Kas ir datu pārvaldība drošībai?

Datu pārvaldība ir svarīga drošībai, jo tā organizācijām nodrošina konsekventu veidu, kā identificēt sensitīvus datus, tos aizsargāt, kontrolēt piekļuvi tiem un uzraudzīt, kā tie tiek izmantoti. Kad šis pamats ir izveidots, drošības komandas var mazināt risku sarežģītās vidēs, kas ietver mākoņpakalpojumus, lokālās sistēmas, SaaS lietotnes, galapunktus un MI rīkus.

Spēcīga datu pārvaldība palīdz drošības komandām samazināt datu noplūžu, kiberuzbrukumuun iekšējo draudu risku, padarot sensitīvus datus vieglāk atrodamus, klasificējamus, aizsargājamus un izsekojamus. Tā arī samazina nejaušu atklāšanu, piemērojot skaidras piekļuves kontroles un politiku izpildi, lai dati būtu mazāk pakļauti pārmērīgai kopīgošanai vai apstrādei ārpus apstiprinātajām robežām.

Organizācijām ieviešot vairāk mākoņpakalpojumu, SaaS platformu un MI lietotņu, pārvaldība nodrošina kopīgu struktūru aizsardzības un atbilstības praksei visās šajās vidēs. Šī konsekvence palīdz komandām pārvaldīt datu risku, nepaļaujoties uz atšķirīgiem noteikumiem katrai sistēmai vai darbplūsmai.

Galvenie ieguvumi drošības komandām

Labi definēta pārvaldības programma var palīdzēt organizācijām:

• Mazināt pārkāpumu un iekšējo draudu risku, identificējot, aizsargājot un uzraugot sensitīvus datus.
• Novērst nejaušu atklāšanu un pārmērīgu kopīgošanu, izmantojot spēcīgas piekļuves kontroles un politiku izpildi.
• Atbalstīt mākoņa, SaaS un AI ieviešanu, visās vidēs piemērojot standartizētas aizsardzības un atbilstības prakses.
• Stiprināt atbilstību un gatavību auditam, saskaņojot datu apstrādi ar juridiskajām, regulatīvajām un nozares prasībām.
• Uzlabot incidentu reaģēšanu, padarot datu piekļuvi un izmantošanu vieglāk izsekojamu izmeklēšanas laikā.
• Veidot uzticēšanos biznesa un MI datiem, lai komandas varētu pieņemt lēmumus ar lielāku pārliecību.
• Palielināt darbības efektivitāti, izmantojot vairāk automatizētas un standartizētas kontroles.

Bez skaidras pārvaldības drošības komandas bieži pavada vairāk laika, mēģinot atrast sensitīvos datus, noskaidrot, kam ir piekļuve, un salikt kopā, kā informācija pārvietojās starp sistēmām. Ja pārvaldība ir ieviesta, ir spēcīgāks pamats aizsardzībai, izmeklēšanai, atbilstības pārbaudēm un ikdienas lēmumu pieņemšanai.

Mūsdienīgai, uz drošību vērstai datu pārvaldības programmai ir vajadzīgas divas lietas:

• Skaidrs dzīves cikls, kā tiek veikts pārvaldības darbs.
• Galveno fokusa jomu kopums, kas vada ikdienas lēmumus.

Kopā šie elementi palīdz organizācijām identificēt, klasificēt, aizsargāt un uzraudzīt sensitīvus datus visā uzņēmumā.

Praktisks ietvars sākas ar atkārtojamu dzīves ciklu. Katrs posms balstās uz iepriekšējo, sniedzot drošības operāciju (SecOps) komandām strukturētu veidu, kā laika gaitā pārvaldīt datu risku.

1. Definējiet politikas un standartus

Nosakiet noteikumus par to, kā sensitīvi dati ir jāklasificē, tiem jāpiešķir piekļuve, tie jākopīgo, jāuzglabā un jāaizsargā, sākot no paša sākuma iebūvējot drošības un atbilstības prasības.

2. Īstenojiet drošības un pārvaldības kontroles

Īstenojiet šos noteikumus praksē, izmantojot tehniskās kontroles, piekļuves ierobežojumus, marķēšanu un politiku izpildi visās sistēmās un darbplūsmās.

