Cloud-Umgebungen erleichtern das Erstellen, Kopieren, Teilen und Verknüpfen von Daten über verschiedene Dienste hinweg. Gleichzeitig erschweren sie es Sicherheitsteams, eine grundlegende Frage zu beantworten: Wo befinden sich unsere sensiblen Daten und wodurch sind sie gefährdet?
Das ist das Problem Verwaltung der Datensicherheitsmaßnahmen (DSPM) hilft bei der Lösung.
DSPM für Cloud-Umgebungen unterstützt Sicherheitsteams dabei, Einblick in sensible Daten über Cloud-Dienste, Datenbanken, Objektspeicher, SaaS-Anwendungen und andere verbundene Datenquellen hinweg zu gewinnen. Moderne DSPM-Lösungen verknüpfen die Sensibilität von Daten mit Gefährdung, Zugriff, Aktivität, Konfiguration und anderen Risikokontexten, sodass Teams Cloud-Datenrisiken priorisieren und reduzieren können.
Die Wahl der richtigen DSPM-Plattform erfordert mehr als nur die Prüfung, ob ein Anbieter AWS, Azure oder Google Cloud unterstützt. Unternehmen müssen bewerten, wie detailliert eine Plattform Cloud-Daten erfasst und klassifiziert, wie sie Datenlecks und übermäßigen Zugriff erkennt, wie sie Risiken priorisiert und wie sie Gegenmaßnahmen einleitet.
Ziel ist es nicht nur, die Cloud-Infrastruktur zu sichern. Es geht darum, die Risiken für die darin enthaltenen Daten zu verstehen und zu reduzieren.
DSPM für Cloud-Umgebungen: Wichtigste Erkenntnisse
- DSPM schützt die Cloud-Datenschicht. Es erkennt sensible Daten, identifiziert Sicherheitslücken, fügt Kontextinformationen zu Zugriffen und Aktivitäten hinzu, priorisiert Risiken und unterstützt Teams bei der Behebung von Sicherheitslücken.
- DSPM und CSPM lösen unterschiedliche Probleme. CSPM konzentriert sich primär auf die Cloud-Infrastruktur und deren Konfigurationsstatus. DSPM konzentriert sich auf die in diesen Umgebungen gespeicherten und verwendeten Daten.
- Multi-Cloud-Abdeckung allein reicht nicht aus. Für ein effektives DSPM ist eine tiefgreifende Erkennung und Klassifizierung strukturierter und unstrukturierter Cloud-Daten erforderlich.
- Für den Zugriff auf die Cloud ist ein Datenkontext erforderlich. Zu wissen, dass eine Identität Zugriffsrechte hat, ist umso wichtiger, je besser die Teams feststellen können, welche sensiblen Daten durch diesen Zugriff offengelegt werden.
- Priorisierung trennt Erkenntnisse von Ergebnissen. DSPM sollte Teams dabei helfen, zu bestimmen, welche Risiken ein relevantes Risiko darstellen und welche Maßnahmen zuerst behoben werden sollten.
- Künstliche Intelligenz stellt eine weitere Herausforderung für die Datensicherheit in der Cloud dar. Organisationen benötigen Einblick in die sensiblen Cloud-Daten, auf die KI-Anwendungen, Copiloten, Agenten und andere KI-Systeme zugreifen können.
Was ist DSPM für Cloud-Umgebungen?
Data Security Posture Management ist ein Ansatz zur kontinuierlichen Erkennung, Klassifizierung, Bewertung, Priorisierung und Reduzierung von Risiken für sensible Daten.
In Cloud-Umgebungen unterstützt DSPM Sicherheitsteams bei der Beantwortung von Fragen wie:
- Wo werden sensible Daten gespeichert? AWS, Azurblau, Google Wolke, SaaS und andere Cloud-Dienste?
- Über welche regulierten, vertraulichen, geschützten oder geschäftskritischen Daten verfügen wir?
- Welche Daten sind ungeschützt, übermäßig berechtigt, dupliziert, veraltet oder anderweitig gefährdet?
- Wer oder was hat Zugriff auf sensible Cloud-Daten?
- Welche Berechtigungen schaffen eine sinnvolle Sichtbarkeit?
- Wie werden sensible Daten verwendet?
