Thales CipherTrust DSPM 将 AI 数据安全推进至可见性之外

Thales 推出 Thales CipherTrust DSPM，直接向既有数据安全工具发起挑战：仅仅发现暴露的信息已不再足够。该平台于 2026 年 10 月 1 日发布，将数据发现和风险分析与加密、脱敏和令牌化相结合。随着 AI 智能体获得跨企业系统访问敏感信息的权限，这一组合瞄准了日益严峻的问题。

关键转变并非再增加一个用于编目数据的仪表盘。Thales 希望安全团队能够在识别出高风险暴露的同一环境中保护信息。其主张是，当自主软件能够以机器速度检索和移动信息时，仅靠访问限制的可靠性会下降。

这使 Thales 站在了更广泛的态势管理模式的对立面，后者以可见性、权限和建议的修复措施为核心。Microsoft、Palo Alto Networks、IBM 以及专业厂商均已提供竞争性方案。如今的竞争焦点在于，安全平台能多快将风险信息转化为可执行的保护措施，同时又不阻碍有价值的 AI 工作。

Thales CipherTrust DSPM 将发现与保护相连接

此次发布将 DSPM 从一项库存盘点工作，转变为面向敏感数据的拟议控制点。

数据安全态势管理，即 DSPM，会持续识别敏感信息、评估其暴露情况并确定风险优先级。这一类别的出现，是因为企业数据已不再存放于单一数据库或数据中心。如今，它横跨云存储、软件服务、分析系统、协作平台和私有基础设施。

Thales 表示，CipherTrust DSPM 覆盖云端、本地和混合环境中的结构化与非结构化信息。结构化数据包括数据库内组织有序的记录。非结构化数据包括文档、消息、源文件以及其他没有固定数据库模式的材料。

该平台将发现和分类功能，与有关访问、授权、活动和行为的信息结合起来。此类上下文旨在帮助团队区分实质性的暴露风险与低优先级的配置问题。它还为调查可疑访问模式和潜在内部人员活动提供了依据。

最重要的是，Thales CipherTrust DSPM 将这些发现与原生保护控制措施相连接。安全团队可以对被识别为敏感或已暴露的信息应用加密、令牌化或脱敏。

加密将可读信息转换为密文，获得授权的系统可使用适当密钥将其还原。令牌化以替代令牌取代敏感值，同时将原始信息保留在受保护的系统中。脱敏会对不需要完整记录的用户隐藏选定字段或字符。

这些控制措施解决的问题各不相同。当存储、基础设施或访问边界失效时，加密可保护信息。令牌化能够从 AI 工作流中移除受监管的值，同时保留该工作流预期的数据格式。脱敏使员工或应用程序能够使用记录的一部分，而无需看到每一个敏感字段。

官方发布将这种整合定位为该产品的主要差异点。Thales 将 CipherTrust DSPM 描述为专为超越发现和基于访问的修复而打造。“第一”的定位是公司主张，而非经独立证实的市场排名。

Thales 数据安全产品副总裁 Todd Moore 对这一差异作出了更具体的说明。他表示，企业需要了解哪些信息真正处于风险中，并采取直接行动。他的核心批评是，传统 DSPM 修复通常集中于限制访问。

这种区别至关重要，因为移除一项权限并不能保护文件的每一个既有副本。它也不会自动处理已复制到分析系统、向量数据库、提示词日志或模型输出中的信息。

直接保护并非身份控制的替代方案。加密无法纠正每一个权限过大的账户，令牌化也无法解释智能体为何请求异常记录。Thales 的论点是，访问治理和数据层控制应协同运行。

此次发布建立在现有 CipherTrust 功能之上，而非引入一套完全独立的安全架构。Thales 已经销售数据发现、分类、加密、令牌化、密钥管理和活动监控产品。CipherTrust DSPM 则围绕风险优先级工作流打包这些功能。

因此，该产品形成了一项明确的检验标准。客户必须判断，这种整合是否缩短了修复时间，还是仅仅通过另一个界面呈现既有控制措施。与仪表盘上显示的发现数量相比，这一运营结果更为重要。

AI 智能体让仅依赖权限的安全性更不确定

AI 智能体提高了风险，因为它们能够以快于传统审查流程响应速度的方式检索、组合和传输信息。

普通员工通常一次只通过一个界面打开记录。AI 智能体可以搜索多个资料库、汇总文档、调用已连接的工具，并在单一工作流中触发下游操作。每一种能力都会扩大单一身份或服务账户可触及的信息范围。

即使底层系统按设计运行，这也会造成问题。员工可能有正当理由访问多个数据源，而代表该员工运行的助手却可能以非预期方式组合这些来源。由此产生的摘要可能泄露任何一份单独文档本身都未暴露的信息。

