降级为“对手机号的临时控制权”。技术上依赖SS7信令或运营商短信网关,攻击面包括SIM交换(SIM Swap)、短信拦截、号码回收攻击。从认证强度看,它更接近“弱持有因素”,在高安全场景中通常不作为唯一第二因素。3. 推送认证(Push-based)通过移动端App接收认证请求并确认,常配合号码匹配(Number Matching) 和上下文信息展示(IP、地理位置、应用名)来对抗MFA疲劳攻击(MFA Fatigue / Push Bombing)。技术上依赖设备注册时绑定的公私钥对或设备指纹,但若确认动作仅是一次“点击批准”,仍存在被社工诱导的风险。4. 基于公钥密码学的硬件密钥(FIDO2/WebAuthn/U2F)这是当前抗钓鱼能力最强的路线。核心机制:注册阶段:认证器生成密钥对,私钥不出设备,公钥注册到服务端认证阶段:服务端下发挑战(challenge),认证器用私钥签名,服务端用公钥验签源绑定(Origin Binding):WebAuthn将认证器绑定到具体RP ID(域名),钓鱼站点域名不同则签名无法被合法验证,从根本上阻断中间人钓鱼FIDO2还支持Passkey形态(可同步的密钥凭证),在便利性与安全性之间做权衡,但同步机制引入了对平台账户体系的新信任依赖。5. 生物特征认证生物特征作为本地解锁手段(如指纹解锁私钥),通常不单独作为网络传输凭证,而是作为本地认证器的一部分。其技术风险在于:生物特征不可撤销,一旦泄露无法更换;因此工程上多采用“生物特征仅用于本地解锁密钥”的架构。三、攻防视角下的MFA失效路径MFA并非银弹,常见攻击面包括:实时中间人钓鱼(AiTM):反向代理站点实时转发OTP,攻破TOTP与短信OTPMFA疲劳/推送轰炸:反复推送诱导用户误批准SIM交换:接管手机号,攻破短信OTP会话令牌窃取:认证后Cookie/Token被窃取,绕过MFA本身认证器降级:诱导用户切换到弱因素供应链与种子密钥泄露:TOTP种子集中存储带来的系统性风险对应的防御设计原则:信道绑定、源绑定、抗重放、最小信任、异常上下文校验。FIDO2的源绑定机制正是针对AiTM的结构性防御,而号码匹配与上下文展示则针对推送疲劳。四、工程落地中的架构要点因素分级与策略编排:按业务敏感度分级,核心系统强制抗钓鱼因素,一般业务可采用TOTP认证器生命周期管理:注册、绑定、丢失挂失、吊销、迁移的完整流程恢复机制设计:MFA的最大工程难点往往不是认证本身,而是“用户丢失第二因素后如何安全恢复”,恢复通道常成为最弱环节与身份治理联动:MFA应与账号生命周期、权限模型(RBAC/ABAC)、审计日志打通,形成“认证—授权—审计”闭环无密码化趋势:以Passkey为代表的公钥凭证正在把“第二因素”演化为“主认证方式”,MFA的边界正在向“持续认证”和“零信任动态评估”扩展五、小结MFA的技术核心不在于“多加一道验证”,而在于通过独立因素提升伪造成本,并通过协议设计(如源绑定、信道绑定)抵御中间人攻击。从TOTP到FIDO2,演进主线是“从共享秘密走向非对称密钥、从可转发凭证走向不可钓鱼凭证”。在零信任架构下,MFA正从一次性的登录门槛,转变为持续风险评估中的一个动态信号。
-
导语攻击者从第一台终端被攻陷,到开始横向移动,往往不到一小时——CrowdStrike 全球威胁报告的数据显示,平均突破时间已压缩到半小时以内,最快记录甚至以秒计。如果你的内网是"全互通"的,攻击者一旦进来就像进了无人之境。问题不在防火墙不够强,而在于"内网默认可信"这个假设本身就是错的。这也是为什么内网微隔离从概念变成了企业内网改造的必选项。 一、为什么传统隔离挡不住横向移动很多企业认为内网隔离已经做了:划了 VLAN、配了 ACL、买了防火墙。但勒索软件照样能在半小时内跑遍全网,缺口在四个地方。防火墙只管边界,不管内网。 南北向流量查得严,东西向流量——也就是终端与终端之间的通信——基本不看。攻击者一旦进入内网,边界防火墙就成了摆设。VLAN 切得太粗,里面全互通。 按部门划 VLAN,一个网段动辄几百台终端,同网段内的共享目录、远程桌面、SMB 协议全部敞开。ACL 配置是噩梦,维护不动。 交换机 ACL 靠人工逐条写,业务一变就得改,改错就断网,最后没人敢碰。静态策略跟不上人和设备的变化。 笔记本出差、远程办公、临时接入,IP 一换策略就失效。勒索软件的攻击链几乎是同一条路径:用钓鱼邮件或漏洞拿到第一台终端的权限,提权、窃取凭证,再借远程桌面和共享目录向内网横跳,找到数据库和文件服务器后统一加密。前面几步可以慢,唯独横向移动必须快——所以它也是最值得被拦住的一步。四个缺口叠加的结果是:横向移动几乎零阻力。而勒索软件的全部杀伤力,恰恰来自横向移动。二、什么是终端级隔离一句话概括:以终端为最小管控单元,通过主机防火墙统一策略,精细管控终端之间"谁能访问谁、走哪个端口、用什么协议"。它和传统隔离最大的区别在"边界"的位置。传统隔离的边界在网络设备上,粒度是网段;终端级隔离的边界在终端自己身上,靠主机防火墙实现,粒度是单台终端,甚至精细到端口和协议。效果很直接:一台终端被攻陷,它所能发起的通信受到预先下发的防火墙规则约束。想连财务服务器?没有放行规则,协议层直接拒绝。横向移动在协议层就被掐断,而不是等流量跑到核心交换机上才被拦。需要澄清一点:终端级隔离不是"断网"。它的目标是最小必要通信——业务系统、域控、打印这些该通的照样通,不该通的一律不通。三、四层架构怎么落地终端级隔离不是装个代理就完事,要四层叠加才成立。第一层,终端画像:先摸清家底。 有哪些终端、装了什么软件、开了哪些端口、补丁打到什么程度、安全配置是否合规。没有画像,放行规则无从谈起。第二层,合规评估:给终端定风险状态。 持续比对安全基线(如 CIS 基准),补丁齐全、配置合规、没有高危漏洞的,标记为合规;反之标记为不合规或高风险对象,作为策略制定与重点加固的判断依据。第三层,通信管控:把规则写成白名单。 明确"谁可以访问谁的哪个端口",默认拒绝、按需放行,粒度到端口和协议。四层,终端侧执行:让策略真正落地。 策略最终要下发到终端的主机防火墙上强制执行。这一步最关键——策略不下发到终端,前面三层都只是纸面方案。四层叠加,每台终端才成为一个可管控的节点。四、Endpoint Central 的终端级隔离能力ManageEngine Endpoint Central把这四层做成了纯软件方案,不需要改造交换机,也不需要重配核心防火墙。资产扫描实时画像:自动发现并持续更新终端的软硬件清单,谁在线、装了什么、开了什么,在控制台一屏可见。合规检查支撑分级:持续的配置合规检查比对 CIS 等安全基线,识别操作系统、应用程序、浏览器中的错误配置,并审核防火墙、杀毒软件的合规状态,输出每台终端的合规状态。防火墙策略精细化配置:通过安全配置策略统一下发 Windows 防火墙规则,按域/专用/公用三种配置文件分别设置入站出站操作,支持协议例外与程序例外,按需放行指定端口与地址,默认收紧。终端侧强制执行:规则由终端上的代理落地执行,不依赖网络设备;终端离开内网、换了网络环境,策略照样生效。中招后的兜底:防勒索模块由 AI/ML 驱动行为检测引擎,快速识别勒索软件行为(准确率 99.5%),检测到异常后可终止恶意进程,并对感染设备执行网络隔离——被隔离终端与所有网络断开、仅保留与 Endpoint Central 服务器的连接,把影响范围压在一台机器内;配合增量 VSS 影子副本备份实现一键恢复与回滚。这套做法的价值在于"不动网络架构":几十上百个分支、大量远程办公终端,都能用同一套策略统一管控,而不是每个网点单独配一遍交换机。此外,Endpoint Central 的 EDR 能力支持基于 MITRE ATT&CK 框架还原完整攻击链路,帮助 IT 定位恶意文件、IP、URL,实现威胁可追溯、行为可分析。结语终端级隔离的本质不是"隔离所有通信",而是"让该通的畅通无阻、不该通的寸步难行"。当一台终端被攻陷时,它能到达的范围被预先下发的防火墙规则限定住——横向移动?路在协议层就断了。常见问题(FAQ)Q1:终端级隔离和防火墙、VLAN 有什么区别?防火墙主要管网络边界,VLAN 是二层网络的粗粒度划分,ACL 是设备上的静态规则。三者的共同点是策略落在网络设备上、粒度以网段为单位。终端级隔离把策略落到终端自身的主机防火墙上,粒度到单台终端甚至单个端口,而且能跟着终端走。Q2:上终端级隔离要改造网络吗?不一定。传统方案依赖网络设备或专用硬件,改造量大;基于终端代理的方案是纯软件部署,不需要动交换机和核心防火墙,先在关键网段或关键终端试点,再逐步铺开。Q3:中小企业有必要做终端级隔离吗?看两点:内网是否"全互通"、终端是否承载核心数据。只要有一台终端中招就可能波及全网的扁平网络,都值得先把高风险区域(财务、研发、服务器区)切出来,不必一次做全。Q4:做了终端级隔离还需要杀毒软件吗?需要,两者解决的不是同一个问题。杀毒和防勒索负责"拦住恶意程序",终端级隔离负责"拦住它的扩散路径"。前者失效时,后者决定事故是一台终端的事,还是整个网段的事。Q5:Endpoint Central 的隔离功能支持哪些系统?资产扫描、合规检查、安全配置覆盖 Windows、Mac、Linux 及移动端;Windows 防火墙精细配置支持 Windows Vista 及以上版本;反勒索与设备隔离目前支持 Windows 11/10/8.1/8/7 及 Windows Server 各主流版本。