- Welche Cloud-Datenrisiken sollten Sicherheitsteams zuerst beheben?
DSPM verlagert den Fokus der Cloud-Sicherheit auf die Daten selbst. Anstatt nur Infrastruktur, Workloads oder Konfigurationen zu bewerten, berücksichtigt DSPM zusätzlich die Sensibilität und den Geschäftskontext, die erforderlich sind, um zu verstehen, welches Risiko ein Sicherheitsproblem tatsächlich darstellt.
Warum Cloud-Umgebungen DSPM benötigen
Cloud-Daten verbleiben selten an einem Ort.
Organisationen erstellen und verteilen Daten über Objektspeicher, Datenbanken, Data Warehouses, Data Lakes, SaaS-Anwendungen, Analyseplattformen, Entwicklungsumgebungen, Backups, Kollaborationstools und KI-Dienste.
Diese Geschwindigkeit und Verbreitung bringen mehrere Herausforderungen mit sich.
Cloud-Daten-Wildwuchs
Teams können schnell Cloud-Datenspeicher erstellen. Kopien, Backups, Snapshots, Testumgebungen und nicht verwaltete Repositories können sensible Daten über ihren ursprünglichen, festgelegten Speicherort hinaus verbreiten.
Sicherheitsteams benötigen kontinuierliche Entdeckung und Klassifizierung von Daten um Daten zu finden, die bei herkömmlichen Inventarisierungen möglicherweise übersehen werden.
Schatten- und Dunkeldaten
Cloud-Umgebungen können Daten enthalten, die von Sicherheits- und Governance-Teams nicht aktiv verwaltet werden oder deren Existenz ihnen nicht einmal bewusst ist.
Schattendaten können außerhalb der erwarteten Governance-Prozesse liegen, während ungenutzte oder veraltete Daten die Aufmerksamkeit erhöhen können, ohne einen sinnvollen Geschäftsnutzen zu bieten.
Komplexe Cloud-Berechtigungen
Der Cloud-Zugriff kann über Benutzer, Gruppen, Rollen, Dienstkonten, Anwendungen, APIs, Workload-Identitäten und andere Maschinenidentitäten erfolgen.
Eine Berechtigungsliste allein deckt das gesamte Risiko nicht auf. Sicherheitsteams müssen diese Berechtigungen mit der Sensibilität der von ihnen offengelegten Daten in Verbindung bringen.
Fehlkonfigurationen und Exposition
A Cloud-Konfigurationsproblem wird wesentlich wichtiger, wenn es um die Offenlegung regulierter Kundendaten geht, als wenn es um unkritische Testdaten geht.
DSPM liefert diesen Datenkontext, sodass Teams die Behebungsmaßnahmen nach potenziellen Auswirkungen priorisieren können, anstatt jeden Cloud-Befund gleich zu behandeln.
KI-Zugriff auf Cloud-Daten
KI-Anwendungen, Copiloten, Assistenten und Agenten verbinden sich zunehmend direkt mit Cloud-Daten.
Organisationen müssen daher nicht nur verstehen, wo sensible Cloud-Daten gespeichert sind, sondern auch, welche KI-Systeme und Identitäten darauf zugreifen können und wo dieser Zugriff Risiken birgt.
Vertiefen Sie Ihr Wissen über DSPM
Erfahren Sie, wie BigID zur Sicherung sensibler Daten in Cloud-Umgebungen beiträgt.
Erfahren Sie, wie Datenermittlung, Klassifizierung, Risikopriorisierung, Zugriffsinformationen und Behebungsmaßnahmen in einem datenzentrierten Ansatz für DSPM zusammenwirken.
DSPM vs. CSPM: Worin besteht der Unterschied?
Organisationen, die DSPM für Cloud-Umgebungen evaluieren, vergleichen es häufig mit Cloud-Sicherheitsstatus-Management (CSPM).
Beide Ansätze sind wichtig, aber sie betrachten das Cloud-Risiko aus unterschiedlichen Perspektiven.
CSPM DSPM konzentriert sich primär auf die Cloud-Infrastruktur, ihre Konfigurationen, Cloud-Ressourcen und die Risiken der Steuerungsebene. DSPM hingegen fokussiert sich auf die Datenschicht und die Risiken im Zusammenhang mit sensiblen Informationen.
