Overview
Alors que les entreprises s'appuient de plus en plus sur des plateformes de données en nuage pour la veille stratégique, la protection des données sensibles dans l'ensemble de leur pile de données devient primordiale.
La désidentification des données, une facette du masquage des données, consiste à supprimer ou à transformer les informations sensibles telles que les informations d'identification personnelle (PII) et les informations de santé protégées (PHI). La dépersonnalisation rompt le lien avec la personne à laquelle appartiennent les données, ce qui facilite le partage des données entre les chercheurs ou les analystes commerciaux et leur permet d'extraire des informations sans compromettre la protection de la vie privée.
La dépersonnalisation des données est nécessaire dans de nombreux cadres réglementaires, notamment HIPAA, CCPA, CPRA, GDPR et FERPA. Bien que cette exigence s'applique à différents secteurs, la règle de confidentialité de l'HIPAA prévoit des normes explicites pour la dépersonnalisation dans les sections 164.514(b) et (c). Cet accent est principalement associé à la protection de la vie privée des patients, ce qui fait que la dépersonnalisation est couramment associée aux données médicales.
Défis liés à la dépersonnalisation des données sensibles
Bien que de nombreux systèmes offrent des capacités de masquage au niveau de l'ensemble ou de la colonne, les organisations sont souvent confrontées au défi que représente le traitement de pétaoctets de données sensibles. Le masquage des données à l'échelle d'une organisation entière est une tâche énorme qui ne peut pas être accomplie efficacement manuellement.
De plus, certains outils vont encore plus loin en permettant de masquer les données en fonction des rôles ou des droits personnalisés. L'approche conventionnelle consiste à masquer les données sensibles pour les personnes qui ne devraient pas y avoir accès et à les laisser non masquées pour les personnes qui doivent y avoir accès. Toutefois, des complications surviennent lorsque certains rôles nécessitent l'accès à des données sensibles spécifiques. Par exemple, l'équipe chargée de la réussite des clients peut avoir besoin de droits de visibilité ou de modification pour les numéros de téléphone ou les adresses électroniques.
Netskope DSPM propose une solution complète pour la découverte de données sensibles, automatisant la détection et la classification des données sensibles à travers l’ensemble de l’écosystème des données cloud. En intégrant les sources de données avec Netskope DSPM, les organisations peuvent standardiser la classification et le marquage des identifiants directs, indirects et autres sensibles. Cela permet la création de politiques dynamiques et évolutives sur Snowflake et diverses autres plateformes de données.
L'approche de Netskope DSPM en matière de dépersonnalisation des données
Netskope DSPM adopte une stratégie polyvalente pour faciliter la désidentification des données dans les environnements clients. Cela est réalisé grâce à son moteur de politique sans code et à son flux de travail flexible qui peut déclencher le masquage de l’une des manières suivantes :
Cette approche adaptable garantit que Netskope DSPM s’intègre parfaitement avec différents systèmes, permettant aux clients de choisir la méthode la plus adaptée pour la dé-identification des données en fonction de leurs besoins spécifiques et de l’infrastructure existante.
- Orchestrer les politiques de masquage des magasins de données natifs
Plusieurs entrepôts de données et plateformes de lac de données, tels que Snowflake et Databricks, offrent un masquage dynamique des données. Cette fonction de sécurité au niveau de la colonne masque sélectivement les données en texte clair en fonction du rôle de l'utilisateur.
Netskope DSPM peut exploiter cette fonctionnalité pour supporter des politiques dynamiques de masquage des données basées sur le type de données, les attributs utilisateur et les règles métier personnalisées (par exemple : « les employés du département Marketing ne peuvent voir que les données personnelles masquées »).
Pour un exemple détaillé de la façon dont Netskope DSPM s'intègre à ces outils et automatise les politiques de masquage dynamique des données dans Snowflake, reportez-vous à ce document : Automatisation des politiques de masquage dynamique des données dans Snowflake.
- Déclenchement de la dépersonnalisation via des outils tiers
Le flux de travail de Netskope DSPMpeut envoyer des notifications à des outils tiers via des canaux standard tels que Pub/Sub, Webhook, SNS, et plus encore. De plus, les API ouvertes de Netskope DSPM permettent aux outils tiers d'ingérer automatiquement le contexte et les informations provenant de Netskope DSPM.
Ces fonctionnalités permettent à Netskope DSPM de s'intégrer parfaitement aux solutions de dé-identification et de masquage existantes. Par exemple, une politique Netskope DSPM peut déclencher automatiquement la dé-identification des données sensibles via des outils comme Immuta, IBM Optim, PKWARE, etc.
Plus de détails sur l'API ouverte de Netskope DSPM sont disponibles ici.
- Exploitant la technologie de masquage intégrée de Netskope DSPM
Netskope DSPM prend en charge un flux de travail intégré pour des techniques de masquage courantes, y compris la substitution de données, la rédaction et le hachage. Ces flux de travail sont conçus pour fournir des capacités de masquage de base lorsque des outils tiers ou des fonctions natives de masquage ne sont pas disponibles. Les fonctions de masquage intégrées de Netskope DSPM peuvent être encore personnalisées pour des bases de données et des cas d’usage spécifiques. Veuillez parler avec votre représentant du service client pour en savoir plus sur ces fonctionnalités.
Prenons un exemple
L'exemple suivant illustre le masquage des informations personnelles identifiables (PII) via le flux de travail Netskope DSPM .
- Le moteur de classification intégré de Netskope DSPM classe automatiquement les données sensibles telles que les numéros de sécurité sociale (SSN).
- L'image ci-dessous montre la classification des numéros de sécurité sociale (SSN) par Netskope DSPM.
- Créer une politique de classification en utilisant le moteur de politique sans code de Netskope DSPM
- Ajoutez des conditions pour déclencher la politique.
- Utilisation de types de données comme le SSN dans l'exemple ci-dessous
- [Facultatif] Vous pouvez prévisualiser les champs existants qui correspondent aux conditions de votre politique.
- Attachez le flux de travail que vous souhaitez déclencher pour désidentifier les données sensibles.
- Notez que les champs qui étaient auparavant en texte clair sont maintenant masqués.
- Voir le SSN masqué dans l'exemple ci-dessous
Pour en savoir plus sur les politiques DSPM de Netskope, veuillez consulter notre [article de la page de gestion des politiques]().