检索增强生成，通常称为 RAG，正说明了这一问题。RAG 应用会搜索外部知识源，并在生成答案前将相关材料插入模型上下文。这种设计使模型能够回答有关企业私有信息的问题，而无需重新训练模型。

然而，RAG 系统会继承每个已连接资料库中的权限错误、过期访问规则和分类缺口。它还会创建新的信息存放位置，包括嵌入向量、向量存储、提示词、响应、追踪记录和诊断日志。

Thales 表示，其平台能够在 AI 部署规模化之前识别敏感信息。随后，它可以将这些信息与访问和活动信号关联起来。该公司称，产品还会使用行为分析来标记异常访问，并将相关信号连接成攻击链。

这些能力弥补了静态访问审查的弱点。用户可能拥有打开客户数据库的有效权限，但突然的大规模检索仍可能表明存在滥用。AI 智能体也可能执行一连串分别获准的异常操作，最终造成有害结果。

Thales 自身的调查研究支持了这种紧迫性，但这些数据应被视为厂商赞助的调查结果。该公司的 2026 威胁报告称，70% 的受访者将 AI 生态系统的快速变化列为其最关注的三项 AI 相关安全问题之一。四分之一的受访者将 AI 安全列为其投入预算最高的三项优先事项之一。

该报告还发现，在面向 AI 和大型语言模型的攻击类别中，以暴露敏感信息为目标的攻击呈现出最大的报告增长。这些结果描述的是受访者的观察和优先事项。它们并未独立衡量每一次数据泄露，也无法确定某一特定安全产品是否能阻止此类事件。

不过，这一趋势解释了 Thales 为何现在推出该产品。企业正从员工聊天机器人转向能够采取行动的系统。安全团队必须同时治理人类访问，以及以委托权限行事的软件。

压力主要落在那些将助手连接到广泛内部知识的组织身上。产品团队希望从合同、工单、会议记录、客户记录和技术文档中获得有用答案。安全团队则必须确保检索过程遵守用途、身份、地理位置和数据敏感度要求。

同样的矛盾也适用于个人和团队知识系统。维护良好的 AI 知识库能够改善检索效果，但其效用取决于清晰的访问边界和可靠的来源上下文。在不了解信息敏感度的情况下连接更多信息，会增加暴露风险。

受监管行业还面临额外问题。即使原始文档仍保留在获批资料库中，模型响应也可能复制或转换受保护的信息。因此，安全控制必须考虑完整的信息路径，而不仅仅是存储位置。

这正是此次发布比常规产品更新更具意义的原因。Thales 将 AI 访问视为一项数据安全事件，并在其演变为模型安全事件之前加以应对。这种方法从智能体能够触及的信息开始，并追问在检索开始后，这些信息如何持续得到保护。

真正的竞争在于可见性与可执行保护

Thales 押注于客户会偏好能够改变已暴露数据状态的态势平台，而非主要报告暴露情况的平台。

传统 DSPM 产品通常回答四个问题：它们定位敏感信息、识别谁能够访问、评估信息如何被使用，并建议降低风险的步骤。这一基础仍然不可或缺，因为团队无法保护尚未发现的信息。

Thales 的论点从这一流程通常结束的地方开始。仪表盘可能会标记一个包含个人记录的数据库，并识别出权限范围过广的问题。随后，安全团队必须离开该平台，与数据所有者协调，选择合适的保护方法，并在其他地方实施变更。

每一次交接都会增加延迟，也可能导致对归属权的分歧。云团队可能控制存储设置，身份团队可能管理权限，而数据安全团队可能负责加密密钥。应用开发人员仍可能依赖原始数据格式。

CipherTrust DSPM 旨在缩短这一路径。一旦实质性风险被确定优先级，同一平台就可以将发现结果与加密、令牌化或脱敏相连接。其价值主张在于，减少检测与保护之间的运营缺口。

这种设计也改变了修复的含义。移除公开访问权限或过多特权，会减少能够触及数据的实体数量。对数据进行加密或令牌化，则会降低未经授权实体即使仍获取到数据后对其加以利用的可能性。

两种方法单独使用都不充分。获得授权的服务可以解密信息，再将其发送至不恰当的目的地。配置良好的访问策略也可能在凭证被盗时失效。分层安全假定某一项控制最终会失效。

微软构成了强有力的替代选择，因为它能够将 DSPM 纳入更广泛的生产力与合规环境中。当前的 Purview DSPM 体验覆盖传统应用、AI 应用和智能体。它将安全态势洞察与数据泄露防护、内部风险工具、标签、调查和自动化修复相结合。