Das robustere Cloud-Sicherheitsmodell verknüpft Sicherheitslage und Auswirkungen. CSPM kann riskante Cloud-Zustände identifizieren. DSPM liefert den Datenkontext, der Teams hilft zu verstehen, welche Risiken dieser Zustand birgt. Gemeinsam unterstützen sie Sicherheitsteams dabei, von der Identifizierung von Cloud-Problemen zur Priorisierung derjenigen Probleme überzugehen, die zu einem relevanten Datenleck führen.
DSPM ersetzt nicht CSPM, und CSPM ersetzt nicht DSPM.
Organisationen können beide Tools nutzen, um die Infrastrukturlage mit dem Datenrisiko zu verknüpfen. CSPM kann problematische Cloud-Konfigurationen identifizieren. DSPM kann feststellen, ob dadurch sensible Daten gefährdet sind, wer oder was darauf zugreifen kann und wie dringend die Teams reagieren sollten.
Worauf sollten Sie bei einer Cloud-DSPM-Plattform achten?
Eine Cloud-DSPM-Plattform sollte mehr leisten als nur Cloud-Repositories zu scannen. Sie sollte genügend Kontext liefern, um die Cloud-Datenanalyse in eine messbare Risikominderung umzuwandeln.
1. Umfassende Cloud-Datenerkennung
Beginnen wir mit der Berichterstattung.
Eine DSPM-Plattform sollte Daten über alle Cloud-Dienste hinweg erkennen, die Ihr Unternehmen tatsächlich nutzt, einschließlich Datenbanken, Objektspeicher, Data Warehouses, Data Lakes, SaaS-Plattformen und anderer unternehmensweiter Datenquellen.
Suchen Sie nach Unterstützung bei AWS, Microsoft Azure, Google Cloud und den SaaS- und Datenplattformen, die Ihr umfassenderes Cloud-Ökosystem bilden.
Discovery sollte beides abdecken strukturierte und unstrukturierte Daten.
2. Genaue Klassifizierung sensibler Daten
Das Auffinden eines Repositorys sagt Ihnen nichts darüber aus, ob es von Bedeutung ist.
Cloud DSPM muss sensible, regulierte, vertrauliche, geschützte und geschäftskritische Informationen identifizieren und klassifizieren können, damit die Teams verstehen können, welches Risiko von jeder einzelnen Gefährdung ausgeht.
Die Klassifizierung sollte sowohl die Unternehmensrichtlinien als auch die Anforderungen von Vorschriften und Standards wie DSGVO, HIPAA, PCI DSS und anderen anwendbaren Rahmenwerken unterstützen.
BigID zeichnet sich durch tiefgreifende Datenerkennung und -klassifizierung strukturierter und unstrukturierter Unternehmensdaten aus und liefert Sicherheitsteams den Kontext, den sie benötigen, um Cloud-Datenrisiken zu priorisieren.
3. Cloud-Zugriff und Identitätskontext
Das Auffinden sensibler Daten ist nur ein Teil des Problems.
Die Teams müssen auch wissen, wer oder was es erreichen kann.
Achten Sie auf DSPM-Funktionen, die sensible Cloud-Daten mit Benutzern, Gruppen, Rollen, Anwendungen, Dienstkonten, Maschinenidentitäten und anderen Zugriffspfaden verbinden.
Dies hilft Organisationen dabei, übermäßige Berechtigungen, offenen Zugang und andere Bedingungen zu identifizieren, die das Risiko erhöhen.
Von der Cloud-Sicherheit bis zum Datenzugriffsrisiko
Das Auffinden sensibler Cloud-Daten ist erst der Anfang. Wer hat Zugriff darauf?
Verknüpfen Sie Identitäten, Berechtigungen, Aktivitäten und sensible Daten, um übermäßigen Zugriff zu erkennen und die Abhilfemaßnahmen auf die wichtigsten Schwachstellen zu konzentrieren.
4. Datenaktivitätskontext
Berechtigungen zeigen, welche Identität dürfen Zugriff. Die Aktivitätsanzeige hilft dabei zu erkennen, was Identitäten tatsächlich mit diesem Zugriff machen.
