关于2020年IT安全的7个预测

简介: 保护重要数据和应用程序免受网络威胁是各种组织在2019年的首要任务。而2020年,其重要性将进一步提高。在云迁移、数据分析、人工智能和物联网(IoT)等技术发展的推动下,很多组织将寻找改善工作流程、降低成本和提高员工生产力的方法。

保护重要数据和应用程序免受网络威胁是各种组织在2019年的首要任务。而2020年,其重要性将进一步提高。


在云迁移、数据分析、人工智能和物联网(IoT)等技术发展的推动下,很多组织将寻找改善工作流程、降低成本和提高员工生产力的方法。


在这种不断变化的环境中,无法确保组织的混合网络始终保持安全,但这并不意味着完全放弃。在2020年,至关重要的是要确保在威胁造成损害之前尽一切努力阻止威胁。以下是提高2020年安全实践标准的一些预测:


1.错误配置的云计算资源仍然是一个问题


组织在2019年面临的一些最大的IT安全挑战源于对云计算资源的管理不善。例如,Amazon S3存储桶多次错误配置,或者在完成工作之后很长时间仍处于打开状态,看来这一趋势在2020年仍然是一个问题。


展望未来,组织可以选择标准化的存储方法获得帮助,而不必采用更为独特或定制的方法。通过选择标准工具,组织选择的云计算提供商将能够帮助其了解可能发生的故障以及如何修复。尽管不能完全消除问题,但随着新的一年的进展,它确实采取了正确的步骤来减少错误配置云计算资源的可能性。


2.第三方安全的风险将会增加


组织在努力确保内部系统安全的同时,技术供应链中来自第三方的风险将继续增加。组织可能已修补的漏洞可能会被第三方供应商中打开,从而打开了组织的网络后门。这也是一个数据安全问题。例如,一家组织可能会将一部分人力资源职能外包给第三方公司。组织需要非常了解与第三方共享什么类型的数据以及如何使用这些数据,必须采取额外的预防措施来保护敏感数据。


组织需要关注要保护的数据类型。可以访问员工数据进行处理的第三方与可以访问市场营销数据库以进行对外销售活动的第三方之间存在着很大差异。员工记录可能包含个人详细信息,例如需要阻止黑客入侵的税务档案编号。使用数据分类策略可帮助组织确定数据优先级和必须使用的保护。组织在2020年需要花费时间了解第三方供应商的安全性以及在组织中存在的数据。这将使企业对潜在风险有更全面的了解,包括如何以及在何处共享数据。


3.持续发展的物联网将会增加风险,更复杂的攻击随之增长


随着物联网的持续增长并成为IT领域的重要组成部分,物联网设备发生重大漏洞的风险急剧增加。这在很大程度上是由于物联网制造商并未将物联网安全放在首位。统计数据表明,物联网设备本身严重缺乏安全性,这一事实不会很快改变。


2019年上半年的网络攻击相对来说并不复杂,但网络攻击者将继续改进其技术,使攻击更具破坏性。物联网设备用于关键应用中,出现漏洞只会对组织产生不利影响,但人们的健康可能会受到危害,例如在连接胰岛素泵或关键基础设施的情况下。


根据摩尔定律,处理器芯片每18个月的运算能力就会增加一倍,但不幸的是,物联网安全并未以类似的速度发展。在2020年,组织将需要了解与网络连接的内容以及网络的保护方式,修补物联网设备漏洞需要成为组织IT优先事项的重要组成部分。


4.安全问题将会影响组织的发展


尽管媒体的注意力集中在引人注目的网络漏洞上,但没有检测出来的漏洞引起了更大的关注。遭受破坏的小型组织如果遭受严重的数据或IP损失,将会无法恢复。


由于没有大型组织的巨额预算,小型组织对于寻求经济利益或损害声誉的黑客来说是一个容易攻击的目标。在过去的几年中,人们看到了常见密码的统计模型。还发现不良行为者会使用这些已知的密码和已知的帐户尝试进行低速和慢速登录攻击。安全性较低的组织可以使用这些密码来保护数据和应用程序。


考虑到这一点,更多成熟的组织将把更多的数据和应用程序迁移到云平台中。如果这是组织计划,需要就哪些数据应移至云平台以及如何在其中进行安全保护做出明智的决策。


5.安全人员短缺将找到新的创造性方法来减轻负担


鉴于一些组织无法找到和保留所需的安全专家,并且其预算仍受限制的事实,2020年将出现更多具有创造性的方法。网络和安全团队之间更加依赖团队方法将带来更多成功的结果,帮助团队分析网络数据以检测威胁和性能问题的单一观点将加快运营速度,并降低平均修复时间(MTTR)。


