作为与人民生活福利密切相关的保障性设施,医疗行业单位,尤其是大中型医院的信息化建设始终领先于社会同期平均水平,各业务环节几乎已全部纳入到IT信息链条中,并逐步呈现出自成体系的信息技术范畴。与之相应的,医疗单位也面临着其行业独有的数据安全风险。
为解决以上问题,东软推出了以数据库审计系统(DBA)为依托的NetEye数据安全平台,面向医疗行业数据安全需求,提供成熟、可靠的整体解决方案,并在各个领域均表现出鲜明的优势特点。
一、防范非法统方
通过内置的专业防统方功能,东软 DBA能够实时检测针对HIS系统的非法统方行为,保护医疗单位合法权益,提高通过行业规章要求、等级保护等标准规范的能力。
(一)准确度极佳。东软DBA了解HIS数据库结构,具备准确的统方模型定义,具备制订出业内精确度领先的统方策略的能力,是东软DBA在防统方领域无与伦比的先天优势。
(二)误报率低。东软在医疗信息化领域审核二十余年,了解客户需求,熟悉各医疗流程的运维操作特点,如药库/药房管理、药品字典维护、药品/非药统计、就诊信息查询等,能够准确甄别误判环节,将误报率控制在可接受范围内。
(三)漏报率优异。东软DBA不仅仅审计对指定数据对象的访问,而且还将通过其它技术手段进行辅助检测,防范个别内部人员通过数据库内部机制进行间接统方,如数据转存、设立视图、调用存储过程/函数等,截断逃避监管的隐蔽通道,实现良好的审计覆盖面。
(四)层次化的检测阶梯。东软DBA的防统方策略,不是简单几条检测策略配置的罗列,而是在充分理解HIS数据库结构和业务特征的基础上,制订出的层次化的检测策略阶梯,并根据命中率、可疑度、防漏审/漏报、防误报、执行效率等因素综合权衡,严谨选择每条检测规则的检测粒度以及所处的阶梯位置,从而使DBA防统方实现良好的检测性能和效果。
(五)开箱即用。为便于客户对DBA防统方功能的高效运用,东软DBA将防统方功能单独封装为策略包和报表模块,每个策略包均针对特定品牌、特定版本的HIS系统而专门打造,用户可通过报表模块自动生成指定类型的防统方合规报表,降低部署难度,提高审计监管力度。
二、保护病患信息
病患信息是医疗单位重点保护的数据资产,此类信息广泛分布在HIS、EMR、CPR等系统的数据库中。一方面,病患信息数据需要面向正常业务系统提供全面访问服务;另一方面,又需要向特定的临时请求开放有限的访问权限,如医学科研课题研究、临床案例样本调查等。
东软DBA数据安全平台能够提供完善的敏感数据保护机制,满足客户的多种需求。
(一)基于数十种条件来严格描述各类用途的业务访问请求,为后续敏感数据保护提供访问源定义。
(二)按照可操作记录数量来约束数据扩散速度。
(三)按照字段类别来控制可访问数据范围。
(四)在可访问范围内,对其中的敏感数据进行事前静态、实时动态脱敏处理和事前静态加密处理。
东软DBA数据安全平台,妥善满足了医疗行业敏感数据的弹性保护需求,把以往简单粗暴的“允许、禁止”二元制策略,进一步优化为“允许、禁止、允许但需少量、允许但需脱敏”多元制保护体系。
三、监督IT服务
通常,在信息化建设过程中,医疗机构与IT服务商将在约定的工作界面内按照合同要求交付工作,保质、保量。然而,在实际操作过程中,难免出现分工界面不清晰或使用混乱、交付成果不明确等情况,极易引发一系列的安全隐患,如数据泄露、后门预留等。针对此风险,东软DBA数据安全平台可将IT服务工作限定在一个可控、可审计的范围内。
(一)提供数据访问控制机制,约束IT服务人员的数据访问范围。
(二)提供数据加密和脱敏机制,防止敏感数据泄露。
(三)采用数据审计手段,监督对核心数据资产的全部访问。
(四)采用运维审计手段,监控对核心系统的维护操作(NABH运维审计)。
(五)设置审计报警策略,对高可疑度的访问、操作进行实时报警,及时通知安全管理员排查可疑行为。
东软DBA数据安全平台能够为医疗单位的信息化建设提供可靠的沙盒环境,监督、约束IT服务有序交付,避免对现网系统造成安全威胁。
四、增加纵深防御
从安全层面上来看,医疗单位信息系统是近似平坦的结构,几乎所有的桌面系统都可以访问所有的服务器资源,无论是应用业务服务器还是数据服务器,尤其是在应用层<->数据层之间,几乎是全连通的。这对安全防护非常不利。
东软DBA数据安全平台可方便、高效地增加医疗单位信息系统的防御纵深。
东软DBA数据安全平台,兼具数据库审计、数据库防火墙、数据库加密和数据库评估扫描模块功能,并内置SOX、等级保护、防统方、PCI等报表模板,可有力促进医疗单位进行内部监管强化、安全评测申报以及切实提高数据安全水平等工作。
好文章,需要你的鼓励
Anthropic发布了面向成本敏感用户的Claude Haiku 4.5大语言模型,定价为每百万输入令牌1美元,输出令牌5美元,比旗舰版Sonnet 4.5便宜三倍。该模型采用混合推理架构,可根据需求调整计算资源,支持多模态输入最多20万令牌。在八项基准测试中,性能仅比Sonnet 4.5低不到10%,但在编程和数学任务上超越了前代Sonnet 4。模型响应速度比Sonnet 4快两倍以上,适用于客服聊天机器人等低延迟应用场景。
上海AI实验室联合多家顶尖机构开发出全球首个科学推理大模型SciReasoner,该模型在2060亿科学数据上训练,支持103个科学任务,能够像科学家一样进行逻辑推理并展示思考过程。它实现了化学、生物学、材料科学等多领域知识整合,在分子设计、性质预测、文献分析等方面表现出色,为科学研究提供了强大的AI助手工具。
英国初创公司Nscale将为微软建设四个AI数据中心,总计部署约20万个GPU,合同价值高达240亿美元。首个数据中心将于明年在葡萄牙开建,配备1.26万个GPU。德州数据中心规模最大,将部署10.4万个GPU,容量从240兆瓦扩展至1.2吉瓦。所有设施将采用英伟达最新Blackwell Ultra显卡。
南洋理工大学研究团队开发出SHINE方法,这是一种无需额外训练就能实现高质量图像合成的新技术。该方法通过巧妙引导现有AI模型的潜能,能够在复杂光影条件下完美合成图像,包括准确的阴影生成和水面倒影效果。研究团队还创建了ComplexCompo基准测试集,验证了SHINE在各种挑战性场景中的卓越性能,为图像编辑技术的发展开辟了新方向。