Hva er datamaskering, og når kan du bruke det?

Hva er datamaskering

"Datamaskering er en prosess for å skjule konfidensielle data fra brukeren gjennom ulike metoder, mens den fortsatt er tilgjengelig for bruk av applikasjonsprogrammer og forretningsprosesser."

Hvert år avslører datainnbrudd millioner av menneskers sensitive informasjon, noe som fører til at mange bedrifter taper millioner. I virkeligheten er gjennomsnittskostnaden for et datainnbrudd $4,24 millioner i 2021 . Personlig identifiserbar informasjon (PII) er den dyreste blant alle kompromitterte kategorier av data.

Derfor prioriterer mange bedrifter nå databeskyttelse fremfor alt annet. Som et resultat har datamaskering utviklet seg til en uunnværlig metode for mange firmaer for å beskytte sine sensitive data.

Hva er datamaskering?

Datamaskering er en prosess for å maskere sensitive data. Den beskytter sensitive data ved å erstatte dem med ikke-sensitive eller pseudodata. Den kan brukes som et sikkerhetstiltak for å beskytte sensitive data mot uautorisert tilgang og utilsiktet modifikasjon.

Datamaskering kan utføres på forskjellige stadier av programvareutviklingslivssyklusen (SDLC):

  • Under applikasjonsutvikling – applikasjoner utvikles ved hjelp av maskerte data i stedet for ekte data. Dette beskytter de originale dataene fra å bli eksponert for utviklere eller testere.
  • Under testing – testtilfeller utføres ved å bruke maskerte data i stedet for ekte data. Dette beskytter de originale dataene fra å bli eksponert for testere under testing .
  • Etter distribusjon – applikasjoner distribueres ved hjelp av maskerte data i stedet for ekte data. Dette beskytter de originale dataene fra å bli eksponert for sluttbrukere etter distribusjon.

Typer datamaskering

Maskering av sensitive data beskytter effektivt sensitiv informasjon mens den behandles eller lagres i et miljø der den kan bli utsatt for uautoriserte brukere eller applikasjoner. Datamaskering kan brukes på flere applikasjonslivssyklusstadier, inkludert utviklings-, test- og produksjonsmiljøer.

Datamaskering kan implementeres ved å bruke en av følgende metoder:

On-the-fly: Denne typen datamaskering skjer når en applikasjon behandler sensitive data. Applikasjonen vil erstatte de sensitive feltene med tilfeldige tall, bokstaver eller symboler før de sendes ut til andre applikasjoner eller back-end-systemer.

Dynamisk: Dynamisk datamaskering bruker teknikker som kryptering og tokenisering for å beskytte dine sensitive data. Den gjør dette ved å bruke én teknikk om gangen basert på hvor mye beskyttelse du trenger for hver del av sensitive data.

Statisk: Statisk datamaskering bruker Advanced Encryption Standard (AES) algoritme for å kryptere alle dine sensitive data og deretter erstatte dem med kunstige verdier før du sender dem andre steder i nettverket ditt.

Deterministisk: Denne metoden erstatter faktiske verdier med tilfeldige verdier, slik at ingen to rader har samsvarende verdier når de først er maskert. Resultatet er et fullstendig tap av betydning for den opprinnelige verdien, men tillater fortsatt statistisk analyse av det maskerte datasettet som om det aldri var maskert.

Tilsløring av statiske data: maskering av sensitive data bruker randomiseringsteknikker for å forstyrre mønstre i dataene uten å miste viktig informasjon om dens semantikk (f.eks. strukturen). Statisk obfuskering indikerer ikke at en oppføring har blitt endret fra sin opprinnelige tilstand; Følgelig kan det være noen tilfeller der statisk tilsløring ikke kan brukes uten å risikere konfidensialiteten eller integriteten til datasettet ditt.

