文章总结: 深信服在IDC敏感数据识别智能体实测中核心能力获满分,凭借动静态一体识别、流量身份化、强泛化能力及三千亿Token模型底座,实现效率大幅提升与高准确率,已在多行业落地,展示了AI赋能数据安全的领先技术与实战成效。 综合评分: 45 文章分类: 软文广告,产品介绍,数据安全,AI安全,解决方案
权威实测认证 | 敏感数据识别智能体实战领先,核心能力全满分!
原创
智安全
深信服科技
2026年1月7日 17:37 广东
以AI赋能数据安全,从技术深耕到产业落地。
近日,IDC发布了《中国敏感数据识别智能体实测,2025》(Doc#CHC53973825,2025年12月) 评估报告,从7大维度系统评估中国市场主流敏感数据识别智能体的检测能力。
深信服科技在敏感数据识别效果、多模态数据支持、行业适配等核心能力维度均获满分,5大维度实力领先,成为中国敏感数据识别智能体真正能打的“实力派选手”!
当“数据要素”成为数字经济的核心驱动力,数据安全已从网络安全的 “附属品” 独立成为企业数字化转型和业务创新的 “核心支柱”。
IDC在报告中明确指出数据安全正在经历的技术变革:
近一半企业的数据资产属于敏感或机密类别,数据流转中的安全隐患增加,传统依赖关键词特征匹配、基于经验的机器学习模型已难以应对。大模型带来的技术的突破,正推动安全产品从 “单一功能” 向 “智能化、自动化的安全智能体” 升级。
这是IDC首次对中国敏感数据识别智能体开展实测,通过头部厂商调研访谈、技术能力场景验证、真实用户使用反馈等进行系统客观的评估。在报告中,IDC给予了深信服高度认可:“数据安全大模型技术与数据识别智能体成熟度高,市场实践与沉淀丰富。”
原因在于看清趋势,提前布局。
深信服的敏感数据识别智能体以数据安全大模型为核心,已经过两年的市场验证,服务于上百家用户,沉淀了上千API对接,数十款内外工具调用,迭代升级过十余个核心版本,成为本次实测中“技术成熟度 + 落地实效”双优、核心能力无短板的厂商。
以AI重构数据安全 用实力说话!
凭借多年技术与产品能力积淀,深信服在实测中以 4大核心优势,精准击中企业数据安全建设中的痛点:
动静态一体识别,效率提升40倍 +
基于创新的AI动静态数据深度识别技术,基础GPU资源可实现数万字段/天的数据识别和分类分级,相较传统人工提效 40 倍以上。深度融合动态API流量与静态数据库的识别,帮用户快速构建“数据资产一张图”。
流量身份化,看清敏感数据动向
基于流量身份化技术,将数据使用过程与用户身份深度关联,实现 “用户 – 业务 – 数据资产” 全链路可视;同时让敏感数据的流转轨迹一目了然,据此判断数据安全管控手段的投资优先级,助力用户优化安全投资策略。
强泛化能力,开箱即用,准确率 90%+
基于创新的 REFT 强化学习技术,不需强依赖行业专属训练数据集,AI自动化分类分级功能开箱即用,内置行业准确率 90%+,未知行业开箱即用准确率 70%+,满足政企单位等敏感数据识别精准需求。
硬核实力:3000亿Token筑牢技术底座
作为较早发布自研数据安全大模型的厂商,深信服安全基模基于 3000 亿 Token 预训练数据 、800 万微调指令、大量数据安全与AI人才投入,保证大模型的高可用性和稳定性。且经历丰富用户实践与多次迭代,具备了成熟的幻觉控制与合规遵循能力。
多行业落地实战 用效果说话!
如今,深信服敏感数据识别智能体已服务上百家用户,覆盖金融、政府、能源、交通、制造等多行业,积累了丰富的场景实践经验与可复用的行业模板。
IDC指出,敏感数据识别智能体仍处于快速发展阶段,未来将在智能化水平持续提升、多模态数据识别能力增强、行业场景深度融合、与数据安全全流程联动等方面持续演进。
深信服将以大模型技术为核心,凭借扎实的技术积累、成熟的产品能力和丰富的行业实践,推动数据安全治理向更智能、更自动化、更全行业场景的未来迈进,助力企业构建全方位的数据安全屏障!
往期推荐
+
AI时代,数据安全如何走出「投入无果」的困局 ?
+
政务数据安全领域重要国家标准正式发布!深信服深度参编
+
国家级测试夺魁:包揽三项第一,彰显“AI+安全”硬实力!
扫码了解
深信服数据安全平台DSP
免责声明:
本文所载程序、技术方法仅面向合法合规的安全研究与教学场景,旨在提升网络安全防护能力,具有明确的技术研究属性。
任何单位或个人未经授权,将本文内容用于攻击、破坏等非法用途的,由此引发的全部法律责任、民事赔偿及连带责任,均由行为人独立承担,本站不承担任何连带责任。
本站内容均为技术交流与知识分享目的发布,若存在版权侵权或其他异议,请通过邮件联系处理,具体联系方式可点击页面上方的联系我。
本文转载自:深信服科技 智安全《权威实测认证 | 敏感数据识别智能体实战领先,核心能力全满分!》
版权声明
本站仅做备份收录,仅供研究与教学参考之用。
读者将信息用于其他用途的,全部法律及连带责任由读者自行承担,本站不承担任何责任。










评论