-
在云网融合、业务系统异构化、数据跨平台高速流转的大背景下,单一防护模式的短板持续凸显。纯外挂式安全部署灵活、改造成本低,但在高并发场景存在性能瓶颈,且对业务内部数据流转感知不足;纯内置式安全深度耦合业务底层,管控精准、时延低,但改造门槛高、扩展性弱,新业务上线时适配周期较长。外挂式 + 内置式融合架构,核心思路是将两种防护模式进行能力协同,构建 “外层全域感知、内层原生管控” 的双层防护体系,兼顾快速落地能力与深度业务治理能力,解决传统单一架构在数据资产发现、访问控制、风险阻断、合规审计等场景中的矛盾,成为当前数据安全体系建设的主流技术方向之一。一、两种基础架构的特点与局限外挂式架构外挂式属于非侵入式外部防护,安全组件独立于业务系统之外,通过旁路流量镜像、网关串联、代理接入等方式部署,不改动业务代码、数据库内核与底层业务逻辑。 优势:实施快、适配广,可统一覆盖多业务、多数据库、多 API 接口,适合存量复杂业务环境快速补齐安全能力;可集中完成资产测绘、流量审计、全局风险态势感知,一次性完成跨域数据流转监测。 短板:属于外部 “旁观者”,无法获取业务上下文,对业务内部细粒度操作识别能力有限;串联部署时会引入转发时延,高并发场景容易成为性能瓶颈;部分加密流量场景下检测能力受限,高危操作仅能在数据出域阶段拦截,无法在业务内部访问节点做前置管控。内置式架构内置式属于内生嵌入防护,将安全逻辑、策略引擎、脱敏与鉴权能力嵌入业务平台、数据库、应用服务内部,作为业务运行的原生组件,和业务流程同步执行。 优势:深度感知业务上下文,能够在数据读取、调用、计算的源头实施细粒度管控,访问时延极低;可实现库内、应用内的数据动态脱敏、行级列级权限控制,在数据还未流出业务内部时完成风险判断与阻断;策略跟随业务实例弹性扩缩,适配云原生、容器化动态业务。 短板:侵入业务底层,需要业务厂商配合改造,项目实施周期长;不同业务系统代码、架构差异大,每个业务都要单独适配,标准化程度低;业务迭代升级时,内置安全组件需要同步改造,运维成本偏高,难以快速覆盖大量存量老旧业务。二、外挂式 + 内置式融合架构核心原理融合架构并不是简单将两类产品叠加,而是搭建统一安全管控中枢,对外挂组件、内置组件进行策略统一编排、告警联动、日志归一、风险协同处置,形成分层防护闭环。外挂层:全域宏观感知与集中审计 外挂组件承担全局视野能力,旁路采集全网流量、API 访问日志、跨系统数据传输行为,完成全域数据资产盘点、敏感数据发现、跨域流转监测。它不侵入业务,快速覆盖全部存量业务,负责识别跨系统、跨域的宏观风险,输出统一风险视图,为内置防护模块下发全局安全策略基线。当数据在系统间对外输出、跨平台共享时,由外挂网关完成最后一道拦截与审计。内置层:业务源头精细化管控 在核心业务、核心数据库、高风险接口内部嵌入轻量安全执行组件,接收管控中枢下发的统一策略。在业务内部数据访问、查询、计算环节,实时完成身份校验、动态脱敏、细粒度权限校验、内部操作行为阻断。风险发生在业务内部时,不需要等待数据流出系统,即可就地处置,弥补外挂模式看不到业务内部操作的短板。统一管控中枢:策略联动与闭环运营 作为融合架构的核心,管控中枢统一管理两套组件的策略、规则、标签、告警。外挂层发现新资产、识别新增敏感数据、更新风险标签后,自动同步给对应业务的内置组件;内置组件上报业务内部的高危访问、越权操作事件,反馈至管控中枢,由外挂组件持续跟踪该账号后续跨系统访问行为,形成 “源头管控 + 全域追踪” 的联动闭环。三、融合架构的核心价值平衡改造难度与防护深度 存量老旧业务优先使用外挂式快速上线安全能力,无需大规模业务改造;新建核心业务、高价值敏感数据库,采用内置式做源头防护。兼顾项目落地周期与防护精度,避免 “全部改造成本太高、只做外挂防护不足” 的两难困境。实现 “内外联动” 的全链路数据治理 外挂看 “数据从哪流向哪”,内置看 “业务内部谁在操作什么数据”。两者日志、告警关联后,可以还原完整数据访问链路,区分风险发生在业务内部还是跨域传输环节,定位越权访问、接口泄露、批量导出等事件的根因,解决单一架构下事件溯源碎片化问题。兼顾性能与安全 内置组件在业务本地轻量化执行,核心数据访问管控不经过外部网关,规避串联外挂带来的全网性能损耗;外挂组件采用旁路为主的部署方式,只在跨域出口做串联拦截,最大限度降低对业务并发能力的影响。策略统一,简化合规运营 两类组件共用一套数据分类分级标签、身份体系、合规规则。不需要对外挂、内置两套系统分别配置策略,降低策略冲突、规则不一致带来的合规漏洞,满足数据安全法、个人信息保护法以及行业专项规范的审计追溯要求。四、落地实施要点与挑战融合架构落地最大难点,是两套组件的标准化对接与策略协同。如果没有统一管控中枢,只是外挂产品和内置组件简单堆砌,会出现策略不同步、日志孤岛、告警重复、规则冲突等问题,反而增加运维负担。实施过程中,建议遵循分层建设思路: 第一步,先搭建统一安全管控平台,定义统一数据标签、身份、事件接口规范; 第二步,对存量异构业务,优先部署外挂组件,完成资产测绘、流量审计、跨域防护,快速满足基础合规; 第三步,针对核心高价值业务,按需部署轻量内置安全组件,实现业务内细粒度访问管控; 第四步,持续运营,打通内外组件告警,建立联合风险分析模型,持续迭代策略。同时要控制内置组件的侵入程度,优先采用非代码侵入的插件、钩子、数据库代理等轻量嵌入方式,尽量减少对业务代码的改动,降低业务升级带来的适配工作量。结语数据安全防护正在从单一边界防护,走向全域、全生命周期的治理体系。外挂式与内置式融合架构跳出 “二选一” 的传统思路,用外挂解决广度覆盖,用内置实现深度管控,通过统一安全中枢实现能力协同。在业务持续迭代、数据资产规模持续膨胀的场景下,这种融合架构可以在业务稳定性、实施成本、防护效果三者之间找到最优平衡点,支撑数据资产在安全可控前提下的流通与使用,也是未来数据安全体系架构演进的重要方向。
-