DSPM mit Datenaktivitätsüberwachung kann Sicherheitsteams dabei helfen, aktiven Zugriff von veraltetem, ungewöhnlichem oder potenziell riskantem Verhalten zu unterscheiden.
Dieser Kontext erweist sich als besonders nützlich, wenn Teams Prioritäten unter Tausenden von Cloud-Berechtigungen und Sicherheitslücken setzen müssen.
5. Risikopriorisierung
Eine Cloud-DSPM-Plattform sollte nicht jedem Befund die gleiche Priorität einräumen.
Man vergleiche einen öffentlich zugänglichen Testdatensatz mit einem allgemein zugänglichen Datenbestand, der regulierte Kundendaten enthält. Beide können auf Probleme der Unternehmenskultur hinweisen, ihre Auswirkungen auf das Geschäft unterscheiden sich jedoch erheblich.
Ein effektives DSPM verknüpft Faktoren wie:
- Datensensibilität
- Belichtung
- Zugang
- Aktivität
- Konfiguration
- Eigentum
- Geschäftlicher Kontext
Dieser Kontext hilft den Teams, sich bei der Risikobehebung auf die Risiken mit dem größten potenziellen Geschäftsauswirkung zu konzentrieren.
6. Abläufe zur Behebung von Mängeln
Sichtbarkeit ohne Handlung lässt das Risiko bestehen.
Suchen Sie nach DSPM, das Teams dabei unterstützt, von der Risikoidentifizierung zu deren Behebung überzugehen. Sanierungsworkflows.
Dies kann die Zuweisung von Ergebnissen an die entsprechenden Verantwortlichen, die Erstellung von Tickets, die Orchestrierung von Arbeitsabläufen über Systeme wie ServiceNow und Jira sowie die Nachverfolgung der Behebung bis zum Abschluss umfassen.
7. Integration mit CSPM und dem Cloud-Sicherheitsstack
DSPM sollte die Werkzeuge stärken, die Sicherheitsteams bereits verwenden.
Evaluieren Sie Integrationen mit:
- CSPM- und CNAPP-Plattformen
- IAM- und Identitätssicherheitstools
- SIEM
- SOAR
- ITSM- und Ticketsysteme
- Cloud-native Sicherheitsdienste
Diese Integrationen ermöglichen es Teams, bestehende Cloud-Sicherheitsbefunde und -Workflows um Informationen zur Datensensibilität und zum Datenrisiko zu ergänzen.
Anstatt nur zu sehen “Diese Cloud-Ressource weist ein Sicherheitsproblem auf.” Teams können verstehen “Dieses Problem legt regulierte Daten offen, diese Identitäten können darauf zugreifen, und die Behebung sollte Priorität haben.”
8. Multi-Cloud-Konsistenz
Die Sicherheit in Multi-Cloud-Umgebungen wird schwieriger, wenn jeder Anbieter den Teams eine andere Sicht auf das Datenrisiko vermittelt.
Eine DSPM-Plattform sollte eine konsistente Erkennung, Klassifizierung, Risikoanalyse und Governance über AWS, Azure, Google Cloud, SaaS und andere unterstützte Datenumgebungen hinweg gewährleisten.
Ein gemeinsames Datenrisikomodell hilft Teams dabei, die Verwaltung der Cloud-Datensicherheit nicht als eine Sammlung voneinander unabhängiger, anbieterspezifischer Projekte zu betrachten.
9. KI und Cloud-Datensicherheit
Bei der Evaluierung von Cloud-DSPMs muss nun auch KI berücksichtigt werden.
KI-Anwendungen, Copiloten, Modelle und Agenten nutzen Unternehmensdaten über Cloud-Dienste, APIs, Anwendungen, Datenbanken und andere verbundene Systeme.
Organisationen müssen Folgendes verstehen:
- Auf welche sensiblen Daten kann KI zugreifen?
- Welche KI-Systeme interagieren mit Cloud-Daten?
