Startseite
Wissenszentrum
Verbesserung der Datensicherheit mit Datenmaskierung in Amazon Aurora

Verbesserung der Datensicherheit mit Datenmaskierung in Amazon Aurora

Einführung

Am Freitag, dem 19. Juli 2024, verursachte ein Update des CrowdStrike-Sicherheitssystems erhebliche Störungen in der Cybersicherheitsgemeinschaft. Bemerkenswert ist, dass zahlreiche Flughäfen, die von diesem Vorfall betroffen waren, gezwungen waren, auf manuelle Check-in-Operationen zurückzugreifen. Dieser Vorfall unterstreicht die kritische Bedeutung der Infrastruktursicherheit und die potenziellen Folgen von Cyberangriffen oder Systemausfällen. Er hebt einen entscheidenden Punkt hervor: Die Datenverarbeitung muss unabhängig von den Umständen weitergehen. In diesem Artikel untersuchen wir die Datenmaskierung für Amazon Aurora, eine wichtige Strategie zur Aufrechterhaltung der Datensicherheit und der betrieblichen Kontinuität.

Für Amazon Aurora-Nutzer ist die Implementierung robuster Datenmaskierungstechniken unerlässlich, um sensible Daten zu schützen und die Einhaltung gesetzlicher Vorschriften zu gewährleisten.

Dieser Artikel wird die Grundlagen der Datenmaskierung für Amazon Aurora untersuchen, einschließlich der nativen Fähigkeiten von AWS Aurora und Drittanbieterlösungen wie DataSunrise. Wir werden uns mit dem Konzept der dynamischen Maskierung befassen und praktische Schritte zur Erstellung einer DataSunrise-Instanz für verbesserten Datenschutz vorstellen.

Verständnis der Datenmaskierung in Amazon Aurora

Was ist Datenmaskierung?

Datenmaskierung ist eine Sicherheitstechnik, die sensible Daten durch realistische, aber gefälschte Informationen ersetzt. Dieser Prozess stellt sicher, dass vertrauliche Details geschützt bleiben, während die Nutzbarkeit der Daten für Test-, Entwicklungs- oder Analysezwecke erhalten bleibt.

Amazon Auroras native Datenmaskierungskapazitäten

Amazon Aurora, ein leistungsstarker relationaler Datenbankdienst, bietet integrierte Datenmaskierungsfunktionen. Diese Tools helfen Benutzern, sensible Informationen effektiv zu schützen. Hier ist ein kurzer Überblick über Auroras Datenmaskierungskapazitäten:

Spaltenverschlüsselung: Aurora ermöglicht es Ihnen, bestimmte Spalten, die sensible Daten enthalten, zu verschlüsseln.
Dynamische Datenmaskierung: Aurora unterstützt die Echtzeitmaskierung von Daten basierend auf Benutzerrollen und Berechtigungen.

Beispiel für native Maskierung

Um eine dynamische Maskierung in Aurora PostgreSQL mit benutzerdefinierten Funktionen zu erstellen, erstellen wir eine Beispieltabelle, einen Benutzer, erteilen Berechtigungen und erstellen die benutzerdefinierte Funktion:

CREATE DATABASE mytestdb;
CREATE USER user1 WITH PASSWORD 'pass';
GRANT ALL PRIVILEGES ON DATABASE mytestdb TO user1;

CREATE TABLE MOCK_DATA (
    id INT,
    first_name VARCHAR(50),
    last_name VARCHAR(50),
    email VARCHAR(50),
    phone VARCHAR(50),
    ip_address VARCHAR(20)
);
GRANT ALL PRIVILEGES ON TABLE MOCK_DATA TO user1;

INSERT INTO MOCK_DATA (id, first_name, last_name, email, phone, ip_address)
VALUES
    (1, 'Roana', 'Houseley', 'rhouseley0@ustream.tv', '600-318-8403', '134.236.96.231'),
    (2, 'Joni', 'Renbold', 'jrenbold1@ovh.net', '217-158-4073', '232.255.48.239'),
    (3, 'Anna-diane', 'Blackader', 'ablackader2@blogspot.com', '778-730-4651', '108.25.102.249'),
    (4, 'Leonore', 'Sharpling', 'lsharpling3@mit.edu', '634-506-0483', '10.202.61.242'),
    (5, 'Bobbee', 'Steven', 'bsteven4@upenn.edu', '336-531-1034', '161.168.66.101'),
    (6, 'Siegfried', 'Alexandrou', 'salexandrou5@scientificamerican.com', '636-273-5011', '83.198.21.252'),
    (7, 'Reena', 'Penas', 'rpenas6@ted.com', '928-513-0275', '194.25.234.254'),
    (8, 'Genevieve', 'Heisman', 'gheisman7@ustream.tv', '862-883-4168', '186.159.54.135'),
    (9, 'Leshia', 'Mitchall', 'lmitchall8@smh.com.au', '475-791-3864', '58.237.134.245'),
    (10, 'Shandy', 'Haxley', 'shaxley9@amazonaws.com', '741-167-8958', '205.143.56.68');

-- Create a function to mask data
CREATE OR REPLACE FUNCTION mask_phone_number(phone_number text)
RETURNS text AS $$
BEGIN
    RETURN CONCAT('XXX-XXX-', RIGHT(phone_number, 4));
END;
$$ LANGUAGE plpgsql;

