DLP контролирует движение данных по сети и каналам. DataTrust ПДН отвечает на другой вопрос — где именно и в каких колонках у вас хранятся ПДн. Это инвентаризация и классификация на уровне СУБД, которая нужна как раз для того, чтобы DLP знал, какие данные защищать. Продукты не конкурируют — они дополняют друг друга

Это ключевой кейс продукта. Когда колонка называется _Fld2341, имя ничего не говорит — но LLM анализирует содержимое колонки и контекст соседних. Если в колонке встречаются строки из 11 цифр, начинающиеся на 7 или 8, плюс рядом колонка с email и ФИО — это с высокой вероятностью телефонный номер клиента. Детерминированные валидаторы дополнительно проверяют формат

Зависит от выбранного режима. В локальном режиме LLM разворачивается в вашем контуре — данные не покидают периметр. В облачном режиме используются внешние модели — это быстрее и точнее, но требует анализа политики ИБ. Режим выбирается на уровне источника: можно для одних БД использовать локальный инференс, для других — облачный

Да, full on-premise развёртывание поддерживается. Локальный LLM-стек требует GPU-узла (минимальная конфигурация и точные требования согласуются под объём периметра). При этом детерминированные валидаторы и ML NER работают независимо от LLM и не требуют GPU — даже без облака базовая классификация прямых идентификаторов сохраняет точность ~99%

Повторные сканирования сравнивают схему с предыдущим состоянием. Новая таблица или колонка автоматически попадает в очередь классификации, а реестр обновляется. Если новый объект содержит ПДн без классификации — генерируется алерт для DPO. Расписание сканов настраивается: от ежечасных до еженедельных по каждому источнику отдельно

Достаточно read-only учётной записи с правом чтения схемы (INFORMATION_SCHEMA или аналог) и выборочного SELECT по таблицам. Никаких прав на запись или DDL не требуется. Для сэмплирования сканер читает ограниченное количество строк из каждой таблицы — нагрузка на боевые СУБД минимальна и контролируется настройками rate limit

От пары минут до нескольких часов в зависимости от количества таблиц и режима LLM. Для типового корпоративного контура (10−30 источников, тысячи таблиц) первое полное сканирование укладывается в одну рабочую ночь. Последующие инкрементальные сканы — на порядок быстрее, поскольку анализируются только изменения схемы и новые объекты

Сейчас в продуктиве: Oracle Database, PostgreSQL, MySQL, Microsoft SQL Server. Поддержка ClickHouse, MongoDB и других источников находится в roadmap и приоритизируется по запросам клиентов. Если у вас критичны такие СУБД — сообщите менеджеру при демо, мы оценим сроки добавления в рамках вашего проекта.