云计算安全联盟的云计算控制矩阵为组织考虑将其数据移至云平台提供了明确的指导原则。诸如美国国家标准技术研究院(NIST)网络安全框架之类的框架可以指导有关安全性的活动。在2020年期间,评估这些替代方案,并确定适合组织的方案。


6.密码将仍然是最薄弱的环节


多年来,密码在数据安全方面提供了相对一致的保护。在2020年,考虑全面部署多因素身份验证。


研究机构正在推广高级保护措施,例如采用谷歌公司的USB-C Titan Key固件,该固件密封在安全元件硬件芯片中,这种芯片使密钥更能抵御物理攻击。这样的方法可以显著加强对关键数据存储的保护。


7. DoH的意识和使用将越来越广泛


2020年将增加DNS-over-HTTPS(DoH)的采用。这一趋势涉及两大技术趋势。首先是在全球互联网和组织网络内部加密的使用越来越多。第二种是在发生在新技术上所谓的“隐私清洗”。


迄今为止,浏览器供应商已将DoH定位为用户的隐私增强功能。此更改的实际效果是将域名系统(服务)协议(DNS)移出操作系统,并移入浏览器应用程序的控制权。最终结果是减少或模糊了用户在如何处理其数据方面的选择,同时只提供了适度的安全性和隐私利益。


在2020年期间,需要仔细评估DoH,并确定如果部署将为企业带来什么价值。


组织对加强安全性越来越精明,但是随着技术发展,黑客也越来越聪明。重要的是要对组织目前的状况进行盘点,并评估在2020年可以采取哪些不同的措施来保护组织的业务。


总之,这七个趋势将有助于组织在2020年内塑造自己的网络安全方法。现在是专注于组织所面临的未来以便更好地应对新挑战的时候了。

相关实践学习
钉钉群中如何接收IoT温控器数据告警通知
本实验主要介绍如何将温控器设备以MQTT协议接入IoT物联网平台,通过云产品流转到函数计算FC,调用钉钉群机器人API,实时推送温湿度消息到钉钉群。
阿里云AIoT物联网开发实战
本课程将由物联网专家带你熟悉阿里云AIoT物联网领域全套云产品,7天轻松搭建基于Arduino的端到端物联网场景应用。 开始学习前,请先开通下方两个云产品,让学习更流畅: IoT物联网平台:https://iot.console.aliyun.com/ LinkWAN物联网络管理平台:https://linkwan.console.aliyun.com/service-open
相关文章
|
22天前
|
机器学习/深度学习 调度 知识图谱
TimeDART:基于扩散自回归Transformer 的自监督时间序列预测方法
近年来,深度神经网络成为时间序列预测的主流方法。自监督学习通过从未标记数据中学习,能够捕获时间序列的长期依赖和局部特征。TimeDART结合扩散模型和自回归建模,创新性地解决了时间序列预测中的关键挑战,在多个数据集上取得了最优性能,展示了强大的泛化能力。
58 0
TimeDART:基于扩散自回归Transformer 的自监督时间序列预测方法
|
3月前
评估与预测
【8月更文挑战第21天】评估与预测。
32 1
|
4月前
|
机器学习/深度学习 人工智能 自然语言处理
|
机器学习/深度学习 运维 计算机视觉
TimesNet:时间序列预测的最新模型
2023年4月发表了一个新的模型,它在时间序列分析的多个任务中实现了最先进的结果,如预测、imputation、分类和异常检测:TimesNet。
793 0
|
6月前
|
算法 Python
利用贝叶斯算法对简单应用实现预测分类
利用贝叶斯算法对简单应用实现预测分类
|
6月前
|
机器学习/深度学习 算法 搜索推荐
Catboost算法助力乳腺癌预测:Shap值解析关键预测因素
Catboost算法助力乳腺癌预测:Shap值解析关键预测因素
177 1
|
6月前
|
机器学习/深度学习 数据采集 算法
乳腺癌预测:特征交叉+随机森林=成功公式?
乳腺癌预测:特征交叉+随机森林=成功公式?
80 0
乳腺癌预测:特征交叉+随机森林=成功公式?
|
11月前
|
索引 Python
使用skforecast进行时间序列预测
时间序列预测是数据科学和商业分析中基于历史数据预测未来价值的一项重要技术。它有着广泛的应用,从需求规划、销售预测到计量经济分析。由于Python的多功能性和专业库的可用性,它已经成为一种流行的预测编程语言。其中一个为时间序列预测任务量身定制的库是skforecast。
133 5
|
机器学习/深度学习
kears搭建lstm实现用电量预测时间序列预测
kears搭建lstm实现用电量预测时间序列预测
63 0
|
机器学习/深度学习 传感器 算法
【NARX回归预测】基于NARX结合RNN实现光伏数据回归预测附matlab代码
【NARX回归预测】基于NARX结合RNN实现光伏数据回归预测附matlab代码
下一篇
无影云桌面