Als Unternehmen sammeln und generieren wir eine immense Menge an Daten. Um ein Gefühl dafür zu bekommen, wie viel genau, betrug die Menge der im Jahr 2024 generierten Informationen 149 Zettabyte (das ist eine 149 gefolgt von 21 Nullen). Bis 2028 dürfte die Zahl auf 394 Zettabyte ansteigen.
Vieles davon ist sensible Informationenund muss daher geschützt werden vor unbefugter Zugriff mit einer robusten Datenschutzstrategie. Einiges davon kann hinter rollenbasierte Zugriffskontrolle (RBAC) und Multi-Faktor-Authentifizierung (MFA). In bestimmten Anwendungsfällen müssen Sie jedoch einige personenbezogene Daten mit anderen teilen und gleichzeitig andere zurückhalten, um das Risiko einer Datenfreigabe zu minimieren.
In diesem Fall geht es bei der Datenredaktion um mehr als nur visuelle Verschleierung; sie spielt eine entscheidende Rolle für die Datensicherheit und die Einhaltung des Datenschutzes. In diesem Zusammenhang ist es auch wichtig, den Unterschied zwischen Datenredaktion vs. Datenmaskierung, da jedes unterschiedlichen Sicherheits- und Compliance-Zwecken dient.
Was ist Datenredaktion?
Sie haben vielleicht Filme und Dokumentationen gesehen, in denen beispielsweise die CIA ein Dokument veröffentlicht hat, in dem Teile geschwärzt sind. Das ist Datenredaktion.
Es handelt sich um die Datensicherheitspraxis, personenbezogene, gesundheitliche, vertrauliche oder sensible persönliche InformationenWenn Sie es auf Papier tun, kann das Dokument mit Personen geteilt werden, die einen Teil des Inhalts sehen müssen, aber nicht den gesamten.
Bei digitaler Abwicklung kann die Kommunikation an die jeweilige Rolle und die Bedürfnisse der Person angepasst werden. So möchten Sie beispielsweise die E-Mail-Adresse eines Kunden an die Marketingabteilung weitergeben, nicht aber dessen Kreditkartendaten. Die Produktabteilung benötigt diese Informationen zwar nicht, aber möglicherweise die Privatadresse, um die Produkte zu versenden und gleichzeitig sicherzustellen, dass Datenverwaltungspraktiken werden befolgt.
In diesen Szenarien wird eine effektive Datenredaktion eingesetzt, um vertrauliche Inhalte zu schützen, ohne die Betriebseffizienz oder den Zugriff auf nicht vertrauliche Daten zu beeinträchtigen.
Bei der Datenredaktion geht es darum, sensible Inhalte zu identifizieren und zu entfernen, um die Vertraulichkeit zu gewährleisten und gleichzeitig die Nutzbarkeit der Dokumente zu gewährleisten. Dies kann auch hilfreich sein, wenn Informationen mit dritte ParteienBeispielsweise möchten Sie möglicherweise Ihre IP-Adresse beim Teilen von Netzwerkprotokollen zurückhalten, um die Details Ihrer Infrastruktur zu schützen.
Datenredaktion vs. Datenmaskierung: Die zwei Datenschutzmethoden
Sowohl die Datenredaktion als auch die Datenmaskierung sind Methoden, um vertrauliche Informationen vor Personen zu schützen, die keinen Zugriff darauf haben sollten. Die Vorgehensweise unterscheidet sich jedoch geringfügig.
Wie wir gesehen haben, werden durch die Datenredaktion die Informationen vollständig verborgen. Dabei wird alles „geschwärzt“, was der Betrachter nicht sehen soll – einschließlich Format und Länge.