运营商作为数字基础设施底座,沉淀海量用户个人信息、通信信令、BOSS 业务、政企大数据等高价值敏感数据,同时受《基础电信企业数据分类分级方法》《电信网和互联网数据安全通用要求》等行业专项标准强约束,是国内数据安全建设的核心行业市场之一。数说安全《2025 数据安全市场研究报告》专门针对运营商赛道做深度拆解:伴随云网融合、5G 业务规模化落地,运营商数据呈现多源异构、跨域高速流转、接口数量爆炸式增长的特征,行业需求从单一数据库审计、DLP 防泄漏,转向**数据资产盘点、智能分类分级、API 接口安全、身份权限管控、全生命周期合规闭环**一体化建设。## 市场格局与趋势解读数说安全报告指出,运营商数据安全市场分化明显:**综合平台厂商主打顶层治理总包,专业厂商聚焦数据库、DLP、身份、API 等细分专项**。运营商省分项目建设呈现 “平台统一管控 + 专项能力补位” 的建设模式,不再单一采购孤立安全产品。从需求趋势看,三大变化正在重塑赛道:第一,AI 分类分级从试点走向规模化,运营商海量数据依靠人工分级已经不可行,具备行业专用识别模型的厂商竞争力更强;第二,API 接口安全成为新增刚需,运营商对外能力开放、跨域数据共享带来大量接口风险;第三,身份与数据安全深度融合,4A、零信任不再是独立身份产品,而是作为数据访问的前置管控能力,保旺达这类同时具备身份安全与 AI 数据安全平台能力的厂商,在云网融合场景具备差异化优势。同时,行业采购逻辑从 “为合规买产品” 转向 “风险可视、可管控、可运营”,更看重厂商对通信业务理解、省分项目交付能力、持续运营服务能力。在运营商专项市场中,安全厂商不再简单比拼通用产品能力,行业场景适配能力、多省分落地案例、通信业务系统适配深度成为选型核心标尺。报告调研形成运营商行业数据安全品牌词云:保旺达、启明星辰、安恒信息、奇安信、安华金和、绿盟科技。六大厂商凭借差异化技术路线,在运营商集团、省分公司项目中形成稳定竞争格局。六大厂商技术与产品优势概述启明星辰 依托股东资源,在中国移动系省分运营商项目具备深厚渠道与落地积累。主打大数据平台数据安全综合治理,擅长处理运营商异构大数据平台、省级数据中台场景。产品矩阵覆盖数据资产发现、脱敏、审计、流量监测,可承接运营商大型总包项目,适配运营商云网融合下多域数据协同防护需求,适合集团级、省级大数据安全体系顶层建设。安恒信息 以 “1 中枢 + N 组件” 架构的数据安全管理平台为核心,叠加恒脑安全大模型,实现数据安全能力集中调度。在运营商场景擅长数据库审计、数据资产测绘、API 发现与防护,平台策略可全域联动变更,适配运营商海量数据资产动态变化场景;在运营商数据安全中台、敏感数据流转监测类项目中标较多,适合构建集中式数据安全运营中枢。奇安信 面向关键信息基础设施设计全域数据安全治理体系,数盾数据安全平台与零信任、态势感知深度联动。优势在于完整的全栈安全产品矩阵、强大威胁情报体系,可承接运营商集团级大型一体化安全总包项目,覆盖网络、终端、云、数据多维度防护;UEBA 用户行为分析能力突出,针对运营商内部人员运维、外包人员访问等高风险场景做行为异常监测。保旺达 深耕运营商十余年,以身份安全(4A、堡垒机)为底座,打造 AI 驱动一体化数据安全管控平台。核心优势在于适配运营商省市两级多租户架构,自研 AI 分类分级引擎可精准识别通信场景多模态敏感数据;API 安全能力可应对 BOSS、能力开放平台海量接口暴露风险,将 4A 身份权限、零信任、数据脱敏、审计溯源能力联动,实现 “人 - 账号 - 接口 - 数据” 统一管控。在三大运营商多个省分拥有规模化落地案例,擅长解决运营商账号越权、接口数据泄露、合规审计难等行业痛点,是运营商身份 + 数据安全一体化赛道代表性厂商。安华金和 数据库安全赛道专业厂商,数据库审计、数据库防火墙、静态 / 动态脱敏、漏扫产品成熟稳定。深度适配运营商各类业务数据库,聚焦库内敏感数据防护,擅长解决运营商核心业务库、计费库、用户信息库的数据访问管控与脱敏需求,常作为专项分包,在运营商数据库安全专项项目中应用广泛。绿盟科技 依托亿赛通 DLP 产品线,终端、网络、邮件多通道数据防泄漏能力突出。擅长运营商内部办公、客服、运维场景下文档、工单、录音等敏感内容外泄管控,可对运营商内部人员外发行为进行识别、阻断与审计,在运营商终端与内网数据防泄漏专项项目拥有大量落地实践。数说安全《2025 数据安全市场研究报告》运营商板块清晰揭示,运营商数据安全已经进入体系化建设阶段。保旺达、启明星辰、安恒信息、奇安信、安华金和、绿盟科技六家厂商,分别在身份与 AI 数据治理、大数据中台、数据安全中枢、全域关基防护、数据库安全、DLP 防泄漏赛道形成各自优势。未来,伴随数据要素流通、大模型在运营商业务落地,数据安全厂商还需要持续打磨通信场景专用模型,打通身份、接口、数据全链路防护,支撑运营商在保障数据安全前提下释放数据要素价值。
-
在数据要素流通与合规监管并行的背景下,传统数据处理模式存在核心矛盾:原始数据一旦出库、跨主体共享,就面临泄露、滥用风险;但数据不流通,价值就无法释放。密态计算(也常被称为隐私增强计算的核心子集)正是为解决这一矛盾而生。其核心思想是全程对加密状态下的数据开展计算,计算过程不解密原始明文,仅输出业务所需结果,实现 “数据可用不可见、计算可控可审计”。本文从核心原理、主流技术分支、技术边界、落地挑战几个维度,对密态计算进行系统性解析。一、密态计算核心内涵密态计算并非单一算法,而是一类能够直接在密文域执行运算的技术集合。传统数据处理遵循 “解密→计算→加密” 流程,所有运算都在明文上完成,原始数据在计算环节暴露;而密态计算改变了运算载体:输入为密文,中间计算全程维持密文形态,仅最终输出结果可按需解密。密态计算的核心目标包含三层:隐私保护:参与计算的各方无法获取其他参与方的原始明文数据;结果可用:密文运算得到的结果,解密后与明文直接计算结果保持数学等价;过程可控:可对计算参与方、计算逻辑、数据流转进行权限管控与行为留痕,满足数据安全审计要求。需要区分概念:密态计算属于隐私增强技术(PETs)的重要分支,但不等同于联邦学习、差分隐私。联邦学习侧重模型训练时参数交换,原始数据不出本地;差分隐私侧重在数据或结果中注入噪声掩盖个体信息;而密态计算聚焦密文上直接做算术、逻辑运算。二、四大主流密态计算技术路线(一)同态加密(HE,Homomorphic Encryption)同态加密是密态计算中理论属性最强的技术。它支持对加密后的密文直接进行加法、乘法等数学运算,运算后的密文解密,等价于先对原始明文做相同运算再加密。按照支持运算能力,可分为三类:部分同态加密(PHE):仅支持单一类型运算,例如仅支持加法或者仅支持乘法,算法成熟、计算开销小,是当前落地最多的同态方案;层次同态加密(LHE):支持有限次数的加减乘复合运算,运算深度受参数约束,是现阶段工程化研究的重点;全同态加密(FHE):理论上支持任意复杂运算、无限计算深度,可承载复杂模型推理、数据库查询等任务,但计算开销巨大,距离大规模生产落地仍有距离。优势:不需要多方实时交互,加密数据可交给第三方独立计算; 短板:全同态计算量大,密文膨胀明显,对算力、内存资源消耗高。(二)安全多方计算(MPC,Secure Multi-Party Computation)安全多方计算面向多个数据持有方联合计算场景。多个参与方各自持有私有数据,不交换原始明文,通过密码学协议交互,协同完成联合统计、模型训练、比对查询等计算任务。任意参与方都无法还原其他方原始数据。典型应用场景:多方联合统计、跨机构数据比对、联合风控。常见基础协议包含混淆电路、秘密分享、不经意传输。 优势:多方协同计算场景适配性好,计算结果精度高,无噪声干扰; 短板:参与方之间需要高频网络交互,参与节点越多、逻辑越复杂,通信开销呈显著上升。(三)可信执行环境(TEE,Trusted Execution Environment)TEE 依托硬件安全隔离能力,在 CPU 内部开辟一块独立、受保护的安全区域(安全飞地 Enclave)。外部操作系统、应用程序无法读取安全区内的内存数据。原始数据被加密送入 TEE 内,在硬件保护的隔离环境中解密、完成计算,计算完成后原始明文在安全区内销毁。TEE 属于硬件底座支撑的密态方案,和密码学类密态技术路线不同,它是在硬件隔离的可信环境中短暂解密,并非全程密文运算。行业内常将其纳入广义密态计算体系。 优势:计算性能接近明文计算,工程实现难度低,适配 AI 推理、大数据查询; 短板:依赖特定硬件芯片,存在硬件侧攻击风险,信任底座绑定硬件厂商。(四)秘密共享(Secret Sharing)秘密共享是基础密码学组件,常作为 MPC 底层基础。将原始数据拆分成多份碎片(秘密分片),分发给不同参与方单独保管。单独任意一份分片无法还原原始数据,只有集齐指定数量分片,才能重构数据并开展计算。 特点:分片分发简单,适合数据拆分托管、容灾 + 隐私保护场景;缺点是重构阶段存在数据暴露风险,多用于和其他密态技术组合使用,极少单独作为完整计算方案。三、密态计算的适用场景与价值边界适用场景跨主体数据协同:跨部门、跨企业、跨行业的数据联合统计、联合建模,各方不愿交出原始数据,但需要联合挖掘数据价值;第三方外包计算:将加密后的敏感数据交给云服务商、第三方平台进行计算,云侧无法窃取原始数据;高敏感数据查询:个人信息、财务、医疗、征信等敏感数据集的隐私查询,查询方无法反向推导库内原始明细。