微软还提供 AI 可观测性，包括活跃应用和智能体的清单。管理员可以审查敏感交互、过度共享、数据外泄、异常访问以及策略覆盖情况。其优势在于与 Microsoft 365、Azure、Fabric 和 Copilot 活动紧密相连。

Palo Alto Networks 从云和 AI 基础设施的角度应对这一问题。其 AI security posture 产品可映射应用、模型、数据源及相关资源。它强调模型访问、AI 供应链风险、数据血缘，以及用于训练或推理的敏感信息。

IBM 则提供了另一条集成路径。Guardium Data Security 覆盖混合环境中从发现到修复的全过程。IBM 将其定位为针对 AI 威胁、密码学风险、合规性和跨团队工作流的统一控制平台。

这些竞争对手表明，Thales 不能仅凭发现能力取胜。客户已经可以购买能够对敏感信息分类、分析访问情况并监控 AI 活动的平台。真正的差异化必须体现在团队决定下一步行动时。

Thales 在加密和密钥管理领域拥有成熟地位。这一历史使数据层保护成为其产品战略中可信的核心。然而，客户的熟悉程度并不能证明其检测准确率更高、部署速度更快或修复结果更好。

最有力的应用场景涉及 AI 工作流不需要以明文形式获取的敏感值。以分析客户支持趋势的内部助手为例：模型可能需要产品类型、问题类别和解决时长，但并不需要姓名、银行卡详情或完整账户标识符。

在材料进入 AI 流水线之前，令牌化可替换其中受保护的值。脱敏可以只暴露任务所需的部分内容。加密能够保护存储库和派生数据存储，前提是获授权组件只能在适当条件下解密数据。

这种“保护数据本身”的方法，可在提示词、连接器或账户获得超出预期的访问范围时提供防御。它还会降低被复制到未授权位置的信息价值。这正是 Thales AI data security 背后的核心承诺。

然而，这场竞争并不真正是可见性与保护之间的对立。有效的安全措施两者都需要。没有行动的发现会产生告警疲劳；而缺乏准确分类的保护，则可能干扰应用，或让重要记录未受保护。

实际的竞争问题在于编排能力：哪个平台能够理解敏感性、身份、行为和业务目的，并据此施加干扰最小的控制？Thales CipherTrust DSPM 必须证明，其集成控制能够让这一流程更快、更可靠。

直接数据控制也会带来自身的权衡

加密、脱敏和令牌化只有在组织准确应用并保留合法工作流时，才能降低暴露风险。

Thales 的公告说明了可用控制措施，但针对实际运行结果提供的公开证据有限。它未披露与竞争产品相比的检测率、误报率、平均部署时间或可量化的修复改进。

这些缺失并不意味着相关主张无效，而是意味着潜在买家必须通过测试加以验证。一个安全平台可以识别数千项敏感资产，但如果其分类不准确，或推荐的控制措施破坏关键应用，依然会失败。

分类是第一个压力点。客户编号在一个系统中可能无害，但与另一个字段结合时可能受到监管。源代码也可能在同一存储库中同时包含机密、知识产权、个人信息或普通公开组件。

AI 生成内容和非结构化内容使这项任务更困难。一份文档可能讨论某位客户，却不使用标准标识符。一份会议转录可能包含机密战略，而一段看似常规的支持对话也可能泄露医疗或金融详情。

漏报会让敏感信息持续暴露。误报则会制造不必要的控制措施，并令用户受挫。如果平台反复将普通材料标记为高风险，团队可能会忽略其发现结果，或设置宽泛的例外。

保护措施也会改变系统行为。加密需要可靠的密钥管理和经过审慎定义的授权机制。丢失或无法访问的密钥可能使合法信息无法使用。过多的解密权限则可能削弱加密原本旨在提供的保护。

令牌化可能会使依赖原始值或特定数据关系的应用变得复杂。保留格式的令牌可以帮助某些系统继续运行，但需要谨慎设计。团队还必须保护将令牌映射回原始数据的服务。

脱敏也带来了另一项权衡。隐藏字段可能保护隐私，但会降低分析的实用性。静态脱敏可生成净化后的测试数据，而动态脱敏会改变特定用户所看到的内容。这些方法适用于不同情境，不应被视为可以互换。

AI 工作流会引入额外复杂性。保护源数据库，并不会在获授权应用检索明文后自动保护这些数据。安全团队必须追踪提示词、临时上下文、模型响应、日志、缓存、嵌入向量和工具输出。