Datenmaskierung hingegen ersetzt die Informationen durch etwas anderes. Beispielsweise wird jedes Zeichen durch ein Sternchen oder ein X ersetzt. Die maskierten Daten behalten ihr Format oder ihre Datenstruktur bei. Dies ist nützlich, wenn die Daten weiterhin funktional oder realistisch sein, aber nicht offengelegt werden müssen. Dadurch wird eine umfassende Datenschutzstrategie unterstützt. Während Verschlüsselung Daten in ein unlesbares Format transformiert, das einen Schlüssel zum Dekodieren benötigt, verbirgt Maskierung die tatsächlichen Werte so, dass die Daten nutzbar bleiben. Bei der Datenredaktion kann die Gegenpartei nichts sehen, während Maskierung die tatsächlichen Werte verbirgt.
Der Unterschied zwischen Datenmaskierung und Datenredaktion liegt in der Formaterhaltung oder der vollständigen Verschleierung. Maskierung ist ideal, wenn die Informationen funktional und formstabil sein müssen, aber nicht sichtbar sein sollen, um das Risiko von Datenlecks zu verringern. Sie kann verwendet werden, um Informationen mit Entwicklern, Testern und Analysten zu teilen, die die Daten benötigen, aber nicht persönlich identifizierbare Informationen (PII).
Eine Schwärzung hingegen ist sinnvoller, wenn Details wie Länge oder Format sensible Informationen preisgeben könnten. Sie bietet einen höheren Schutz, indem selbst kontextbezogene Hinweise entfernt werden.
Handelt es sich beispielsweise um eine Kreditkartennummer, weiß jeder, dass sie 16 Ziffern hat. Sie können die einzelnen Ziffern verbergen, aber es spielt keine Rolle, ob die Nummer sichtbar ist. Handelt es sich jedoch um eine medizinische Diagnose, kann selbst das Erkennen eines Teils des Wortes oder seiner Länge dazu führen, dass jemand die Nummer errät.
Wann und welche Datentypen geschwärzt werden müssen
Sie müssen vertrauliche Daten schwärzen, die normalerweise durch Datenschutzgesetze geschützt sind, aber Sie tragen auch eine ethische Verantwortung gegenüber Ihren Kunden.
Dies ist natürlich im Hinblick auf das relevant, was Sie von ihnen gesammelt haben; es geht auch um Ihre vertraulichen Geschäftsinformationen.
Hier ist eine Liste der Datentypen, die Sie möglicherweise schwärzen möchten:
- Persönlich identifizierbare Informationen: Damit sind alle Daten gemeint, die eine Identifizierung der betreffenden Person ermöglichen, unabhängig davon, ob sie allein oder in Kombination mit anderen Daten vorliegen. Beispiele hierfür sind die Sozialversicherungsnummer (SSN), die Passnummer, der vollständige Name (in Kombination mit anderen Informationen) usw.
- Geschützte Gesundheitsinformationen: PHI sind alle medizinischen Informationen, die geschützt sind durch Gesetz zur Portabilität und Rechenschaftspflicht von Krankenversicherungen (HIPAA). Dazu gehören Krankenaktennummern, Leistungsempfängernummern der Krankenversicherung, medizinische Diagnosen, Behandlungen und Erkrankungen usw.
- Finanzielle Informationen: Zu dieser Art von Informationen gehören Kredit- oder Debitkartennummern, Bankkontodaten, Gehalts- oder Vergütungsinformationen oder Steueridentifikationsnummern.
- Rechtliche oder behördliche Informationen: Namen von Zeugen oder Opfern eines Verbrechens, Informationen über Jugendliche, Identitäten von Polizeibeamten und vertrauliche Zeugenaussagen können Informationen sein, die geschützt werden sollten.
- Bildungs- und Forschungsinformationen: Alle Daten, die eine Bildungseinrichtung über einen Schüler sammelt, unterliegen dem Gesetz über Bildungsrechte und Datenschutz (FERPA), aber auch Informationen wie Kennungen von Forschungssubjekten und experimentelle Daten, die mit einer Person verknüpft sind, sind sensible Informationen und sollten redigiert werden.
- Vertrauliche Geschäftsinformationen: Sie möchten sicherlich keine Geschäftsgeheimnisse, geschützten Formeln oder Algorithmen, interne Kommunikationen oder Vertragsbedingungen preisgeben, die Sie möglicherweise auch redigieren möchten.
