Statische Datenmaskierung

Einführung

Statische Datenmaskierung ist eine Technik zum Schutz sensibler Daten durch Erstellung einer maskierten Kopie von Datenbanktabellen. Die maskierten Daten sind funktional und strukturell ähnlich wie die Originaldaten, offenbaren jedoch keine sensiblen Informationen. Organisationen mit strengen Vorschriften hinsichtlich der Offenlegung sensibler Daten verlassen sich auf statische Datenmaskierung, um ihr Geschäft zu schützen und Datenschutzbestimmungen einzuhalten.

Dieser Artikel untersucht die statische Maskierung ausführlich. Wir werden untersuchen, wie sie sich von der dynamischen Datenmaskierung unterscheidet. Außerdem besprechen wir die Implementierung der statischen Maskierung durch DataSunrise. Der Schwerpunkt liegt darauf, wie dieser Ansatz sensible Daten schützt.

Unterschiede zwischen dynamischer und statischer Datenmaskierung

Sowohl statische als auch dynamische Datenmaskierung dienen dem Schutz sensibler Daten, unterscheiden sich jedoch in ihrem Ansatz. Statische Datenmaskierung erstellt eine separate, maskierte Kopie der Datenbank, in der sensible Daten durch realistische, aber fiktive Informationen ersetzt werden. Dieser Ansatz ist sicherer, da in der maskierten Kopie keine Spuren der ursprünglichen sensiblen Daten vorhanden sind. Statische Maskierung ist besonders nützlich, wenn Organisationen externen Parteien für Forschungs-, Test- oder Analysezwecke Zugriff auf die Datenbank gewähren müssen.

Im Gegensatz dazu maskiert die dynamische Datenmaskierung Daten in Echtzeit, wenn sie aus der Datenbank abgefragt werden, ohne die maskierten Daten zu speichern. Dynamische Maskierung ist leichtergewichtig, da sie keine vollständige Kopie der Datenbank erstellt, sondern nur die Abfrageergebnisse maskiert. Um die Unterschiede zwischen statischer und dynamischer Maskierung besser zu verstehen und wann welcher Ansatz verwendet werden sollte, lesen Sie bitte unseren Artikel zur dynamischen Datenmaskierung.

Wie DataSunrise statische Datenmaskierung implementiert

DataSunrise bietet Benutzern leistungsstarke Werkzeuge zur Sicherung ihrer Daten in einer Vielzahl von Datenbankmanagementsystemen (DBMS), einschließlich SQL Server, Oracle, PostgreSQL, MongoDB und sogar cloudbasierten Datenbanken wie Amazon Redshift. Mit der intuitiven Oberfläche von DataSunrise können Benutzer statische Datenmaskierung problemlos in ihre Projekte implementieren, ohne die Quellendatenbank zu ändern.

DataSunrise fungiert als Proxy, sodass keine Änderungen an der Datenbank erforderlich sind – es wird lediglich Zugriff auf die Datenbank und eine ordnungsgemäße Konfiguration des DataSunrise-Servers benötigt. Benutzer können die statische Maskierung konfigurieren, indem sie Maskierungsaufgaben definieren, die aus vier Hauptabschnitten bestehen: Quell- und Zielinstanzen, zu übertragende Tabellen, Startfrequenz und Ergebnisse älter als (optional) entfernen.

Quell- und Zielinstanzen

Bei der statischen Maskierung besteht die Hauptidee darin, dass die maskierten Daten in einer zusätzlichen Kopie erstellt werden. Dies bedeutet, dass Sie bei der Einrichtung einer statischen Maskierungsaufgabe zwei Instanzen angeben sollten: die Quelle und das Ziel. Im Bild unten haben wir die Quellinstanz (links) und die Zielinstanz (rechts) ausgewählt.

Übertragene Tabellen: Konsistenz der maskierten Daten

DataSunrises statische Maskierungsfunktion ermöglicht es, die Integrität und Konsistenz der maskierten Daten zu bewahren, indem eindeutige Einschränkungen, Fremdschlüsselbeziehungen, Indizes, Prüfeinschränkungen und andere datenbankspezifische Elemente erhalten bleiben. Dies stellt sicher, dass die maskierte Datenbank voll funktionsfähig bleibt und für verschiedene Nichtproduktionszwecke genutzt werden kann, ohne auf Datenintegritäts-Probleme zu stoßen oder die Beziehungen zwischen Tabellen zu stören.

Startfrequenz

In diesem Abschnitt können Benutzer wählen, den Maskierungsprozess manuell zu starten, ihn einmal zu einer bestimmten Zeit auszuführen oder regelmäßige Maskierungsaufgaben in vordefinierten Intervallen zu konfigurieren, wie z. B. minütlich, stündlich, täglich oder nach einem benutzerdefinierten Zeitplan.