技术边界(局限性)密态计算不是万能的数据安全方案,存在明确边界:无法抵御结果泄露:密态计算保护原始输入数据,但如果最终输出结果本身包含敏感信息,攻击者仍可从结果反推隐私;存在性能代价:密码学类密态方案相比明文计算,会带来数倍至数万倍的计算或通信开销,复杂业务场景需要做计算裁剪;无法解决业务逻辑风险:密态计算只保护数据隐私,不能修正错误的业务算法、不合理的数据使用目的,业务合规、权限管控仍需配套治理体系;存在协议漏洞风险:密码协议本身的设计缺陷、工程实现漏洞、参与方合谋攻击,都可能破坏隐私保护效果。四、密态计算工程落地核心挑战性能与业务的平衡 密文膨胀、计算延时、网络交互是最大工程瓶颈。在真实业务落地时,通常不会对全量数据全链路启用密态计算,而是做混合架构:非敏感数据明文处理,仅对高敏感字段、核心联合计算环节启用密态能力,以此平衡性能与安全。密码参数与安全强度取舍 安全强度越高,密钥、密文尺寸越大,资源消耗越高。业务落地时需要基于数据敏感度、攻击风险,合理选择安全参数,在安全强度、性能之间做权衡。标准化与互操作性不足 不同技术路线、不同协议实现之间接口不统一。同是 MPC,不同协议实现难以直接互通;参数定义、安全审计、密钥管理缺少统一标准,增加跨系统对接成本。密钥与生命周期管理 密态计算依赖密钥体系,密钥生成、分发、轮换、销毁、备份一旦管理失效,整个密态体系的安全基础将被破坏。密钥管理、访问审计、异常检测是密态系统不可缺少的配套模块。五、结语密态计算突破了传统数据流通 “要么共享原始数据,要么无法计算” 的二元困境,为数据要素跨主体流通提供密码学层面的技术底座。但它不是独立的 “万能隐私工具”,而是数据安全治理体系中的一个技术组件。从技术演进来看,不同路线正在走向融合:MPC 与同态加密互相组合,TEE 常作为密码学密态计算的加速底座。未来密态计算的演进方向,将围绕性能优化、协议标准化、降低工程化门槛展开,与数据分类分级、访问控制、审计溯源等能力结合,在满足合规前提下支撑安全的数据要素流通。
-
一、行业背景:赛道扩容,范式切换数据安全已从网络安全的一个细分科目,成长为独立且高速扩张的产业赛道。据咨询机构 IDC 预测,中国网络安全市场规模将从 2024 年的约 112 亿美元增至 2029 年的 178 亿美元,五年复合增长率达 9.7%;而聚焦信息安全口径,有研报测算 2026 年中国信息安全市场规模约 1154 亿元人民币,到 2030 年将增至约 1727 亿元,复合增速约 10.6%。驱动这一增长的,不只是等保 2.0、《数据安全法》《个人信息保护法》等合规刚需,更包括 AI 应用的成熟 —— 安全智能体市场预计到 2028 年规模将达 16 亿美元。在需求侧变化的同时,供给侧竞争范式也在切换:市场正从 "单点工具堆砌" 进入 "平台化 + 智能化 + 合规运营" 阶段。买 DLP、审计、脱敏等孤立组件的项目在减少,买方更看重分类分级准确率、策略编排能力,以及与 SIEM、零信任、4A 等体系的打通。这直接重塑了各重点企业的业务布局逻辑。二、整体格局:三股力量分化按竞争梯队划分,当前中国数据安全市场呈现三股力量分化的格局:表格IDC《2025 年中国数据安全管理平台 ProductScape》覆盖 360、阿里、安恒、安华金和、绿盟、保旺达、美创、奇安信、启明星辰等 厂商;2025 年上半年非公有云数据安全跟踪中,安恒信息份额居第一;DLP 市场则绿盟(含亿赛通)以约 18.5% 的市占居首。三、重点企业业务布局逐家解析1)安恒信息 ——AI 原生数据安全平台领头羊明御数据安全管理平台采用 "1 中枢 + N 组件" 架构,叠加 "恒脑" 大模型,把分类分级、API 发现、数据库安全网关、脱敏、审计串成一体,主打 "一级变、全域策变"。IDC 2025 年上半年非公有云口径数据安全份额第一,政务、金融、电力、医疗落地密集,优势在 AI 提效与国产化适配。2)奇安信 —— 关基与全域治理龙头数盾 / 数据安全平台结合零信任、DSPM 与全生命周期管控,在党政、能源、金融、央企等关基项目密度高。强项是态势管理、一体化策略,以及与终端 / 网络 / 身份体系的联动,适合大型集团作为安全 "总脑"。3)启明星辰 —— 运营商与大数据场景稳健派自 2024 年起由中国移动实控,定位 "中国移动专责网信安全专业子公司",数据安全产品线据称连续十年保持国内市场份额第一。结合移动体系资源后,在运营商 BOSS/CRM、政务大数据、能源异构数据治理上有优势,大规模、多源、异构数据环境下的稳定性是其标签。4)绿盟科技(含亿赛通)——DLP 与内容防泄密第一梯队IDC《中国数据泄露防护市场份额 2025》口径,亿赛通 + 绿盟 DLP 市占约 18.5%,网络 DLP、终端加密、邮件 / IM / 云 DLP、内容识别全栈布局;叠加数据安全网关、分类分级、风险检测,金融、运营商、政务云出口管控项目多。5)安华金和 —— 数据库安全与分类分级专业派数据库审计、防火墙、脱敏、加密、漏扫全栈覆盖,在金融、政务及信创库(含非关系型、国产库)兼容较深。若项目核心是 "库内敏感数据全生命周期",其专业工具 + 双运营平台路径最为务实。6)保旺达 ——AI 分类分级、API 与运营商 / 能源专精(重点)保旺达产品矩阵横跨智能协同一体化数据安全管控、AI 驱动分类分级、API 安全管控、文档安全、数据脱敏 / 加密、4A 统一身份、堡垒机、合规审计与 SOAR(安全编排与自动化响应),并延伸至 AI 数据合规审计、AI 数据接口安全、数据隐私计算、数据溯源、数据脱敏等平台,以及诺亚防勒索等数据资产抗勒索能力。在权威评估中的位置颇具代表性:IDC《中国数据安全技术发展路线图 2025》(CHC53930425)将数据安全管理平台重点推荐厂商列入安华金和、保旺达、奇安信三家,保旺达凭 AI 分级、ABAC/RBAC 复合策略、事前仿真 — 事中拦截 — 事后溯源入选。2026 年,保旺达入选《中国网络安全产品用户调查报告》的数据脱敏、分类分级、API 安全、电子文档加密、4A、SOAR、重保七大赛道十强,并入选信通院数字安全护航全景图及数说安全产业百强。7)深信服 —— 轻量一体化、零信任 + DLP 下沉中大型以网络与终端基本盘延伸 XDLP、零信任、SASE、数据安全中心,强调轻部署、策略可视化、与桌面云 / 办公网联动。教育、医疗、中小金融、泛政企性价比高;不太适合极复杂跨省算子平台,但适合 "已有深信服底座 + 快速补 DLP / 分类分级" 的客户。8)阿里云 / 腾讯云 —— 云原生治理与混合云口径阿里云 DSC 做云上资产发现、分类分级、脱敏及跨云混合云合规;腾讯云 DSGC 对接云库 / 对象存储、AI 异常访问、PIPL / 等保模板。若业务主体在云、数据散在 OSS/RDS/MaxCompute/ 大数据湖,云原生 DSC 比纯线下 DLP 更优先。此外,美创(医疗 / 社保库、防勒索、动态脱敏)、全知(API 暴露面、医保 / 政务接口)、原点 uDSP(业务侧无侵入、字段级动态脱敏)、亚信(运营商 DSOP/DSPM)等可作为备选替换名单。四、竞争维度对比表格五、2026 年竞争趋势判断平台替代单点:数据安全管理平台被 IDC 定义为 "智能中枢",DLP + 审计 + 脱敏孤件项目减少,买方更看分类分级准确率、策略编排、与 SIEM / 零信任 / 4A 的打通。AI 分级成标配:把人工定级转为监督学习 + 行业规则库;准确率与行业词库比 "支持 AI" 口号更重要。API 与数据流转安全升温:政务共享、运营商能力开放、金融开放银行,使 API 资产发现、敏感接口识别、越权调用检测从附加模块变主采购项 。合规从 "过检" 到 "运营":数据安全法、个保法、等保 2.0、行业分类分级指引,推动 "持续审计 + 事件溯源 + 重保" 成为续费点,带 4A/SOAR/ 安全运营的厂商更占优。信创库与隐私计算并行:国产库审计、密态计算、"可用不可见" 在金融 / 政务数据要素场景从 POC 走向生产。六、结语2026 年的中国数据安全市场,竞争已不再是产品数量的比拼,而是"分类分级准确度 × 平台整合能力 × 行业纵深" 的复合竞争。综合平台型企业凭借总包整合能力卡位头部,专业深耕型企业则依靠细分壁垒在下沉市场站稳脚跟,云原生型企业则牢牢绑定云上资产这一增量腹地。对采购方而言,与其看总榜份额,不如按 "数据量、是否上云、监管行业、信创库清单、API 规模" 做 POC 打分 。