Thales 将令牌化推广为一种方法：在让业务工作流持续运行的同时，将受监管信息排除在 AI 系统之外。当任务不需要原始值时，这一方法可以奏效。但当获授权模型确实需要针对完整记录进行推理时，它的作用就较为有限。

行为分析带来了另一种不确定性。平台需要足够可靠的活动数据，才能区分合法自动化与可疑访问。AI 智能体本身可能产生陌生模式，尤其是在新部署或工作负载变化期间。

异常并不一定代表攻击。执行获批季度审查的财务智能体，可能突然检索远多于平常的记录。被攻陷的智能体也可能模仿预期活动，同时长期少量提取数据。

攻击链关联可以帮助调查人员串联相关事件，但 Thales 尚未公布针对本次发布的独立评估。买家应询问系统采集哪些信号、如何建立基线，以及分析师如何理解风险评分。

覆盖范围同样重要。Thales 表示，该产品横跨云端、本地、混合、结构化和非结构化环境。宽泛的主张可能掩盖受支持存储库、连接器和执行方法之间的重大差异。

一个平台可能能够在某项服务中发现信息，却缺乏原生修复能力。它可能准确分类文件，却对专用数据库的可见性有限。它可能支持静态数据加密，却无法控制暴露给获授权 AI 应用的信息。

部署架构也值得仔细审查。客户应明确 Thales 扫描哪些内容、分类在何处进行，以及哪些元数据会离开其环境。他们还应了解平台本身需要哪些权限。

安全态势管理产品可能成为高价值目标，因为它能看到敏感位置、访问关系和修复路径。如果它能够应用保护控制，其管理平面被攻陷会带来额外后果。

因此，组织应测试职责分离、审计日志、审批工作流和紧急恢复机制。任何管理员都不应能够在缺乏适当监督的情况下发现、重新分类、解密并导出最敏感的数据。

最广泛的风险在于运营。引入一个集成平台，并不能消除数据所有者、安全架构师、隐私团队和应用开发人员作出决策的需求。软件可以对风险进行优先排序，但无法判断每一种可接受的业务用途。

Thales CipherTrust DSPM 只有在减少这种协调负担、同时不掩盖重要选择时才能成功。该公司提出了可信的技术机制。独立基准测试和客户部署必须证明，该机制是否能够带来更好的结果。

Thales AI Data Security 将在混合环境中接受检验

该产品最严苛的考验，将来自信息跨越遗留系统、多云、软件服务和新型 AI 流水线的企业。

云原生演示可能让数据安全看起来井然有序。扫描器找到一个存储桶，识别受监管字段，并推荐一项策略。但企业环境很少始终如此简单。

一家制造商可能将设计文件存储在本地系统中，将供应商数据保存在云数据库中，将合同放在协作软件里，并把维护记录留在专用应用内部。一个 AI 智能体可能需要从这四个位置获取特定信息。

这种环境有利于 Thales 所强调的混合覆盖重点。该公司可以将 CipherTrust DSPM 定位在现有信息系统与新兴 AI 访问之间。其加密和密钥管理背景可能吸引希望在单一云服务提供商之外保持控制权的买家。

混合覆盖能力必须逐一针对存储库加以证明。企业应询问分类是否能在数据库、文档、对象存储、软件服务和开发者系统中保持一致。他们还应测试信息移动时风险上下文是否能够保留。

记录信息来源及其变化方式的数据血缘将成为核心。如果敏感字段被复制到报告中，之后又被嵌入用于检索，平台应将这些派生内容与原始保护要求关联起来。

同样的要求也适用于智能体。一次有价值的调查所需的不只是聊天机器人的身份。它还应连接发起请求的用户、委派权限、检索来源、调用的工具、应用的控制措施和最终去向。

当大多数此类活动发生在其环境内时，微软拥有优势。Palo Alto Networks 在云安全和 AI 基础设施领域具备影响力。IBM 则可以借助成熟的企业数据安全工作流。

Thales 必须证明，其跨环境保护能力足以抵消从主导云服务商或生产力软件供应商处采购的便利性。它还需要提供安全团队无需重建应用即可部署的集成能力。

Tokyo Electron Device 在公告中提供了积极的合作伙伴视角。首席数据安全工程师 Hiroji Sugito 表示，该平台的部署和分类能力可在客户采用 AI 时帮助其理解敏感数据、访问和保护。这一表态反映的是合作伙伴的经验，不应替代独立的客户证据。

可信的评估应从明确的 AI 工作流开始。买家可以识别智能体访问的每个来源，为涉及的敏感字段添加标签，并确定允许的输出。随后，团队可以衡量发现准确率和修复工作量。

下一项测试应模拟一次访问错误。例如，一名支持代理可能被授予从非预期区域检索记录的权限。评估人员应检查 CipherTrust DSPM 是否能检测到这一暴露，并识别受影响的信息。

