不斷出臺的政府和行業規范，以及企業對保護產品計劃、財務記錄和知識產權等重要企業數據的日益重視，使得DLP市場發展迅速。多年來，DLP一直被視為防范企業數據丟失的最重要的防線，其核心能力就是內容識別，通過識別擴展到對數據的防控，最終形成具備發現、加密、管控、審計功能的一整套數據泄露防護方案。

[[225075]]

但是，傳統DLP解決方案自身也存在一些挑戰，例如解決方案的穩定性、冗長的構建時間、耗時的數據分類過程和高昂維護成本，以及數據所有者和DLP管理員之間的交流不暢。安全團隊正意識到DLP不足以保障企業的關鍵數據安全。

基于簽名/規則的問題

DLP似乎正在追隨另一種無處不在但現在已經過時的技術：反病毒技術的腳步。這兩種技術之間的相似之處可能一開始并不明顯，但只要仔細分析就會發現，很顯然，DLP可能會遭受與傳統反病毒技術相同的命運。

自1987年以來，反病毒技術就是用簽名來標記數據，通過不斷掃描系統以獲取這些簽名，然后嘗試隔離已知的錯誤文件。理論上，這種方法聽起來很棒，但是到了21世紀，惡意軟件開始以超乎任何人想象的速度進行傳播和演變，隨著惡意軟件的加速崛起，黑客們開始意識到這些工具是如何運作的，然后他們就能夠定制特定的方法來規避現有工具集的檢測。

同樣地，DLP工具也需要對敏感文件進行數據分類和標記，通過內容掃描和識別技術來支持文件的移動，并試圖阻止這些文件進入它們不應該去的地方。自2000年以來，企業組織開始廣泛部署此類工具，以滿足合規性要求，監控敏感文件移動，以及防止特定文件進入特定安全出口點以外的地方。

但是，一些主要因素嚴重削弱了數據丟失預防解決方案的有效性。其中最主要的挑戰是組織內非結構化和半結構化數據的指數級增長。為了實現有效性，DLP工具必須跟上敏感數據不斷創建和修改的步伐。這給數據所有者和那些管理DLP技術的人留下了沉重的負擔。一個幾乎不可避免的現實是，組織內部的溝通渠道遠遠跟不上數據的增長速度。

DLP和人員問題

DLP最具挑戰性的元素之一不在于軟件——而在于人。毫無疑問，在實施有效的安全控制方面，人員是最大的挑戰。并非所有的用戶都存在惡意的意圖;他們可能只是想找到一種方法來繞過現有的控制措施，讓他們的生活更為輕松便捷。人是最不可預測的因素，而且確保組織能夠掌握每一個人可能采取的行動即便不是不可能，也是非常難實現的目標。

如果是由惡意內部人員在組織內部實施惡意操作，且最終導致數據丟失的話，DLP解決方案通常很難阻止。因為DLP對于技術用戶而言通常是微不足道的存在。這就意味著，如果組織內部的某個人真的想要泄露數據，他們總能夠找到一種方法來實現這一點。

此外，DLP方案也并不完整，因為它們不提供一體化的檢測、遏制以及數據泄露和內部威脅的緩解方案。雖然它們可能會發現一些企圖泄露數據的實例，但它們并不旨在幫助安全團隊進行有效的調查或響應，而且它們也沒有內置的積極主動的用戶教育項目來減少由員工造成的意外誤用行為。

告別傳統DLP

數據丟失問題的嚴峻性以及組織對于合規性需求的日益高漲，推動了傳統的DLP工具的日益流行。但是，在防止數據丟失方面，DLP通常顯得后勁不足——尤其是在提供用戶操作的可見性，以便立即檢測事件并快速對其進行調查時。

組織不應該依賴傳統的專注于數據的DLP工具，而應該實施一個全面的“以人為本”的技術戰略。組織應該轉變技術方案，使安全組織能夠全面了解用戶操作，并提出警告措施，使預警系統能夠縮短檢測時間。此外，這一技術方案還應該配合強大的流程一起使用，以快速地修復涉及數據丟失的事件，以及符合業務目標的靈活的預防控制措施，來確保全方位可見性和安全性。

如今，組織比以往任何時候都需要對解決方案進行投資，以便全面了解用戶正在做什么，并根據用戶行為配置靈活的預防策略。而基于機器學習、內容感知技術的智能DLP，可以做到智能發現、智能加密、智能管控和智能審計功能的一整套數據泄露防護方案才是未來。憑借智能DLP技術的可視性，組織能夠快速識別風險行為，簡化調查流程并最終實現防止數據丟失的目的。