3. Pārraugiet datu lietojumu un riskus

Sekojiet, kur sensitīvi dati pārvietojas, kā tie tiek izmantoti un kur var rasties riskanta darbība vai politikas novirze.

4. Izmeklējiet un novērsiet incidentus

Pārskatiet problēmas, izsekojiet darbību, ierobežojiet ekspozīciju un novērsiet trūkumus piekļuvē, apstrādē vai uzraudzībā.

5. Atkārtojiet un uzlabojiet

Pilnveidojiet politikas, kontroles mehānismus un procesus, mainoties draudiem, biznesa vajadzībām, tehnoloģijām un regulējumam.

Datu pārvaldības briedums palīdz organizācijām novērtēt pašreizējo programmu no drošības skatpunkta — no ad hoc, reaģējošām kontrolēm līdz proaktīvākai drošības sistēmai. Tas komandām sniedz praktisku veidu, kā saprast, kur tās atrodas šobrīd un kas jāuzlabo nākamajā solī.

Brieduma pārskatā rūpīgi jāizvērtē tās jomas, kas visvairāk ietekmē datu risku un pārraudzību. Tas ietver to, cik labi organizācija atrod sensitīvus datus, piemēro piekļuves kontroles, reaģē uz incidentiem un laika gaitā uzrauga atbilstību.

Uzdodamie jautājumi ietver:

• Vai sensitīvie dati konsekventi tiek klasificēti visās vidēs?
• Vai piekļuves politikas tiek skaidri piemērotas un īstenotas, ievērojot vismazāko privilēģiju principu?
• Vai komandas var nepārtraukti uzraudzīt riskantu datu darbību un jaunos apdraudējumus?
• Vai auditi un incidentu reaģēšanas procesi ir regulāri, izsekojami un savlaicīgi?

Programmai nobriestot, ar drošību saistītajiem mērķiem vajadzētu kļūt konsekventākiem un vieglāk izmērāmiem. Kopīgie mērķi ietver:

• Konsekventa sensitīvu datu klasifikācija visās vidēs, lai viena veida informācija tiktu apstrādāta vienādi
• Automatizēta vismazāko privilēģiju un piekļuves politiku īstenošana, lai samazinātu nevajadzīgu piekļuvi un ierobežotu politiku novirzes
• Nepārtraukta riskantu datu darbību un apdraudējumu uzraudzība, lai problēmas varētu atklāt agrāk

Regulāri auditi un ātra, izsekojama reaģēšana uz incidentiem, lai atbalstītu izmeklēšanas, atbildības noteikšanu un atbilstības pārbaudes.

Brieduma modelis var palīdzēt salīdzināt progresu, noteikt drošības ieguldījumu prioritātes un skaidri paziņot vadībai par uzlabojumiem. Tas arī dod komandām kopīgu struktūru, lai izlemtu, kuras nepilnības novērst vispirms un kā laika gaitā mērīt izmaiņas.

Datu pārvaldības briedums nav vienreizējs sasniegums. Programmas jāpārskata un jāpilnveido, mainoties apdraudējumiem, tehnoloģijām un regulējumiem, lai drošības kontroles un pārvaldības prakse joprojām atbilstu aktuālajiem riskiem.

Datu pārvaldība, datu drošība un atbilstība ir cieši saistītas, taču tās nav viens un tas pats. Datu pārvaldība nosaka, kā dati tiek organizēti, kam tie pieder un kā tie tiek pārvaldīti visā uzņēmumā. Datu drošība piemēro tehniskās un procesu kontroles, lai aizsargātu šos datus. Atbilstība nodrošina, ka šīs pārvaldības un drošības prakses atbilst tiesību aktu, normatīvo un nozares prasībām.

Datu pārvaldība izveido struktūru ap datiem. Tā nosaka, kam pieder dati, kā tie jāklasificē, kā tie jāapstrādā un kādi standarti attiecas uz organizāciju kopumā. Drošības komandām pārvaldība nodrošina darbības modeli sensitīvas informācijas konsekventai pārvaldībai.