Ergebnisse älter als entfernen

Wenn Organisationen häufig Daten maskieren, ist es wichtig, den Speicherplatz zu verwalten, der durch maskierte Datenbanken genutzt wird. DataSunrise hilft, dieses Problem zu lösen, indem Benutzer alte maskierte Daten automatisch löschen können. Diese Funktion ermöglicht es Organisationen, festzulegen, wie oft veraltete maskierte Datenbanken entfernt werden, um Speicherressourcen zu optimieren und sicherzustellen, dass die neuesten maskierten Daten für Nichtproduktionszwecke verfügbar sind.

Echte Erfahrungen mit DataSunrise für die Maskierung

Nehmen wir an, wir haben eine PostgreSQL-Datenbank mit einer ‘Kunden’-Tabelle, die Namen der Benutzer, Kreditkartennummern, E-Mail-Adressen und andere Informationen enthält. Derzeit sieht es bei der Abfrage der Daten so aus:

Wir navigieren zu Maskierung – Statische Maskierung und erstellen eine neue Aufgabe, indem wir auf die Schaltfläche ‘+Neue Aufgabe hinzufügen’ klicken. In diesem Schritt wählen wir die Quell- und Zielinstanzen aus. Dies definiert, woher die Daten stammen und wohin DataSunrise die statisch maskierten Daten überträgt. Wir wählen auch Tabellen und dann Spalten zur Maskierung sowie deren entsprechende Maskierungsmethoden aus.

Sie werden feststellen, dass im obigen Bild mehrere Maskierungsmethoden verwendet werden (Spalte ‘Filter’). Diejenigen mit ‘FP’-Präfixen sind formatbewahrende Methoden. Diese werden nicht nur zur Verbergung von Daten verwendet, sondern auch zur Erhaltung der Nützlichkeit der maskierten Daten. Wenn wir die Aufgabe ausführen, sollte sie mit einem erfolgreichen Status abgeschlossen werden und “Letzte Erfolgszeit” anzeigen.

Nach Ausführung der Aufgabe enthält die Zieldatenbank eine maskierte Datentabelle mit demselben Namen wie die Originaltabelle.

Vorteile der statischen Maskierung mit DataSunrise

Durch die Nutzung der statischen Datenmaskierung von DataSunrise können Organisationen:

1. Sensible Daten schützen: Schützen Sie persönlich identifizierbare Informationen (PII) und Finanzdaten. Reduzieren Sie das Risiko von Datenverletzungen, indem Sie unbefugten Zugriff verhindern.
2. Vorschriften einhalten: Erfüllen Sie Datenschutzvorschriften wie GDPR, HIPAA, CCPA und PCI DSS. Maskieren Sie sensible Daten, bevor Sie sie in nicht-produktiven Umgebungen teilen oder verwenden.
3. Sicheres Daten-Sharing ermöglichen: Teilen Sie maskierte Daten mit externen Partnern, ohne die Privatsphäre zu gefährden. Fördern Sie die Zusammenarbeit und nutzen Sie externe Expertise sicher.
4. Implementierung vereinfachen: Implementieren Sie die Datenmaskierung schnell mit der intuitiven Oberfläche von DataSunrise. Nutzen Sie die automatisierte Datenerkennung und vorgefertigte Maskierungsalgorithmen. Kein umfangreiches Codieren oder Datenbankänderungen erforderlich.
5. Datenkonsistenz aufrechterhalten: Stellen Sie sicher, dass maskierte Daten die referenzielle Integrität zwischen Tabellen und Datenbanken beibehalten. Verwenden Sie maskierte Datenbanken für Tests, Entwicklung und Analysen ohne Datenintegritätsprobleme.

Fazit

Statische Datenmaskierung ist ein wesentliches Werkzeug für Organisationen, die sensible Daten vor unbefugtem Zugriff schützen und Datenschutzvorschriften einhalten möchten. DataSunrise bietet eine leistungsstarke und flexible Lösung zur statischen Maskierung, die es Unternehmen ermöglicht, maskierte Kopien ihrer Datenbanken einfach und sicher zu erstellen.

Durch die Nutzung der statischen Maskierungskapazitäten von DataSunrise können Organisationen sensible Informationen schützen, sicheres Daten-Sharing mit externen Parteien ermöglichen und die Konsistenz der Daten in nicht-produktiven Umgebungen aufrechterhalten.

Datenschutz und Sicherheit stehen bei Organisationen weltweit an erster Stelle. Statische Maskierung ist eine kritische Komponente umfassender Datenschutzstrategien. Sie wird auch in Zukunft wichtig bleiben. DataSunrise ist gut aufgestellt, um den sich entwickelnden Anforderungen von Organisationen in diesem Bereich gerecht zu werden. Ihre Lösung passt sich an ändernde Datenschutzanforderungen an. Kontaktieren Sie unser Expertenteam, um eine Demo zu planen und die Möglichkeiten zu entdecken, die sie bietet.