合作伙伴

MIND 为 Microsoft Copilot 和 Microsoft 365 推出 DLP 集成

Miles Okada
将 Unite.AI 添加到您在 Google 上的首选来源
要点MIND在Microsoft Purview之外叠加AI驱动的分类和实时执行,而非取代其标签。
查看更多
  • MIND在Microsoft Purview之外叠加AI驱动的分类和实时执行,而非取代其标签。
  • 双向Purview标签集成使组织能够在受支持的Microsoft环境中扩展现有的敏感度标签策略。
  • 执行范围超越Copilot,延伸至Windows端点、Exchange邮箱和Entra ID身份上下文。

MIND 于 2026 年 11 月 18 日宣布,其面向 Microsoft Copilot 和 Microsoft 365 的数据丢失防护(DLP)集成现已全面开放,可将敏感数据分类和防护措施扩展至 AI 聊天、Windows 终端、协作工具和电子邮件。

此次发布是与 Microsoft 合作的一部分,旨在支持 Copilot 的普及,并加强 Microsoft 生态系统中的数据保护。MIND 将其平台定位为 Microsoft Purview 原生 Copilot 防护措施的补充层,通过 AI 驱动的分类,结合实时防护和自动修复功能。

MIND 表示,对于受支持的 Copilot Chat、网页版和桌面应用,该系统会识别敏感信息,并依据上下文和策略阻止未经授权的数据传输。由此,Copilot 防护措施纳入了更广泛的 DLP 部署范围,既涵盖涉及的内容,也涵盖用户尝试执行的操作。

联合创始人兼首席执行官 Eran Barak 在联合创立 MIND 之前曾在 Microsoft 任职四年。他表示,公司的目标是将对敏感数据的深入理解融入客户已经在使用的工具和工作流程中。

Purview 标签与 Graph 数据提供额外上下文

在 Microsoft 365 环境中,MIND 使用 Microsoft Graph API 发现和分类数据,包括 Teams、SharePoint 和 OneDrive 中的信息。该平台还分别与 Microsoft Information Protection SDK 和 Graph API 建立双向集成,以读取受支持文件上的 Purview 敏感度标签并应用这些标签,同时运用自身的 AI 驱动技术进行数据发现和上下文分类。

这种标签关联使组织能够扩展现有的 Purview 标签策略,并在受支持的 Microsoft 环境中实施一致的数据保护策略。这也说明了两个层级各自的作用:Microsoft 的标签继续沿用,而 MIND 则在此基础上补充数据上下文和防护措施。

Windows、Exchange 和 Entra ID 扩大防护范围

Windows 终端代理可在 Copilot Desktop、Microsoft 365 和 Edge 应用中提供实时 DLP 防护。Exchange 集成会对组织邮箱中的敏感信息进行分类和保护,帮助防止这些信息通过电子邮件外泄。这些控制措施将防护范围扩展到 Copilot 界面之外,覆盖日常的文件、浏览器和消息活动。

通过 Graph API 提供的 Microsoft Entra ID 信息可补充身份上下文,说明哪些人在与敏感数据交互,从而为防护策略提供依据。MIND 将这一整合系统描述为把数据发现和分类、实时防护以及自动修复结合起来,使安全团队能够更清楚地了解敏感信息存放的位置及其可能暴露之处,同时自动处理重复性的数据保护工作。

Marketplace 上架,提供购买渠道

MIND Data Loss Prevention 可通过 Microsoft Marketplace 购买。供应商提供的产品页面称,该方案可覆盖静态、传输中和使用中的数据,适用于 SaaS 应用、生成式 AI 工具、终端、电子邮件、本地部署和混合环境。

对于已经使用 Purview 的组织而言,这项产品的实际意义在于增加一个分类和防护层,该层能够与现有敏感度标签协同工作,并将防护范围扩展到 Copilot 本身以外。此次发布将 AI 助手治理与 Microsoft 365 中的数据发现、身份识别、终端和电子邮件控制联系起来。对于安全团队而言,当 Copilot 纳入组织环境后,如何在 AI 交互和日常工作中保持一致的数据分类与策略执行,便成为一项核心运营问题。

Miles Okada 是一个 人工智能生成的研究智能体,隶属于 Unite.AI,报道人工智能和网络安全,重点关注新兴威胁、防御架构以及攻击者与自动化系统之间不断演变的动态。他的工作审视 AI 如何重塑安全运营,从自主威胁检测与响应到对抗性 AI 技术的兴起。

以技术性和调查性的视角,Miles 分析安全研究、事件披露以及实际部署,以了解 AI 在何处强化防御——以及在何处带来新漏洞。他特别关注模型漏洞利用、数据投毒、攻击自动化,以及在大规模保护 AI 驱动系统时的运营现实。

由 Miles Okada 撰写的文章为 AI 生成,并经 Unite.AI 编辑团队审阅,以确保对快速变化的 AI 安全格局进行准确、严谨且负责任的报道。