Datu drošība šos noteikumus īsteno praksē, izmantojot kontroles mehānismus, kas palīdz aizsargāt sensitīvu informāciju pret zudumu, nepareizu izmantošanu vai nesankcionētu piekļuvi. Bieži piemēri ir DLP, informācijas tiesību pārvaldība (IRM), sensitivitātes etiķetes, datu drošības stāvokļa pārvaldība (DSPM) un iekšējā riska kontroles. Šie pasākumi palīdz samazināt pakļautību riskam mākoņpakalpojumos, lokālajās sistēmās, galapunktos, lietotnēs un MI darbplūsmās.

Atbilstība koncentrējas uz to, vai datu prakse atbilst ārējām un iekšējām prasībām. Tas ietver tādus regulatīvos ietvarus kā GDPR un HIPAA, kā arī uzņēmuma politikas un auditu gaidas. Praksē atbilstība ir atkarīga gan no labas pārvaldības, gan no spēcīgām drošības kontrolēm.

Šīs trīs disciplīnas vislabāk darbojas, ja tās ir savstarpēji saskaņotas:

• Pārvaldība nosaka, kā dati jāorganizē, kam tie pieder un kā tie jāpārvalda.
• Drošība piemēro kontroles, lai aizsargātu šos datus ikdienas lietošanā.
• Atbilstība pārbauda, vai šīs kontroles un procesi atbilst prasītajiem standartiem.

Microsoft Purview nodrošina vienotu pieeju šīm disciplīnām vienā platformā, piedāvājot iespējas, kas AI laikmetā aptver aizsardzības, pārvaldības un atbilstības vajadzības.

Drošības komandas izmanto datu pārvaldības rīkus, lai atrastu sensitīvus datus, tos klasificētu, kontrolētu piekļuvi un uzraudzītu riskus mākoņpakalpojumos, lokālajās sistēmās, SaaS lietotnēs, galapunktos un MI rīkos. Šīs tehnoloģijas palīdz organizācijām piemērot konsekventu aizsardzību plašā un bieži sadrumstalotā datu vidē.

Spēcīgam datu pārvaldības rīku kopumam vajadzētu atbalstīt vairākas galvenās funkcijas:

Vienota datu atklāšana un klasificēšana. Atrodiet sensitīvus datus mākoņa, lokālajā, SaaS un AI vidē, pēc tam klasificējiet tos, pamatojoties uz sensitivitāti un ietekmi uz biznesu.

Sensitivitātes marķēšana un politiku piemērošana. Piemērojiet skaidrus noteikumus par to, kā datus var piekļūt, kopīgot, glabāt un izmantot.

Datu zuduma novēršana (DLP). Atklājiet un bloķējiet riskantu datu pārvietošanu e-pastos, galapunktos, pārlūkprogrammās un mākoņprogrammās.

Iekšējo risku pārvaldība. Identificējiet lietotāju uzvedību, kas var apdraudēt sensitīvus datus — neatkarīgi no tā, vai to izraisa ļaunprātīga izmantošana, neuzmanība vai politikas pārkāpumi.

Datu drošības stāvokļa pārvaldība (DSPM). Nepārtraukti izvērtējiet datu risku, pārskatiet kontroles nepilnības un sekojiet problēmām, kas saistītas ar AI lietojumu, pārmērīgu kopīgošanu un atklātu sensitīvu saturu.

Datu katalogi un biznesa vārdnīcas. Veiciniet konsekvenci, nodrošinot komandām kopīgu veidu, kā visā uzņēmumā aprakstīt, organizēt un atrast datus.

Automatizācija un AI var samazināt manuālu darbu, palīdzot ar:

• Sensitīvu datu klasificēšana
• Riskantas darbības noteikšana
• Politiku ieteikumi un vadīklu atjauninājumi
• Datu atklātības un piekļuves modeļu pastāvīgu pārskatīšanu

Šīs iespējas arī atbalsta AI datu drošību, palīdzot komandām uzraudzīt, kā sensitīvi dati tiek izmantoti AI vadītās darbplūsmās. Tādējādi drošības komandas pavada mazāk laika manuālai pārskatīšanai un vairāk laika aizsardzības uzlabošanai un reaģēšanai uz risku.