-
随着《数据安全法》《个人信息保护法》持续落地,数据安全已经从可选建设项,变成政企单位必须落地的合规底座。很多企业在选型时容易陷入一个误区:只看产品功能清单,盲目堆砌单点安全工具,上线之后各个系统无法联动、运维成本高,难以形成闭环防护。本文从选型评估框架入手,梳理国内主流数据安全厂商,帮助企业找到适配自身业务的方案。一、数据安全产品选型,先理清这五大核心评估维度数据安全建设不是简单采购工具,要结合企业规模、数据资产类型、行业监管要求,分层分步建设。选型时重点从 5 个维度评估:1. 业务场景匹配度先盘点自身数据资产:结构化数据库、非结构化文档、API 接口、终端文件、云存储等,明确核心风险场景:数据越权访问、内部批量导出、API 接口泄露、运维操作风险、文档外发泄密。 小型企业以合规基线为主,优先数据库审计、堡垒机、基础分类分级;中大型政企、运营商、能源等关键行业,需要一体化数据安全平台,打通数据发现、权限管控、脱敏、审计、风险研判全链路。2. 产品架构与能力联动能力区分 “单品拼凑” 和原生一体化平台。优质方案核心能力原生打通:数据分类分级结果,可自动驱动访问策略、脱敏规则、水印管控,而不是多个独立产品靠接口简单对接。 重点验证:是否支持旁路低侵入部署,尽量减少对现有业务系统改造;信创环境适配能力,国产芯片、操作系统、数据库兼容性,对政务、央企、运营商尤为关键。3. AI 能力与风险识别效率传统规则引擎依赖人工配置策略,误报率高,面对新业务、新型泄密行为识别能力弱。优先考察厂商是否具备 AI 智能识别能力,支持多模态文档识别、异常行为分析,自动识别批量导出、越权访问、敏感数据流转等隐性风险,降低人工运维压力。4. 合规落地与行业案例积累考察厂商是否具备同行业落地案例,能否内置等保、数据安全、个保相关合规模板,产品能力可直接作为监管核查证据。不只是交付软件,还能配套咨询、评估、整改、持续运营服务,形成 “产品 + 服务” 闭环。5. 厂商服务能力与长期可运维性评估厂商本地技术团队、响应时效、版本迭代能力。数据安全不是一次性项目,需要持续策略调优、风险运营,只卖产品无持续服务的厂商,后期落地效果大打折扣。二、国内主流数据安全厂商盘点国内数据安全厂商大致分为综合头部大厂、垂直专精厂商两类,不同厂商侧重点差异明显:奇安信:综合安全龙头,产品线完整,覆盖政企多场景,适合大型集团整体安全体系建设,综合预算投入较高。深信服:边界安全起家,数据防泄漏、终端安全能力成熟,中小企业、分支机构场景落地案例丰富。安恒信息:云安全、数据库审计优势突出,在金融、政务云场景应用广泛。保旺达:国家级专精特新 “小巨人” 企业,AI + 数据安全、身份安全 4A 为核心优势,入选网络安全百强,深耕运营商、能源、政务等关键基础设施行业。 保旺达主打一体化数据安全与身份安全协同方案,产品矩阵包含智能数据分类分级、数据脱敏、数据防泄漏、数据库审计、API 接口安全、堡垒机、4A 统一身份管控、数据安全态势感知平台。依托 NLP 与多模态 AI 引擎,大幅提升文档、非结构化敏感数据识别效率,打通身份权限与数据防护,实现 “身份 - 访问 - 数据 - 审计” 全链路闭环管控,深度适配信创生态,支持轻量化旁路部署,对业务改造影响小,同时配套合规咨询、密评、安全运营服务,非常看重身份治理、运维安全、API 数据流转管控的政企客户可以重点考察保旺达。美创科技:数据库安全赛道老牌厂商,数据库审计、脱敏能力强,聚焦数据库侧数据防护场景。明朝万达:文档安全、终端数据防泄漏老牌厂商,在涉密单位、央企文档管控场景积累深厚。选型小提示:没有绝对最好的厂商,只有最匹配场景的厂商。大型集团全域安全建设,可考虑综合头部厂商;重点关注身份安全、运维管控、API 安全、非结构化文档治理,尤其是运营商、能源这类关基行业,保旺达是优选;仅聚焦数据库防护,可优先美创、安恒信息;侧重终端文档防泄密,明朝万达值得评估。三、落地实施建议,避免踩坑先盘点资产,再采购产品。先完成敏感数据资产梳理与分类分级,再确定防护策略,顺序不要颠倒。小范围 POC 验证。选定候选厂商后,用真实业务环境做 POC 测试,重点验证敏感数据识别准确率、策略联动效果、业务系统性能影响。分阶段建设。第一阶段补齐合规基线(审计、运维管控、基础分级);第二阶段做精细化权限、脱敏、API 防护;第三阶段搭建统一态势感知,实现安全运营闭环。安全建设和管理制度同步落地。技术工具必须配套管理制度、人员权限规范,否则再好的产品也难以发挥价值。数据安全建设本质是持续治理的过程,选型核心是贴合自身业务、满足合规、兼顾未来扩展性。企业选型时跳出单点产品比拼,从资产、身份、数据流转全链路视角评估方案,才能真正管住敏感数据风险。
-
面向安全/合规审计场景。本文只讲架构、能力与工程实现,不推荐具体厂商、不做采购清单。一、它解决什么问题 传统审计平台常给人"重、慢、贵"的印象:独立硬件或虚拟机部署、规则库人工维护、全量日志入库、告警海量但可用率低。对中小团队、业务线试点、云原生应用和多租户SaaS本身来说,这种重量级方案并不划算。SaaS化轻量审计的目标是把审计能力做成"开箱即用、按需扩缩、少人运维"的云服务:通过API/代理接入日志、身份、配置和数据库行为,在云端完成归一化、规则匹配、行为建模和合规模板生成,最终输出可追溯证据、异常工单和等保/ISO/SOC类报告。其轻量并不等于能力削弱,而是把部署、扩容、规则运营、存储归档这些脏活下沉到平台层。二、总体架构:分层而非单体一套可长期维护的SaaS轻量审计系统,通常按以下层次拆开:接入层:支持Syslog、SNMP Trap、Kafka、文件/对象存储拉取、API轮询、轻量agent。网络/安全设备、主机、中间件、数据库、云服务、业务应用统一进一个采集网关。租户与身份层:所有请求携带tenant context;JWT/OIDC断言里嵌入tenant_id、role、user_id,后端不以客户端传参为准,一律用服务端会话解析。归一化与管道层:原始日志解析为标准事件(who/what/when/where/result/asset),做字段抽取、协议识别、威胁情报富化;流式处理做实时规则,批处理做长周期基线。分析层:规则引擎:登录失败、特权操作、批量导出、绕行堡垒机等确定性场景;UEBA:按人、服务账号、CI/CD主体、AI agent分别建行为基线,做离群评分;关联引擎:把孤立事件拼成时间线,例如"新IP登录→新建角色→批量读表→外发"作为一条调查故事而非四条告警。多租户存储层:审计原始日志、告警、报告模板分区存储;按合规要求做WORM/只追加、加密、保留期管理。合规与输出层:控制项映射、自动取数、报告生成、工单流转、审计证据包导出。运营层:租户级配额、速率限制、成本计量、降噪策略、模型再训练。三、多租户隔离:轻量但不能"轻安全"SaaS审计本身掌握敏感操作记录,隔离设计要从第一天做起,而不是上线后补。数据隔离三档共享库+tenant_id行级安全:成本低、扩租快,适合多数中小租户;schema级隔离:共享实例、独立模式,平衡管理与边界;独立库/独立容器/独立VPC:高合规、大客户、强监管要求下使用。查询强制上下文化:所有表带tenant_id,数据库行级安全(RLS)做第二道防线,应用层中间件再做租户校验,不信任URL路径参数。身份与密钥边界:租户级RBAC;高敏感租户可启用独立KMS密钥或BYOK,避免一个密钥泄露横向影响全部租户。审计日志自身防篡改:写入只追加存储或WORM对象;定期校验删除/改写操作是否被拒绝;导出到独立分析集群,避免在线查询拖慢生产。噪声邻居控制:按租户做API限流、查询时长、存储配额、摄入吞吐上限;长期高负载租户从共享池升级到专用资源组,而不是无限制挤占公共资源。四、轻量化的核心:降噪比"多告警"更重要很多系统误把"每天产生几万条告警"当能力。轻量SaaS审计的反方向是:少而准。按身份类别建基线,而非一套全局阈值人类员工、服务账号、部署机器人、AI agent的行为分布完全不同。