Datamaskeringsteknikker

Det er mange teknikker tilgjengelig for å implementere datamaskering, for eksempel:

Blander

Blanding innebærer å permutere elementene i kolonnedata for å sikre ingen korrelasjon mellom dem. For eksempel, hvis verdiene er fra 1 til 9, vil stokking bety at radene blir ordnet i tilfeldig rekkefølge.

Uskarphet

Uskarphet innebærer å skjule felt i rader ved å bruke støyfunksjoner som Gaussisk uskarphet eller medianfilter. Denne teknikken endrer ikke det totale antallet kolonner eller rader, men endrer verdiene deres. Det gir imidlertid ikke betydelig beskyttelse mot korrelasjonsangrep fordi støyfunksjoner er enkle å reversere ved å bruke statistiske analyseteknikker som lineær regresjonsanalyse.

Substitusjon

De sensitive dataene erstattes med en plassholderverdi (som et sekvensnummer) som ikke avslører noen informasjon om de opprinnelige dataene. For eksempel kan kredittkortnumre i finansielle tjenester være maskert med meningsløse tall som ikke kan spores tilbake til faktiske kortholdere.

Tokenisering

Tokenisering erstatter en del av sensitive data med en annen som ikke har noen verdi i seg selv, men som kan gjenkjennes av en applikasjon som tilhørende en bestemt kategori. For eksempel kan bankkontonumre erstattes med tilfeldige tokens i stedet for faktiske kontonumre. 

Karakterkryptering

De sensitive dataene er kryptert slik at de ikke kan reverseres tilbake til sin opprinnelige form.

Eksempler på datamaskering – hvor kan du bruke det!

Maskering av sensitive data beskytter mot datasikkerhetstrusler ved:

Beskytter mot datasikkerhetstrusler

Datamaskering beskytter mot sikkerhetstrusler ved å maskere sensitiv informasjon, som kredittkortnumre, personnummer og annen PII (Personlig Identifiserbar Informasjon) som kan lagres i databaser eller regneark. På denne måten, hvis en hacker eller uautorisert person får tilgang til databasen eller regnearket ditt, vil de ikke kunne se de virkelige dataene. De maskerte dataene vil se ut som søppel for dem.

Tillater informasjonsdeling

Ved å beskytte sensitiv informasjon med Datamaskering kan du trygt dele informasjon med tredjeparter uten å bekymre deg for at de skal få tilgang til de underliggende dataene. Dette lar deg jobbe mer effektivt med tredjeparter ved å dele viktig informasjon som kundelister og salgsdata samtidig som personvern og konfidensialitet bevares.

Bevar format og struktur

Datamaskering bevarer formatet og strukturen til data slik at forretningsdata fortsatt kan brukes til testing. Dette gjør at bedrifter kan fortsette å bruke sine eksisterende applikasjoner uten å gjøre endringer eller omskrive kode, noe som bidrar til å unngå forstyrrelser når de distribuerer nye systemer. Datamaskering lar bedrifter teste ekte data uten å bekymre seg for lekkasje av sensitiv informasjon.

Beskytt sensitive data mot utilsiktet tilgang

Datamaskering sikrer at kun autoriserte brukere har tilgang til sensitiv informasjon. Den forhindrer utilsiktet utgivelse av private data ved å fjerne alle personlige identifikatorer som navn, adresse, telefonnummer eller personnummer (SSN). Den fjerner også annen identifiserende informasjon som medisinsk historie, kredittkortnumre, førerkortnumre og passnumre, slik at de ikke er synlige når du ser på maskerte data.

Siste ord

Datamaskering er en viktig komponent når det gjelder å beskytte sensitive data. Hvis du har en personlig eller forretningsdatabase og ikke har en prosess som beskytter disse dataene, kan den risikere å bli eksponert. Beslutningen om å implementere den bør også være en nøye studert og planlagt strategi. 

For å få hjelp til å øke e-postens sikkerhet, implementer DMARC for beskyttelse mot spoofing og phishing-angrep.

Siste innlegg av Ahona Rudra ( se alle )
/av