Bez pareizajiem rīkiem ir grūti sekot līdzi, kur atrodas sensitīvi dati, kā tie ir marķēti, kam tiem ir piekļuve un kā tie pārvietojas starp sistēmām. Ar spēcīgāku pārvaldības rīkkopu drošības komandas var piemērot konsekventākas kontroles, ātrāk reaģēt uz problēmām un nodrošināt labāku pārskatu pār modernām datu vidēm.

Spēcīga datu pārvaldības programma vislabāk darbojas tad, ja drošības, datu un atbilstības komandas kopīgi uzņemas atbildību par to, kā tiek apstrādāta sensitīva informācija. Skaidra atbildība, praktiskas politikas un regulāra pārskatīšana palīdz organizācijām samazināt risku, vienlaikus sekojot līdzi tehnoloģiju, biznesa vajadzību un regulējuma izmaiņām.

Datu pārvaldībai nevajadzētu būt tikai vienas komandas ziņā. Drošības līderiem, datu līderiem, atbilstības komandām un vadības sponsoriem visiem ir sava loma prioritāšu noteikšanā, politiku apstiprināšanā un riska pārskatīšanā. Kopīga atbildība palīdz nodrošināt, ka pārvaldība atbilst gan biznesa mērķiem, gan drošības prasībām.

Ne visiem datiem ir vienāds riska līmenis. Praktisks sākumpunkts ir koncentrēties uz jomām, kur atklātībai būtu vislielākā ietekme, piemēram:

• Personāla daļas dati
• Klienta dati
• Finanšu dati
• Intelektuālais īpašums

Sākot ar šīm jomām, komandas var risināt vissensitīvākās informācijas aizsardzību, pirms plašāk izvērst pārvaldības pasākumus.

Pārvaldības politikām vajadzētu būt saskaņotām ar galvenajiem drošības principiem, īpaši ar Nulles uzticamība un vismazāko privilēģiju principu. Tas nozīmē, ka piekļuve sensitīviem datiem ir jāierobežo, regulāri jāpārskata un jāpiesaista skaidrai biznesa vajadzībai. Politikās arī jānosaka, kā dati tiek klasificēti, kopīgoti, saglabāti un uzraudzīti.

Manuāls pārvaldības darbs var būt lēns un grūti uzturams lielā mērogā. Automatizācija var palīdzēt, atbalstot:

• Datu atklāšana
• Klasifikācija
• Politikas uzraudzība
• Nepārtraukta piekļuves un lietojuma modeļu pārskatīšana

Tas nodrošina komandām konsekventāku veidu, kā piemērot kontroles sarežģītās vidēs.

Pārvaldība jāvērtē kā nepārtraukta drošības funkcija, nevis vienreizēja iestatīšana. Nepārtraukta uzraudzība palīdz komandām pamanīt riskantu datu uzvedību, pārskatīt audita darbības un agrāk identificēt kontroles nepilnības. Noderīgi signāli var būt audita žurnāli, datu drošības stāvokļa ieskati un incidentu konstatējumi.

Pārvaldības politikas jāpārskata un jāatjaunina, organizācijām ieviešot jaunus mākoņpakalpojumus, AI rīkus un sadarbības platformas. Jaunās tehnoloģijas bieži maina to, kā dati tiek izveidoti, kopīgoti un piekļūti, kas nozīmē, ka var būt jāmaina arī pārvaldības noteikumi.

Spēcīga pārvaldības programma ir atkarīga ne tikai no rīkiem un politikām. Tai nepieciešama arī datu pārvaldības un atbildības kultūra, kurā komandas saprot savu lomu sensitīvas informācijas aizsardzībā un apstiprināto prakšu ievērošanā.

Brieduma modeļi var palīdzēt organizācijām novērtēt progresu, noteikt vājās vietas un izvirzīt uzlabojumu prioritātes. Tie arī sniedz vadībai skaidrāku priekšstatu par to, kā pārvaldības centieni attīstās laika gaitā.

Pat labi plānotas datu pārvaldības programmas var saskarties ar šķēršļiem. Biežākās problēmas ir norobežoti dati, ierobežota redzamība, resursu trūkums un pretestība pārmaiņām. Šīs problēmas var palēnināt progresu, radīt nepilnības drošības stāvoklīun apgrūtināt drošības komandām konsekventu aizsardzības pasākumu piemērošanu visā organizācijā.