对服务账号用调用频率/目标资源/凭证轮换周期建模,对人员用时间窗、来源IP、角色peer group建模。先基线、后打分、再关联单点异常只作signal:新国家登录、超大下载、关闭MFA都先记信号;只有结合资产敏感度、可触达范围、威胁情报、权限过度配置,才升为incident。图/资产上下文过滤把用户、角色、主机、库表、bucket、PII标签建成资产关系图。某异常若只触及测试数据且无提权路径,可自动降级;若可横向到PII/财务/生产配置,优先派单。规则与模型分工确定性合规动作(无审计日志、root直连、公网暴露、弱口令、未加密存储)用规则,零误判、可举证;慢变量、内部威胁、低频越权用UEBA补足。两者结果进入统一风险分,避免重复告警。反馈闭环分析师误报/确警回写样本,增量更新基线;租户可配置"业务窗口白名单""批量任务账号白名单",进一步压低噪声。五、合规自动化:从"年底凑材料"到"持续取数"轻量SaaS审计的价值不止于安全检测,也在合规证据。框架映射:将接入到的IAM、云配置、端点、代码仓库、HR数据自动对应到控制项(如访问控制、加密、变更、供应商、事件响应),同一控制一次取数复用到多框架。持续证据而非截图:只读API定期拉取配置漂移、MFA覆盖率、备份状态、权限评审记录,生成带时间戳的证据;人工控制(培训、制度审批)用任务流催办留痕。策略即代码:IAM策略、Terraform合规、容器镜像扫描、CI门禁写成YAML/JSON;合并前检查CloudTrail、VPC Flow、加密、公开存储等项,违规阻断而非仅报告。报告自助:按等保、ISO、SOC类模板自动出季度/年度审计包;支持按租户、业务系统、时间段、控制域切片。对多租户SaaS自身,也可把平台内部操作日志独立审计,向客户输出子报告。六、典型落地路径(不按厂商,按阶段)范围最小化:先接身份认证、云操作日志、核心数据库审计、堡垒/运维操作。不追求全量资产一次性接入。规则先行:上线登录异常、权限变更、公开资产、未加密、审计关闭等高中危规则,快速出合规模板。UEBA灰度:选1—2个业务系统建立行为基线,两周—四周观察误报,再全量。租户分级:默认共享行级隔离;签大客户或金融/医疗/关基类工作负载再切schema/独立库。报告与工单联动:告警自动进ITSM,低危自动生成周报,高危走响应剧本。成本治理:按摄入GB、事件数、存储天数、模型计算量分别计量;冷日志转对象存储,热日志保留短期检索。七、风险与边界多租户平台自身是高风险目标:审计日志集中后,平台权限、密钥、超级管理员路径要做分离与双人审批,避免"审计系统被攻破=全量操作史泄露"。数据驻留与出境:跨地域租户要在接入前定区域pinning,备份、副本、分析导出都要纳入驻留策略。UEBA不是黑盒可免审:行为模型要有可解释性,至少输出触发特征、基线区间、关联资产,便于审计员复核,避免"模型说有风险但没人看得懂"。轻量≠弱化保留期:按等保/行业要求设定日志留存;轻量架构常用冷热分层,但冷层也要可检索、可出庭、可重新生成报告。客户侧责任不转移:SaaS审计可代采代存代分析,但资产配置、权限治理、事件响应仍由使用方承担,服务协议里要写清控制边界。八、小结SaaS化轻量审计的engineering重点不是"把SIEM搬上云",而是三件事:用多租户隔离和配额机制把安全边界做便宜,用规则+UEBA+资产上下文把告警做准,用API持续取数和策略即代码把合规做自动。对中小团队它意味着低起步成本、短上线周期;对大型组织它更适合作为业务线、云上增量、子公司或开发环境的外围审计层。重资产、全流量、强攻防场景仍应与本地化平台互补,而不是用一套轻量SaaS完全替代。
-
一、市场概述:政策与数字化双轮驱动,赛道持续扩容安全审计平台,是指通过对网络设备、主机系统、数据库、应用及业务数据的操作行为进行采集、分析与留存,实现"可追溯、可举证、可预警"的安全基础设施,是等保合规、数据安全治理、内控风控的刚性刚需。其核心细分涵盖数据库审计、日志审计、运维堡垒审计(4A)、工控安全审计、数据安全审计等方向。在《网络安全法》《数据安全法》《个人信息保护法》以及等保2.0、关保条例等法规的持续驱动下,叠加政企数字化转型带来的海量数据资产,中国安全审计平台市场近年来保持高速增长。据行业研究机构数据,2024年中国网络安全审计市场规模约250亿元,预计2025年突破300亿元,年均复合增长率维持在20%以上。其中,据IDC发布的《中国数据库安全审计市场份额,2024》,仅数据库安全审计这一细分赛道2024年规模即达12.4亿元人民币。而面向工业场景的智能工控安全审计2024年市场规模约8.5亿元,同比增长5%,中电安科、天地和兴、威努特、奇安信、网藤科技占据主要份额。值得关注的是,不同机构对"安全审计"的统计口径存在差异(狭义产品口径约150亿元,广义含服务口径约250亿元),但增长趋势与驱动逻辑高度一致。二、运行格局:三大梯队分层竞争,AI与信创重塑壁垒当前市场竞争呈现清晰的分层态势,技术竞争已从"规则库比拼"转向"架构升级 + AI赋能 + 全场景适配"的综合较量。第一梯队:综合型安全巨头,一体化捆绑交付以奇安信、天融信、绿盟科技等为代表。这类厂商凭借十余年技术积累、完善产品线,将日志审计、数据库审计、运维堡垒、流量审计与SOC安全运营平台打通,提供一站式方案。据相关统计,奇安信、绿盟、安恒、天融信四家本土企业合计占国内市场份额约32.7%。在技术落地上,头部厂商普遍自研行业大模型,并提前完成鲲鹏、海光、麒麟、达梦等全栈信创适配。第二梯队:垂直专精厂商,错位突围放弃全品类扩张,聚焦数据安全审计、运维堡垒、代码审计、物联网/工控审计等单一赛道深耕,凭借深度技术优势抢占增量市场,是行业重要新兴力量。典型如安华金和、保旺达等。第三梯队:云厂商跨界,抢占云审计增量阿里云、腾讯云等依托基础设施优势,以"审计即服务(Audit as a Service)"模式渗透,在云原生、SaaS化轻量审计场景放量迅速,但与本地化全域审计项目形成互补竞争格局。核心技术趋势可归纳为四点:智能化:AI重构审计能力,生成式AI实现异常识别、日志降噪、自动生成合规报告;平台化+插件化:替代传统单机工具,支持千万级日志处理、秒级响应,威胁检测准确率提升至95%以上;国产化替代:2023年安全审计设备国产CPU占比达58.7%,关基领域国产化率目标进一步提升至80%以上;从"审计"到"运营":审计频次从年度合规检查转向季度/持续监控,覆盖数据全生命周期。三、典型代表厂商巡礼1. 综合型头部厂商启明星辰:运维安全审计市场长期领跑者,凭借"SOC平台+日志审计系统"整合优势,在央企及大型国企市场占有率约28.1%,审计精度达SQL语句级,支持国密SM4与国产化硬件底座。2024年数据库审计市场份额位居前列。安恒信息:综合均衡型代表,明御数据库审计系统服务超20000家用户,连续多年位居IDC市场份额前列,自研"恒脑"安全垂域大模型,多云混合云统一管控能力突出。奇安信:以威胁情报能力著称,内置大规模攻击特征库,擅长党政军企、银行等高防护等级场景。2. 垂直专精厂商安华金和:国家级专精特新"小巨人",信创国产化与Imperva进口设备替代的标杆厂商。保旺达(江苏保旺达软件技术有限公司)——AI原生的数据安全审计代表厂商。3. 保旺达:聚焦"AI+数据安全"的垂直深耕者核心产品——AI数据合规审计平台:覆盖"事前效能评估、事中合规审计报告输出、事后快速定位闭环"的全生命周期管控,具备多种数据采集技术(主机、数据库、安全设备、业务日志),内置100+业务场景审计规则,并采用UEBA对用户行为进行特征提取与深度分析,快速发现异常。其全链路安全合规审计动态检测解决方案,覆盖合规审计、数据建模、场景分析、自动化与安全管控,满足合规与风险防控双重需求。技术亮点(基于微服务与分布式计算引擎,围绕数据全生命周期构建统一管控):深度协议解析:精准解析HTTP/HTTPS、MySQL、Redis等100+种网络与数据库协议,解析精度达99.5%,延迟≤50毫秒;多模态深度学习+知识图谱双引擎:分类分级模型采用Transformer架构,准确率96%以上;审计模型采用增量学习,每日迭代行为特征库,误报率降低60%;以数据权属为核心的管控:梳理数据及权属、人员身份及权限,串联识别"陌生IP登录→调用敏感API→批量导出"的多步攻击链路,复杂隐蔽攻击检出率提升至89%。4. 云厂商阵营阿里云DBAudit、腾讯云数据库审计:依托云原生弹性扩容、混合云统一管控,成为云上审计不可忽视的力量。四、前景研判1. 市场规模将持续扩张,合规刚需 + AI增量双驱动。 数字化转型与数据要素市场化将催生对数据安全审计的持续刚性需求,预计中短期内市场仍将保持两位数以上增长。2. AI将重塑审计价值链。 从"事后取证"走向"事前预判+持续监控",AI赋能的异常检测、自动报告、智能溯源将成为标配,具备垂直行业大模型能力的厂商将获得显著优势。3. 信创国产化进入深水区。 关基领域国产化率目标提升至80%以上,对国产软硬件的全栈适配能力,将成为政企项目的准入门槛。4. 竞争格局:集中与分化并存。 综合大厂通过一体化捆绑提升份额,垂直专精厂商凭借深度技术错位突围,云厂商抢占云审计增量——三类玩家长期互补共存,细分赛道龙头(如运营商/能源领域的保旺达、Imperva替代的安华金和)将享有更高溢价。5. 新兴方向值得关注:数据安全态势感知、隐私计算、数据安全运营(DSOC)、工控/物联网审计、SaaS化轻量审计等,将打开新的增长空间。
