DataSunrise erreicht AWS DevOps Kompetenz Status in AWS DevSecOps und Überwachung, Protokollierung, Performance

Statische Datenmaskierung

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.

Inhalt Bild zur statischen Datenmaskierung

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.

Übertragene Tabellen der statischen Datenmaskierung

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.

Ergebnisse älter als entfernen bei statischer Datenmaskierung

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.

Nächste

Name Shuffling

Name Shuffling

Erfahren Sie mehr

Benötigen Sie die Hilfe unseres Support-Teams?

Unsere Experten beantworten gerne Ihre Fragen.

Countryx
United States
United Kingdom
France
Germany
Australia
Afghanistan
Islands
Albania
Algeria
American Samoa
Andorra
Angola
Anguilla
Antarctica
Antigua and Barbuda
Argentina
Armenia
Aruba
Austria
Azerbaijan
Bahamas
Bahrain
Bangladesh
Barbados
Belarus
Belgium
Belize
Benin
Bermuda
Bhutan
Bolivia
Bosnia and Herzegovina
Botswana
Bouvet
Brazil
British Indian Ocean Territory
Brunei Darussalam
Bulgaria
Burkina Faso
Burundi
Cambodia
Cameroon
Canada
Cape Verde
Cayman Islands
Central African Republic
Chad
Chile
China
Christmas Island
Cocos (Keeling) Islands
Colombia
Comoros
Congo, Republic of the
Congo, The Democratic Republic of the
Cook Islands
Costa Rica
Cote D'Ivoire
Croatia
Cuba
Cyprus
Czech Republic
Denmark
Djibouti
Dominica
Dominican Republic
Ecuador
Egypt
El Salvador
Equatorial Guinea
Eritrea
Estonia
Ethiopia
Falkland Islands (Malvinas)
Faroe Islands
Fiji
Finland
French Guiana
French Polynesia
French Southern Territories
Gabon
Gambia
Georgia
Ghana
Gibraltar
Greece
Greenland
Grenada
Guadeloupe
Guam
Guatemala
Guernsey
Guinea
Guinea-Bissau
Guyana
Haiti
Heard Island and Mcdonald Islands
Holy See (Vatican City State)
Honduras
Hong Kong
Hungary
Iceland
India
Indonesia
Iran, Islamic Republic Of
Iraq
Ireland
Isle of Man
Israel
Italy
Jamaica
Japan
Jersey
Jordan
Kazakhstan
Kenya
Kiribati
Korea, Democratic People's Republic of
Korea, Republic of
Kuwait
Kyrgyzstan
Lao People's Democratic Republic
Latvia
Lebanon
Lesotho
Liberia
Libyan Arab Jamahiriya
Liechtenstein
Lithuania
Luxembourg
Macao
Madagascar
Malawi
Malaysia
Maldives
Mali
Malta
Marshall Islands
Martinique
Mauritania
Mauritius
Mayotte
Mexico
Micronesia, Federated States of
Moldova, Republic of
Monaco
Mongolia
Montserrat
Morocco
Mozambique
Myanmar
Namibia
Nauru
Nepal
Netherlands
Netherlands Antilles
New Caledonia
New Zealand
Nicaragua
Niger
Nigeria
Niue
Norfolk Island
North Macedonia, Republic of
Northern Mariana Islands
Norway
Oman
Pakistan
Palau
Palestinian Territory, Occupied
Panama
Papua New Guinea
Paraguay
Peru
Philippines
Pitcairn
Poland
Portugal
Puerto Rico
Qatar
Reunion
Romania
Russian Federation
Rwanda
Saint Helena
Saint Kitts and Nevis
Saint Lucia
Saint Pierre and Miquelon
Saint Vincent and the Grenadines
Samoa
San Marino
Sao Tome and Principe
Saudi Arabia
Senegal
Serbia and Montenegro
Seychelles
Sierra Leone
Singapore
Slovakia
Slovenia
Solomon Islands
Somalia
South Africa
South Georgia and the South Sandwich Islands
Spain
Sri Lanka
Sudan
Suriname
Svalbard and Jan Mayen
Swaziland
Sweden
Switzerland
Syrian Arab Republic
Taiwan, Province of China
Tajikistan
Tanzania, United Republic of
Thailand
Timor-Leste
Togo
Tokelau
Tonga
Trinidad and Tobago
Tunisia
Turkey
Turkmenistan
Turks and Caicos Islands
Tuvalu
Uganda
Ukraine
United Arab Emirates
United States Minor Outlying Islands
Uruguay
Uzbekistan
Vanuatu
Venezuela
Viet Nam
Virgin Islands, British
Virgin Islands, U.S.
Wallis and Futuna
Western Sahara
Yemen
Zambia
Zimbabwe
Choose a topicx
Allgemeine Informationen
Vertrieb
Kundenservice und technischer Support
Partnerschafts- und Allianz-Anfragen
Allgemeine Informationen:
info@datasunrise.com
Kundenservice und technischer Support:
support.datasunrise.com
Partnerschafts- und Allianz-Anfragen:
partner@datasunrise.com