產品路線圖，合同和公司戰略的其他組成部分形式的數百萬個文檔也代表了內部或云中存儲的無結構的脆弱數據，事實證明如此。

一家名為Concentric的數據安全初創公司本周從隱身模式中脫穎而出，聲稱是第一個使用深度學習工具來幫助公司確定非結構化數據駐留在何處以及如何保護它的公司。在量化數據安全挑戰的同時，Concentric還聲稱其“語義智能”平臺可生成洞察力，這些洞察力可用于保護戰略數據，同時還可滿足數據治理要求。

由業內資深人士創立的這家位于圣何塞的創業公司也在周三（1月29日）宣布了由Clear Ventures牽頭的750萬美元融資。

Clear Venture的創始人兼管理合伙人克里斯·魯斯特（Chris Rust）說：“非結構化數據現在是該行業的主要威脅面，因為它高度分散并且以各種形式出現，并且很難保護關鍵業務內容。”

同心的自動化方法應用深度學習來生成對非結構化數據的語義理解。根據這家初創公司的說法，其框架可以發現，分類和分類業務文檔。該初創公司發布的另一份數據風險報告指出，企業數據中心通常包含數百萬個不安全的文檔，這些文檔可能在組織之間不適當地共享。

除了通過“過度共享”防止數據泄露外，該方法還可以保護用戶免受與越來越多的數據隱私法規有關的罰款。

安全挑戰帶來了從薪資信息到源代碼的各種非結構化公司數據，而且這種情況正在增長。同心估計，一家普通公司平均可產生約1000萬份文檔，其中約120萬份文檔被視為“關鍵業務”。

根據數據安全性研究，超過80%的企業數據是非結構化的，這意味著它們被嵌入到組織中分布的文檔和源代碼文件中。隨著員工“共享”安全分類不足的數據，這些數據變得更加脆弱。

Concentric首席執行官兼聯合創始人Karthik Krishnan表示：“大量數據沒有安全保障，無法識別，分類錯誤并處于風險之中。” “目前，非結構化數據非常豐富且分散，其中包括數量驚人的關鍵業務信息。”

該初創公司指出，當前用于保護數據庫或限制訪問的安全框架并不涵蓋非結構化數據。考慮到非結構化數據安全性問題的范圍，其語義平臺尋求使一項任務自動化，而這將使已經應對持續不斷的錯誤警報的IT團隊不堪重負。

Concentric沒有提供有關其語義智能平臺的技術細節，但聲稱已經掃描了來自金融和醫療保健行業客戶的2600萬個非結構化數據文件。它的深度學習方法通??常側重于過度共享業務文檔。該框架采用了一個公式，該公式權衡了由于安全違規和不適當的文檔共享而造成的物質損失。

數據安全研究發現，過度共享非結構化公司數據非常重要，因為它“大大增加了威脅面”。

這家初創公司的創始人曾在網絡和安全公司工作，包括Aruba Networks，Hewlett Packard Enterprise，Juniper Networks，PGP Corp.及其母公司Symantec。

旨在幫助實現數據安全自動化的機器學習方法在公共和私營部門中都越來越受歡迎。例如，國防高級研究計劃局去年宣布了一項努力，以填補企業網絡中的安全漏洞。該機構說，例如，在DARPA計劃下開發的威脅檢測算法可用于對威脅“在不同數據類型和來源的情況下”。