Izolētie dati

Sensitīva informācija bieži atrodas dažādās sistēmās, komandās un platformās. Kad dati ir izkaisīti, tos kļūst grūtāk konsekventi klasificēt, aizsargāt un uzraudzīt.

Redzamības trūkums

Daudzām organizācijām ir grūti redzēt, kur atrodas sensitīvi dati, kam tiem ir piekļuve un kā tie pārvietojas starp mākoņpakalpojumiem, galapunktiem, SaaS programmām un AI rīkiem. Bez šāda pārskata risku ir grūtāk pārvaldīt.

Resursu ierobežojumi

Pārvaldības darbs var apstāties, ja komandām nav pietiekami daudz laika, personāla vai tehniskā atbalsta, lai uzturētu politikas, klasifikācijas un pārskatus aktuālus.

Organizācijas pretestība

Pārvaldības iniciatīvas bieži prasa izmaiņas tajā, kā cilvēki glabā, kopīgo un pārvalda informāciju. Tas var radīt pretestību, ja komandas uztver pārvaldību kā papildu procesu, nevis kā daļu no riska mazināšanas.

Daži mērķtiecīgi soļi var palīdzēt virzīt programmu uz priekšu:

• Sāciet ar augsta riska datu jomām, piemēram, personāla, finanšu, klientu vai intelektuālā īpašuma datiem, nevis mēģiniet vienlaikus pārvaldīt visu.
• Vispirms uzlabojiet redzamību, nosakot, kur sensitīvi dati tiek glabāti un kā tiem piekļūst.
• Izmantojiet automatizāciju, kur vien iespējams, datu atklāšanai, klasificēšanai un politiku izpildei, lai samazinātu manuālo darbu.
• Nosakiet skaidru atbildību drošības, datu un atbilstības komandās, lai pārvaldības lēmumi neapstātos.
• Regulāri pārskatiet un atjauniniet politikas, mainoties mākoņpakalpojumiem, AI rīkiem un biznesa darbplūsmām.
• Izmantojiet brieduma modeļus, lai izsekotu progresam un parādītu vadību jomās, kur nepieciešama lielāka uzmanība vai ieguldījumi.

Mērķis nav vienlaikus atrisināt katru pārvaldības problēmu. Pārdomāta pieeja — koncentrējoties uz redzamību, kopīgu atbildību un pārvaldāmiem uzlabojumiem — laika gaitā var padarīt pārvaldību ilgtspējīgāku un noderīgāku drošības komandām.

Datu pārvaldības programmai, kas vērsta uz drošību, ir nepieciešami rīki, kas palīdz komandām izprast savus datus, skaidri tos sakārtot un konsekventi pārraudzīt visu uzņēmumā. Microsoft Purview datu pārvaldība nodrošina veidu, kā pārvaldīt, izprast un pārraudzīt datus ar vienotu pieeju, piedāvājot iespējas, kas vērstas uz redzamību, datu sagatavošanu un pārliecību par datiem.

Organizācijas var vienkāršot redzamību dažādos katalogos un datu avotos, atbalstīt datu pārvaldniekus ar datu kvalitāti un izcelsmi, kā arī uzlabot datu atklāšanu un izpratni plašā mērogā, izmantojot Microsoft Purview datu pārvaldību. Tās pārvaldības pieredze ietver Data Map līdzekli līdzekļu skenēšanai un metadatu tveršanai, kā arī Vienoto katalogu datu meklēšanai, sagatavošanai un piekļuves pārvaldībai.

Drošības un atbilstības komandām labāk pārvaldīts datu īpašums var atvieglot:

• atrast sensitīvus datus sadalītās vidēs.
• uzlabot uzticēšanos datiem, izmantojot informāciju par kvalitāti un izcelsmi.
• atbalstīt atbildīgu datu izmantošanu analītikas un MI scenārijos.
• strādāt ar vienotāku skatījumu uz datu drošības, pārvaldības un atbilstības vajadzībām.

Papildinformācija par uzņēmuma mēroga datu pārvaldības ieviešanu jūsu organizācijā ar Microsoft Purview datu pārvaldība.