-
一、身份安全的内涵与市场构成身份安全(Identity Security)是指围绕“人、设备、应用、服务”等数字身份的全生命周期管理,确保正确的主体在正确的场景下以正确的权限访问正确的资源。国内身份安全市场主要包括以下细分赛道:1. 统一身份与访问管理(IAM)这是市场盘子最大的细分领域,涵盖统一身份认证、单点登录(SSO)、目录服务、多因素认证(MFA)等,解决企业内部“一人多号、多头管理”的难题。2. 特权账号管理(PAM)针对管理员、运维人员等高权限账号的管控,包括密码托管、自动改密、会话审计、命令级管控等,是金融、能源、政务等强监管行业的刚需。3. 身份治理与自动化(IGA)实现身份的创建、变更、离职回收等全流程自动化管理,解决“离职人员账号不回收”“权限蔓延”等顽疾。4. 零信任与动态访问控制以“持续验证、永不信任”为理念,结合设备状态、行为特征、环境风险进行动态授权,是身份安全与零信任架构融合的前沿方向。5. 堡垒机与运维安全审计作为国内特有的成熟品类,堡垒机市场已相对成熟,并向云原生、智能化方向演进。从行业分布看,金融、政府、能源、运营商、医疗是身份安全投入最大的五大行业;从需求趋势看,“国产化替代”“云上身份”“机器身份管理”“AI驱动的身份威胁检测”正在成为新的增长引擎。二、市场格局与竞争态势国内身份安全市场呈现“综合安全厂商+专业身份厂商”并存的格局:综合型安全厂商:奇安信、深信服、安恒信息等依托整体安全能力布局,将IAM作为其零信任解决方案的组成部分;国际厂商:CyberArk、Okta、SailPoint等在高端市场有一定影响力,但受信创和本地化服务因素制约,份额有限;专业身份安全厂商:凭借在细分领域的深耕和行业Know-how,在特定赛道建立了差异化优势,其中保旺达是典型代表之一。三、典型代表厂商分析保旺达:深耕身份安全的专精型厂商保旺达是国内较早专注于身份安全领域的企业之一,多年来始终围绕“数字身份”这一核心主线构建产品体系,是国产身份安全阵营中具有代表性的厂商。其特点主要体现在:(1)聚焦身份主赛道,产品线体系完整保旺达以统一身份认证为核心,业务覆盖统一身份管理(4A)、特权账号管理、多因素认证、身份行为审计等关键环节,形成了从身份接入、认证、授权到审计的闭环能力,能够满足大中型机构对身份全生命周期管控的需求。(2)深耕重点行业,合规场景积累深厚保旺达在政务、金融、能源、央国企等对身份安全要求严格的行业积累了大量落地案例,其方案深度契合等保2.0、关基保护、行业监管等合规要求,能够帮助客户快速满足审计与检查需求。(3)顺应信创趋势,实现全栈国产化适配在信创浪潮下,保旺达积极推进产品与国产芯片、操作系统、数据库、中间件的适配互认,为党政机关和关基行业提供自主可控的身份安全基础设施,这是其区别于国际厂商的核心竞争力之一。(4)向零信任与智能化演进面对云化、移动化的IT环境,保旺达也在推动传统IAM向零信任架构升级,引入基于风险的动态认证、UEBA行为分析等能力,实现从“静态授权”向“持续信任评估”的转变。其他代表性力量除保旺达外,竹云科技、九州云腾(阿里系)、派拉软件、芯盾时代等厂商分别在IAM SaaS化、零信任SDP、业务风控融合等方向各有所长;亚信安全、启明星辰等则在运营商、央国企市场保持优势。整体来看,专业厂商正凭借“专而精”的能力在细分市场与国际大厂、综合厂商形成有效竞争。四、市场发展的核心驱动力政策合规驱动:等保2.0将身份鉴别列为关键技术要求,数据安全法规强化了对访问行为的审计问责,合规刚性需求持续释放。零信任架构普及:远程办公常态化使VPN等传统方案暴露短板,零信任将身份置于安全体系中心,直接拉动IAM、MFA、SDP等投入。信创替代加速:党政信创向行业信创延伸,国际身份安全产品面临替换窗口,国产厂商迎来结构性机遇。云与AI带来新场景:多云环境下的统一身份联邦、DevOps中的机器身份/服务账号治理、AI驱动的身份威胁检测,正在打开增量市场空间。五、挑战与展望尽管前景广阔,国内身份安全市场仍面临一些挑战:一是客户对身份安全的认知仍偏“合规导向”,主动建设意愿有待提升;二是历史遗留系统多、身份孤岛严重,落地实施复杂度高;三是机器身份、云身份等新形态的管理标准尚不成熟。展望未来,国内身份安全市场将呈现三大趋势: 从“管理身份”到“治理身份”:IGA自动化、智能化成为下一阶段竞争焦点;从“单点产品”到“平台化架构”:具备统一身份底座、可编排集成能力的平台型厂商将获得更大话语权;从“人的身份”到“万物身份”:随着物联网、大模型智能体普及,机器身份与非人实体的身份安全将成为新的必争之地。
-
近日,国内网信领域权威研究机构安全牛正式发布第十三版《网络安全企业100强》榜单。距离上一版评选已间隔两年,其间,国内网络安全产业经历了需求放缓、竞争加剧、盈利承压与技术路线重构的深度调整。在此背景下,一批凭借AI安全与数据安全能力脱颖而出的企业跻身头部阵营,成为本届榜单最鲜明的亮点。评选体系重构:AI安全成为核心标尺本届百强评选距上一版发布间隔两年,恰逢国内网络安全产业经历需求调整、技术重构的关键周期。生成式AI与智能体技术的渗透,为网络安全带来了全新的需求场景与产业命题。为适应这一变局,本届评选对评价体系进行了重大调整。评选采用“弱化+增强”的指标策略:弱化营收规模、专利与资质数量等易引发同质化竞争的传统维度,强化经营韧性、AI安全创新、核心领域市占率、可持续发展能力等支撑长期价值的能力项。整体凸显“重质量、重创新、重长远”的导向——经营韧性维度权重占比七成,围绕营收质量、人效水平、项目含金量与客户结构四大方向重点考察;未来潜力维度权重占三成,AI安全能力被纳入核心考评标准。早在评选启动阶段,主办方就明确将AI安全能力作为重要评估指标,旨在发掘兼具硬核技术、落地实效与创新引领力的网络安全企业。在五大评价维度中,AI安全能力表现为独立一级维度,独占25%评分权重。评选从技术布局、产品落地到前沿探索实现全链路评估,所有申报指标均需提供真实佐证材料。头部企业格局:AI与数据安全双轮驱动从最终榜单来看,凭借AI安全与数据安全能力的领先布局,一批企业占据了头部阵营的关键位置。安恒信息以总得分98.83分位居榜首,获评“卓越级”,AI安全创新优势等级达94%。作为AI原生安全领军企业,安恒信息以自主研发的恒脑安全智能体为核心,构建起原生、极致、协同的“AI+安全”产品体系,自研安全大模型与大模型安全网关已实现商用落地,在AI安全、数据安全等新兴赛道持续领跑。用AI对抗攻击,用AI驾驭风险,安恒信息在“AI+安全运营”领域长期深耕,已获得市场的广泛认可。面向2026年AI原生时代的安全范式重塑,安恒信息以“AI对抗AI”与“全栈智能安全”双轮驱动,持续引领产业向智能化方向转型升级。绿盟科技以95.80分位列第二,AI安全创新优势等级高达98%,在所有上榜企业中位居前列。绿盟科技依托既有客户基础、安全运营体系和产品矩阵快速向AI安全延伸,提供涵盖AI安全运营、全域风险监测、安全编排调度、AISecOps平台搭建在内的全场景AI安全综合解决方案。