同心走出秘密制止不受保护和过度共享的业务关键数据的威胁

同心是第一个利用AI和深度学习发现业务关键性和风险的企业中成千上万的员工分散滥用的成千上万的文档的风险

Concentric宣布了一种新方法的可用性，该方法可解决企业关键业务非结构化数据(存储在本地或云中)所面临的最重大安全挑战，这无法手动识别和保护。使用Concentric的企业客户已经发现成千上万的员工可以访问数百万个未受保护或共享不当的文档，这可能导致数据泄露和高额罚款。为了应对这一重大威胁，Concentric是第一家利用深度学习功能通过对所有数据建立准确而详细的语义理解来识别并自动量化风险的公司。该公司利用这些见解来有效地保护关键业务数据，并满足安全性，合规性和隐私规定。

Concentric还宣布已从Clear Ventures，Engineering Capital，Homebrew和Core Ventures筹集了750万美元。

事实是，当今的组织缺乏对与关键业务信息(如合同，财务文档，工资单，并购计划，产品路线图和源代码)相关的风险的了解。该公司今天发布的一份报告是根据Concentric的Semantic Intelligence ™解决方案分析的实时数据 得出的，揭示了典型组织的非结构化数据中的构成和风险：

一个普通的企业拥有将近1000万个文档，其中120万个文档被认为对业务至关重要。在那些关键业务文档中，有超过15%的文档 由于与用户和组共享不当或数据分类不正确/不正确而受到威胁。

平均而言，非C-Suite员工可以访问90%的关键业务文档。

在这些关键业务文档中，企业中大约200,000个文件被过度共享(相当于每个员工大约40个文件)。

同心语义智能解决方案使用强大的深度学习技术来自主开发每个文档的无与伦比的语义理解，从而将行业内最完整，详细和准确的面向风险的视图提供给业务关键信息。当解决方案发现有风险的文件时，Concentric的本机修复功能会主动并自动修复文档的风险因素，以有效地保护它们。

诸如静态，预定义规则之类的现有方法充其量只能产生中等程度的结果，所交付的文档可能对业务至关重要，也可能不重要。要求员工对文档进行分类需要广泛的培训和持续的警惕，以确保每个人都在为准确分类进行自己的工作。同样，这些方法也不能完全评估文档的真实含义，因此很难评估风险。

语义智能不仅可以发现，分类和分类文档，而且还可以使IT和安全团队使用最新信息和强大的风险可视化工具轻松监控数据安全性，这些信息可以深入到处于风险中的文档中进行探索。更详细的细节。该解决方案还与主要的第三方安全性和数据存储集成，以帮助客户利用他们已经进行的安全性投资。

“同心是Cadence数据安全产品组合的重要组成部分。我们使用它来识别所有关键业务数据–产品文档，财务报告，合同等。” CISO Cadence Design Systems的Sreeni Kancharla指出。“旧版解决方案无法自动运行，我们被迫审查已标记的文档并手动解决安全违规问题。在我们已经使用的数据保护解决方案之上，Concentric为我们提供了关键的数据安全智能层。”

对于金融机构而言，保护敏感信息的风险很高，但同时又要为公司有效地进行正在进行的业务活动提供必要的灵活性。一种可能成本很高的用例是在金融服务组织中强制实施信息墙，这些信息墙受到美国证券交易委员会(SEC)的监督。公司依靠信息墙来分隔业务的主要冲突区域，例如，将投资银行部门与交易部门分开，以防止与可能出于非法目的而对见解采取行动的另一部门共享敏感信息。内幕交易。

Concentric首席执行官兼联合创始人Karthik Krishnan表示：“企业了解保护其关键资产的重要性，尽管尽了最大努力，但仍有大量数据无法保证安全，无法识别，分类错误并处于风险之中。” “目前，非结构化数据非常丰富且分散，其中包括数量惊人的关键业务信息。它是网络犯罪分子的目标，并且可能是法规遵从性的陷阱，但要确保它的安全却极为困难。我们一直专注于解决数字时代的数据挑战。”

“非结构化数据现在是该行业的主要威胁面，因为它高度分散且以各种形式出现，并且很难保护关键业务内容，” Clear Ventures的创始人兼管理合伙人克里斯·鲁斯特(Chris Rust)说。“ Concentric通过发现，监视和保护企业最有价值的资产的全新的自治功能解决了这个问题。”

Concentric由首席技术官兼工程副总裁Shankar Subramaniam和首席数据科学家Madhu Shashanka克里希南创立。该创始团队在瞻博网络，PGP公司(由赛门铁克收购)，赛门铁克，HPE，阿鲁巴网络公司(IPO)，Niara(由HPE收购)和Andiamo Systems(由Andreamo Systems收购)等几家成功的公司中拥有广泛的网络和安全背景。思科)。