随后，他们应应用一项保护控制措施并观察结果。令牌化能否保留工作流程？加密会不会干扰索引？掩码处理能否在不移除代理所需信息的情况下防止泄露？

最后，团队应测试事件调查能力。分析人员需要看到哪些内容发生了变化、哪个身份采取了操作、访问到了哪些信息，以及受保护的值对未获授权的进程是否仍然可用。

这些场景比通用功能清单更重要。大多数领先产品都可以宣称具备发现、分类、行为分析和 AI 安全能力。买家需要证据证明，这些控制措施能在一次现实的故障中协同发挥作用。

Thales 的发布也反映出更广泛的融合趋势。DSPM、数据丢失防护、身份安全、云态势管理和 AI 安全正越来越多地审视同一批事件。一次可疑的代理请求可能同时涉及权限、敏感数据、基础设施配置和模型行为。

厂商将通过扩展平台边界作出回应。数据安全公司将加入 AI 上下文。云安全提供商将深化分类能力。生产力工具厂商将把信息标签连接到助手和代理。

这种融合也给客户带来压力。不同团队无法通过彼此隔离的控制台和不兼容的风险评分来调查同一事件。买家会更倾向于选择既能共享上下文、又能保持清晰控制权归属的产品。

Thales 提议将数据保护作为组织层。当地敏感信息跨越多个平台流转、且其稳定性高于周边应用程序时，这一策略是合理的。如果客户无法在这些平台上统一应用控制措施，它的说服力就会减弱。

因此，这次发布带来了一个可衡量的问题：Thales 能否在信息流动过程中持续一致地保护它，还是集成会止步于受支持系统的边界？早期混合部署应能给出答案。

CipherTrust DSPM 发布后值得关注的事项

以下三个信号将表明 Thales 是改变了 DSPM 运营方式，还是仅仅扩展了该类别的功能清单。

第一个信号是独立的客户证据。Thales 需要部署案例来报告检测准确率、对重大风险进行优先级排序所需的时间，以及应用保护控制措施所需的时间。案例研究应描述最初的暴露情况和运营结果，而不仅仅是扫描的资产数量。

强有力的结果将支持这样一种主张：集成式保护能够缩小发现与行动之间的差距。以可见性为中心的模糊客户证言，则会削弱产品所提出的差异化定位。

第二个信号是连接器与执行覆盖范围。Thales 应说明哪些存储库支持发现、行为上下文和直接保护。买家需要知道平台何时能够修复发现的问题，何时只能建议采取外部行动。

若新增对主流软件服务、向量数据库、代理框架和 AI 开发平台的支持，将强化混合策略。若在常见企业系统之间的保护能力参差不齐，产品就会更像它试图替代的碎片化工作流程。

第三个信号是竞争对手的反应。Microsoft、Palo Alto Networks、IBM 以及专业 DSPM 厂商不太可能让直接修复成为 Thales 独有的类别。他们可以加入更深入的加密控制、建立合作关系，或将现有能力表述为同等方案。

如果竞争对手从其态势管理界面强调原生加密、令牌化和掩码能力，Thales 就将影响市场对 DSPM 的定义。如果客户继续优先考虑可观测性和访问治理，那么其以数据保护为核心的定位仍将是一种更狭窄的替代方案。

安全负责人还应关注代理如何改变采购标准。应用程序和模型的清单固然有用，但企业越来越需要了解委托权限和信息流动。无法将代理操作关联到特定数据控制措施的产品，会让调查人员只能得到不完整的事件脉络。

实际结论并不是每个组织都需要立即引入新平台。团队首先应梳理其 AI 系统可访问的敏感信息。他们应识别权限、分类和直接保护已在哪些场景生效，然后找出它们之间的缺口。

一次有价值的审查应从单个生产工作流程开始。询问代理能检索哪些数据、它真正需要哪些值、输出会存留在哪里，以及如何撤销访问权限。接着测试加密、令牌化或掩码是否能在不损害任务执行的前提下降低风险。

Thales CipherTrust DSPM 提供了一个连贯的答案：发现暴露的信息，借助活动上下文对其进行优先级排序，并从同一平台保护数据。这是一个有意义的产品方向，但此次公告仍只是证据验证周期的起点。

企业现在应要求可衡量的结果。团队从发现问题到实施保护需要多长时间？有多少应用程序需要改动？哪些数据副本仍处于执行范围之外？答案将决定 Thales 是否真正缩小了 DSPM 修复差距，还是只是将其描述得更清楚。