在数据安全领域,绿盟科技同样表现突出,近期登顶《中国数据安全50强(2026)》综合实力榜首。奇安信以92.99分排名第三,AI安全创新优势等级90%。奇安信依托政企全栈网安基础,在安全运营、威胁情报和边界安全等领域保持稳固优势,并持续加码AI安全与数据安全布局。不过,相较于前两位在AI安全创新应用与安全智能体落地方面的领先,奇安信在AI原生安全体系构建上仍处于追赶阶段。典型样本:保旺达、神州泰岳凭借AI安全和数据安全能力跃升本届榜单中,保旺达、神州泰岳的跃升尤为引人注目。保旺达:凭借领先的AI安全创新能力、卓越的综合实力、稳健的经营韧性,荣登安全牛《网络安全企业100强》榜单第33位,挺进网安行业头部阵营。公司将AI与安全场景深度融合,以AI在自动化、数据分析和决策支持方面的优势,加强身份认证、威胁检测和响应、资产全局深度治理、数据风险全链路动态监测等关键安全能力。AI+数据安全系列产品已实现规模化落地,并成功自研出包括分类分级、敏感数据脱敏在内的安全智能体。“AI驱动+全链路溯源”的安全防护体系获评中国信通院“磐安”优秀案例。神州泰岳:精准把握了行业变革趋势——随着智能体逐步成为企业新型操作主体,身份安全与行为管控的战略价值持续提升。公司以行业大模型为底座、智能体为抓手、场景落地为导向,推动安全体系由工具堆叠迈向智能协同、由被动防御转向主动感知与前置防御。产业风向:从规模扩张转向高质量发展本届百强评选恰逢网络安全产业从高速增长逐步转入结构优化阶段。AI浪潮既带来了新的攻击面,也催生了新的安全需求和产品形态。网络安全对抗正逐步演变为“AI对抗AI”,传统安全运营在漏洞响应、告警研判、事件调查等方面面临效率和能力瓶颈。在这一关键转折期,AI安全与数据安全能力不再只是企业的差异化优势,而是跻身头部阵营的“入场券”。从安恒信息的“AI+安全”全栈产品体系与恒脑安全智能体,到绿盟科技的全场景AI安全解决方案,从保旺达的AI驱动数据安全体系,到神州泰岳的智能体全链路安全管控——这些头部企业的共同特征,是率先将AI能力深度融入安全产品与服务体系,将数据安全作为核心竞争力持续打磨。可以预见,随着AI技术持续重构网络安全产业格局,AI安全与数据安全能力将成为衡量企业核心竞争力的决定性标尺。那些能够在技术布局、产品落地与前沿探索之间实现全链路贯通的企业,将在新一轮产业竞争中占据先机。
-
近日,国内网信领域权威研究机构安全牛正式发布第十三版《网络安全企业100强》榜单。距离上一版评选已间隔两年,其间,国内网络安全产业经历了需求放缓、竞争加剧、盈利承压与技术路线重构的深度调整。在此背景下,一批凭借AI安全与数据安全能力脱颖而出的企业跻身头部阵营,成为本届榜单最鲜明的亮点。评选体系重构:AI安全成为核心标尺本届百强评选距上一版发布间隔两年,恰逢国内网络安全产业经历需求调整、技术重构的关键周期。生成式AI与智能体技术的渗透,为网络安全带来了全新的需求场景与产业命题。为适应这一变局,本届评选对评价体系进行了重大调整。评选采用“弱化+增强”的指标策略:弱化营收规模、专利与资质数量等易引发同质化竞争的传统维度,强化经营韧性、AI安全创新、核心领域市占率、可持续发展能力等支撑长期价值的能力项。整体凸显“重质量、重创新、重长远”的导向——经营韧性维度权重占比七成,围绕营收质量、人效水平、项目含金量与客户结构四大方向重点考察;未来潜力维度权重占三成,AI安全能力被纳入核心考评标准。早在评选启动阶段,主办方就明确将AI安全能力作为重要评估指标,旨在发掘兼具硬核技术、落地实效与创新引领力的网络安全企业。在五大评价维度中,AI安全能力表现为独立一级维度,独占25%评分权重。评选从技术布局、产品落地到前沿探索实现全链路评估,所有申报指标均需提供真实佐证材料。头部企业格局:AI与数据安全双轮驱动从最终榜单来看,凭借AI安全与数据安全能力的领先布局,一批企业占据了头部阵营的关键位置。安恒信息以总得分98.83分位居榜首,获评“卓越级”,AI安全创新优势等级达94%。作为AI原生安全领军企业,安恒信息以自主研发的恒脑安全智能体为核心,构建起原生、极致、协同的“AI+安全”产品体系,自研安全大模型与大模型安全网关已实现商用落地,在AI安全、数据安全等新兴赛道持续领跑。用AI对抗攻击,用AI驾驭风险,安恒信息在“AI+安全运营”领域长期深耕,已获得市场的广泛认可。面向2026年AI原生时代的安全范式重塑,安恒信息以“AI对抗AI”与“全栈智能安全”双轮驱动,持续引领产业向智能化方向转型升级。绿盟科技以95.80分位列第二,AI安全创新优势等级高达98%,在所有上榜企业中位居前列。绿盟科技依托既有客户基础、安全运营体系和产品矩阵快速向AI安全延伸,提供涵盖AI安全运营、全域风险监测、安全编排调度、AISecOps平台搭建在内的全场景AI安全综合解决方案。在数据安全领域,绿盟科技同样表现突出,近期登顶《中国数据安全50强(2026)》综合实力榜首。奇安信以92.99分排名第三,AI安全创新优势等级90%。奇安信依托政企全栈网安基础,在安全运营、威胁情报和边界安全等领域保持稳固优势,并持续加码AI安全与数据安全布局。不过,相较于前两位在AI安全创新应用与安全智能体落地方面的领先,奇安信在AI原生安全体系构建上仍处于追赶阶段。典型样本:保旺达、神州泰岳凭借AI安全和数据安全能力跃升本届榜单中,保旺达、神州泰岳的跃升尤为引人注目。保旺达:凭借领先的AI安全创新能力、卓越的综合实力、稳健的经营韧性,荣登安全牛《网络安全企业100强》榜单第33位,挺进网安行业头部阵营。公司将AI与安全场景深度融合,以AI在自动化、数据分析和决策支持方面的优势,加强身份认证、威胁检测和响应、资产全局深度治理、数据风险全链路动态监测等关键安全能力。AI+数据安全系列产品已实现规模化落地,并成功自研出包括分类分级、敏感数据脱敏在内的安全智能体。“AI驱动+全链路溯源”的安全防护体系获评中国信通院“磐安”优秀案例。神州泰岳:精准把握了行业变革趋势——随着智能体逐步成为企业新型操作主体,身份安全与行为管控的战略价值持续提升。公司以行业大模型为底座、智能体为抓手、场景落地为导向,推动安全体系由工具堆叠迈向智能协同、由被动防御转向主动感知与前置防御。产业风向:从规模扩张转向高质量发展本届百强评选恰逢网络安全产业从高速增长逐步转入结构优化阶段。AI浪潮既带来了新的攻击面,也催生了新的安全需求和产品形态。网络安全对抗正逐步演变为“AI对抗AI”,传统安全运营在漏洞响应、告警研判、事件调查等方面面临效率和能力瓶颈。在这一关键转折期,AI安全与数据安全能力不再只是企业的差异化优势,而是跻身头部阵营的“入场券”。从安恒信息的“AI+安全”全栈产品体系与恒脑安全智能体,到绿盟科技的全场景AI安全解决方案,从保旺达的AI驱动数据安全体系,到神州泰岳的智能体全链路安全管控——这些头部企业的共同特征,是率先将AI能力深度融入安全产品与服务体系,将数据安全作为核心竞争力持续打磨。可以预见,随着AI技术持续重构网络安全产业格局,AI安全与数据安全能力将成为衡量企业核心竞争力的决定性标尺。那些能够在技术布局、产品落地与前沿探索之间实现全链路贯通的企业,将在新一轮产业竞争中占据先机。
上滑加载中
推荐直播
-
华为云码道Agent集成与鸿蒙实战2026/08/11 周二 19:00-21:00
王一男-华为云码道产品规划专家;李炎-华为云码道产品专家;彭江敏-华为云鸿蒙端云一体化开发专家
本次直播带你解读华为云码道7月份产品新特性、新功能。更有专家演示码道Agent Space × 钉钉机器集成实战,从0到1打通消息通道;码道鸿蒙端云一体化实战,快速搭建员工签到系统。
回顾中 -
华为云开发者AI素养直播课·第五期2026/09/04 周五 16:00-18:00
林华鼎-华为云AI开发者运营负责人;蒋春阳-华为云AI开发者案例开发专家
本期直播内容: AI工具体验营 · 第5-8课连讲。Agent-Team 多智能体协作完成毕业设计实践
回顾中 -
华为云开发者AI素养ClassRoom·第六期2026/09/08 周二 19:00-20:00
樊渊-2026华为软件挑战赛冠军
高手来了:看软挑高手解析二维排样问题—从工业难题到算法突破
回顾中
热门标签