- Verschlusssachen: In der Regierung, beim Militär oder in regulierten Branchen ist der Schutz vertraulicher Informationen ein unverzichtbarer Anwendungsfall für die Redaktion.
Statische vs. dynamische Redaktion
Wie bereits erwähnt, werden alle Daten redigiert, die nicht zur Weitergabe bestimmt sind. Die Vorgehensweise hängt davon ab, ob Sie die Schwärzung auf Papier, manuell in einem digitalen Dokument oder automatisiert durchführen.
Auf dem Papier bedeutet Schwärzung oft nur, mit einem schwarzen Stift alles zu übermalen, was unkenntlich gemacht werden soll. Digitale Formate wie PDFs ermöglichen es Ihnen auch, den Text zu markieren, obwohl das als unwirksam erwiesen mehr als einmal. Es ist jedoch möglich, Informationen in solchen Dokumenten mit dem Tool „Schwärzen“ zu verbergen.
Natürlich handelt es sich hierbei um manuelle Methoden. Wenn Sie als Unternehmen mit großen Datenmengen arbeiten, müssen Sie den Prozess automatisieren, da eine manuelle Bearbeitung schlichtweg nicht praktikabel ist. Es gibt verschiedene Softwareprogramme und Plattformen, die die Redaktion automatisieren können, darunter BigIDGeben Sie einfach die Regeln an, und das Tool implementiert Ihre Datenredaktionsrichtlinie. Diese Redigierungstools werden branchenübergreifend eingesetzt, um die Compliance zu optimieren und die Sicherheit zu erhöhen.
Redaktion statischer Daten
Statische Schwärzung ist ein vordefinierter, regelbasierter Ansatz zum Schutz vertraulicher Informationen. Dabei werden vertrauliche Informationen beim Export oder bei der Dokumenterstellung dauerhaft entfernt oder in einer festen Version der Daten unkenntlich gemacht. Die Schwärzung ist unumkehrbar. Nach der Schwärzung sind die Daten verändert und können nicht wiederhergestellt werden. Statische Schwärzung wird typischerweise für extern freigegebene Dokumente oder Berichte verwendet, um Daten sicher zu teilen.
Dynamische Datenredaktion
Die dynamische Schwärzung erfolgt in Echtzeit. Beim Datenzugriff wird basierend auf Benutzerrollen oder Kontextregeln eine Schwärzungslogik angewendet. Die Originaldaten bleiben im Speicher unverändert. Für nicht autorisierte Benutzer erscheinen sie jedoch als geschwärzt. Dieser Ansatz wird häufig in Anwendungen oder Dashboards verwendet, in denen vertrauliche Informationen je nach den Berechtigungen des Betrachters bedingt ausgeblendet werden müssen.
So verwenden Sie Datenredaktion: Techniken zum Datenschutz
Eine moderne Datenredaktionsstrategie umfasst Datenmaskierung, Verschleierung und Anonymisierung. Daher fallen einige der aufgeführten Techniken möglicherweise in eine der anderen Kategorien. Sie sind jedoch dennoch nützlich, um Datenschutzbestimmungen wie die folgenden einzuhalten: Allgemeine Datenschutzverordnung (GDPR), Kalifornisches Verbraucherschutzgesetz (CCPA), oder HIPAA.
- Blackout-Redaktion: Verbirgt vertrauliche Informationen optisch durch die Überlagerung von schwarzen Kästchen oder ausgefüllten Füllungen in Dokumenten, wie sie häufig in juristischen und behördlichen Aufzeichnungen verwendet werden.
- Whiteout oder Inhaltsentfernung: Löscht vertrauliche Inhalte, indem sie durch Leerzeichen ersetzt werden. Dadurch wird die Sichtbarkeit eliminiert, ohne das umgebende Layout zu beeinträchtigen. Dies ist für die Wahrung der Integrität privater Daten von entscheidender Bedeutung.