Beim Verbinden mit der Datenbank als entweder der Postgres-Superuser oder das Benutzerkonto user1 bemerken Sie einen signifikanten Unterschied, wie die Daten erscheinen. Dieser Unterschied resultiert aus den angewandten Maskierungsregeln. Beispielsweise sieht der Postgres-Benutzer beim Zugriff auf Aurora PostgreSQL durch einen Client wie DBeaver die unmaskierten Telefonnummern im Originalformat. Hier ist ein Beispiel, wie eine unmaskierte Telefonnummer erscheint:

Und maskierte Daten für den unprivilegierten Benutzer user1 sehen wie folgt aus:

Verbesserung des Datenschutzes mit DataSunrise

Während Auroras native Fähigkeiten nützlich sind, bieten Lösungen von Drittanbietern wie DataSunrise weiterentwickelte Funktionen für eine umfassende Datenmaskierung.

Was ist DataSunrise?

DataSunrise ist eine leistungsstarke Datenbanksicherheitsplattform, die erweiterte Datenschutzfunktionen, einschließlich dynamischer Datenmaskierung, für verschiedene Datenbanksysteme einschließlich Amazon Aurora bietet.

Erstellen einer DataSunrise-Instanz für dynamische Maskierung

Um die dynamische Maskierung mit DataSunrise umzusetzen, folgen Sie diesen Schritten:

Verbinden mit Aurora: Richten Sie eine Verbindung zwischen DataSunrise und Ihrer Aurora-Datenbank ein.

Das folgende Bild veranschaulicht die Aurora PostgreSQL-Datenbankinstanz in DataSunrise.

Maskierungsregeln definieren: Erstellen Sie Regeln, die spezifizieren, welche Daten maskiert werden sollen und wie.
Maskierung anwenden: Aktivieren Sie die Maskierungsregeln für Ihre Zieldatenbank.
Ergebnisse überprüfen: Abfragen der Datenbank, um sicherzustellen, dass sensible Daten ordnungsgemäß maskiert sind.

Verständnis der dynamischen Maskierung

Dynamische Maskierung ist eine Echtzeit-Datenschutztechnik, die sensible Informationen sofort während der Abfrage maskiert. Im Gegensatz zur statischen Maskierung, die die Daten dauerhaft verändert, bewahrt die dynamische Maskierung die Originaldaten, während sie unbefugten Benutzern maskierte Ergebnisse präsentiert.

Vorteile der dynamischen Maskierung umfassen:

Flexibilität beim Anwenden verschiedener Maskierungsregeln basierend auf Benutzerrollen
Es ist nicht erforderlich, separate Kopien der Datenbank für unterschiedliche Zugriffsebenen zu erstellen
Möglichkeit, Maskierungsregeln schnell zu ändern, ohne die zugrunde liegenden Daten zu verändern

Beste Praktiken für Datenmaskierung in Amazon Aurora

Um eine effektive Datenmaskierung für Amazon Aurora zu gewährleisten, beachten Sie diese besten Praktiken:

Identifizieren Sie sensible Daten: Überprüfen Sie regelmäßig Ihre Datenbank, um sensible Informationen zu identifizieren und zu klassifizieren.
Verwenden Sie geeignete Maskierungstechniken: Wählen Sie Maskierungsmethoden, die zu Ihren Datentypen und Sicherheitsanforderungen passen.
Implementieren Sie rollenbasierte Zugriffskontrollen: Kombinieren Sie die Datenmaskierung mit robusten Zugriffskontrollen für verbesserte Sicherheit.
Regelmäßig testen und aktualisieren: Überprüfen und aktualisieren Sie Ihre Maskierungsregeln regelmäßig, um neue Sicherheitsbedrohungen zu adressieren.
Stellen Sie die Datenkonsistenz sicher: Stellen Sie sicher, dass maskierte Daten in verwandten Tabellen und Datenbanken konsistent bleiben.

Regulatorische Compliance und Datenmaskierung

Datenmaskierung spielt eine entscheidende Rolle bei der Erfüllung verschiedener regulatorischer Anforderungen. Einige wichtige Vorschriften, die den Datenschutz betonen, umfassen:

Allgemeine Datenschutzverordnung (GDPR)
Health Insurance Portability and Accountability Act (HIPAA)
Payment Card Industry Data Security Standard (PCI DSS)

Durch die Implementierung robuster Datenmaskierungstechniken in Amazon Aurora können Organisationen das Risiko von Non-Compliance und potenziellen Strafen erheblich reduzieren.

Fazit

Datenmaskierung für Amazon Aurora ist eine wesentliche Praxis zum Schutz sensibler Informationen und zur Einhaltung gesetzlicher Vorschriften. Während Aurora native Maskierungsfähigkeiten bietet, bieten fortschrittliche Lösungen wie DataSunrise umfassenderen Schutz durch dynamische Maskierung und andere Sicherheitsfunktionen.

Durch die Implementierung effektiver Datenmaskierungsstrategien können Organisationen ihre sensiblen Daten schützen, die Compliance aufrechterhalten und die mit Datenverletzungen verbundenen Risiken mindern.

DataSunrise bietet benutzerfreundliche und fortschrittliche Tools zur Datensicherheit, einschließlich Funktionen zur Prüfung und Datenerkennung. Besuchen Sie unsere Website für eine Online-Demo und entdecken Sie, wie wir Ihre Amazon Aurora-Datenschutzstrategie verbessern können.