- Mustervergleich und -ersetzung: Verwendet reguläre Ausdrücke oder Mustererkennung, um vertrauliche Informationen zu identifizieren und durch Platzhaltertext wie „ZENSIERT“ zu ersetzen.
- Zeichenersetzung: Ersetzt Zeichen in vertraulichen Daten durch Symbole (z. B. Sternchen), wobei ein gewisser Kontext erhalten bleibt, z. B. indem nur die letzten vier Ziffern einer Kreditkartennummer angezeigt werden.
- Daten-Tokenisierung: Wandelt vertrauliche Werte in zufällige Token um, die ohne ein sicheres Zuordnungssystem bedeutungslos sind, wodurch die Originaldaten effektiv verborgen werden.
- Mischen: Anonymisiert Daten durch Neuanordnung der Werte innerhalb eines Datensatzes unter Beibehaltung der Struktur. Wird häufig in Test- oder Analyseumgebungen verwendet.
- Nullung: Entfernt vertrauliche Informationen, indem sie durch Null- oder leere Werte ersetzt werden und so effektiv aus dem Datensatz gelöscht werden.
- Verallgemeinerung: Ersetzt spezifische Daten durch breitere Kategorien, um die Identifizierbarkeit zu verringern, beispielsweise durch die Änderung genauer Geburtsdaten in Altersbereiche.
- Aggregation: Fasst vertrauliche Daten in Gesamtwerte oder auf Gruppenebene zusammen, minimiert so das Risiko der Identifizierung einzelner Personen und schützt vertrauliche oder persönlich identifizierbare Informationen.
- Pseudonymisierung: Ersetzt identifizierende Details durch einheitliche Pseudonyme oder künstliche Kennungen. So bleibt die Nutzbarkeit der Daten erhalten und die Identitäten werden geschützt.
- Redaktion der Named Entity Recognition (NER): Hebel AI und natürliche Sprachverarbeitung, um Namen, Daten und andere Entitäten in unstrukturiertem Text automatisch zu identifizieren und zu schwärzen.
- Regelbasierte oder kontextbezogene Redaktion: Verwendet benutzerdefinierte Regeln oder Geschäftslogik, um Daten je nach Inhaltstyp, Vertraulichkeitsstufe oder Benutzerzugriff zu schwärzen.
- Metadatenredaktion: Entfernt versteckte Metadaten wie Autorennamen, Dokumentrevisionen und Kommentare, um unbeabsichtigte Datenlecks zu verhindern.
- Schwärzung auf Datenbankfeldebene: Schwärzt oder verbirgt bestimmte Felder in Datenbanken basierend auf Benutzerrollen oder Zugriffsrichtlinien, oft in Echtzeit.
- Druckbasierte Redaktion: Wendet Schwärzungen auf gedruckte Dokumente an, häufig durch manuelle Überprüfung und physische Schwärzung vor dem Scannen oder Archivieren.
Jede Technik trägt dazu bei, sicherzustellen, dass vertrauliche Daten geschützt bleiben und gleichzeitig der erforderliche Zugriff oder die erforderliche Analyse möglich ist.
Anwendungsfälle für die Datenredaktion
Ihre Datenredaktionsrichtlinie kann für folgende Zwecke verwendet werden:
- Einhaltung der Datenschutzbestimmungen
- Schutz vertraulicher Kundeninformationen
- Schutz Ihrer internen Unternehmensdaten
Wenden Sie Datensicherheit mit BigID an
Die BigID-Plattform bietet umfassende Möglichkeiten zum Schutz vertraulicher Unternehmensdaten. Sie bietet nicht nur zahlreiche Optionen zur Datenredaktion und -maskierung, sondern auch Funktionen zur Datenermittlung und -zuordnung.
Um herauszufinden, wie diese Plattform Sie bei Ihrer Datensicherheit und -verwaltung unterstützen kann, Vereinbaren Sie noch heute eine Demo!
Autor