- Wo sensible Daten ein KI-Risiko erzeugen
- Ob der KI-Zugang die Geschäftsanforderungen übersteigt
- Wie sich die KI-bezogene Aufmerksamkeit im Laufe der Zeit verändert
Dadurch entsteht eine natürliche Verbindung zwischen DSPM und der umfassenderen KI-Sicherheit und -Governance. DSPM schafft Transparenz und Kontext für die Daten selbst, während komplementäre KI-Governance-Funktionen Unternehmen dabei helfen zu verstehen, welche KI-Systeme und -Identitäten auf diese Daten zugreifen können.
Checkliste zur Cloud-DSPM-Evaluierung
Bevor Sie eine DSPM-Plattform für Cloud-Umgebungen auswählen, sollten Sie sich folgende Fragen stellen:
- Kann es strukturierte und unstrukturierte sensible Daten erkennen?
- Umfasst es unsere AWS-, Azure-, Google Cloud-, SaaS- und andere Cloud-Datenquellen?
- Kann es Schatten-, dunkle, veraltete, duplizierte und exponierte Daten identifizieren?
- Wie genau klassifiziert es sensible und regulierte Informationen?
- Kann es Identitäten und Berechtigungen mit sensiblen Daten verknüpfen?
- Werden Datenaktivitäten in die Risikoanalyse einbezogen?
- Kann es die Ergebnisse nach Datensensibilität und -gefährdung priorisieren?
- Können Teams Abhilfemaßnahmen zuweisen, koordinieren und deren Verlauf verfolgen?
- Lässt es sich in unsere CSPM-, CNAPP-, IAM-, SIEM-, SOAR- und ITSM-Tools integrieren?
- Kann es die Offenlegung sensibler Daten im Zusammenhang mit KI erkennen und bewerten?
Die beste Cloud-DSPM-Plattform sollte mehr als nur die Frage “Wo befinden sich unsere Daten?” beantworten. Sie sollte Teams dabei helfen, zu bestimmen, was sensibel ist, was ein Risiko darstellt, wer oder was darauf zugreifen kann und was zuerst behoben werden muss.
Wie BigID DSPM für Cloud-Umgebungen umsetzt
BigID verfolgt bei der Cloud-Sicherheit einen datenzentrierten Ansatz.
BigID beginnt mit der detaillierten Erkennung und Klassifizierung und verknüpft dann sensible Daten mit Sicherheits-, Zugriffs-, Aktivitäts-, Eigentums- und Risikokontexten, um Teams dabei zu helfen, zu verstehen, wo Schwachstellen bestehen und was zum Handeln erforderlich ist.
BigID unterstützt Organisationen:
- Cloud-Daten entdecken: Finden Sie strukturierte und unstrukturierte Daten in unterstützten Cloud-, SaaS-, On-Premises- und Hybridumgebungen.
- Sensible Daten klassifizieren: Identifizieren Sie regulierte, vertrauliche, geschützte, personenbezogene und geschäftskritische Informationen.
- Exposition identifizieren: Identifizieren Sie Sicherheitsbedingungen, die sensible Daten gefährden.
- Zugang verstehen: Verknüpfen Sie Identitäten und Berechtigungen mit den sensiblen Daten, auf die sie zugreifen können.
- Aktivitätskontext hinzufügen: Verstehen Sie, wie auf sensible Daten zugegriffen und diese verwendet werden.
- Risiken priorisieren: Fokussieren Sie die Teams auf die wichtigsten Risiken, basierend auf Daten und Geschäftskontext.
- Laufwerksbereinigung: Verantwortlichkeiten zuweisen, Arbeitsabläufe orchestrieren und Risikominderung verfolgen.
- Cloud-Sicherheitstools stärken: Ergänzen Sie umfassendere CSPM-, CNAPP-, IAM-, SIEM-, SOAR- und Sicherheits-Workflows um Datenkontext.
- KI-bezogene Datenrisiken angehen: Erweitern Sie die Transparenz hinsichtlich sensibler Unternehmensdaten, auf die KI-Systeme zugreifen können.
Dieser Ansatz verknüpft die Cloud-Sicherheit mit den gefährdeten Daten und hilft Sicherheitsteams dabei, von der Suche nach Cloud-Problemen zur Reduzierung der Offenlegung relevanter Daten überzugehen.
Die Punkte zwischen Daten und KI verbinden
Betrachten Sie Ihr Cloud-Datenrisiko aus der datenzentrierten Perspektive
Erfahren Sie, wie BigID sensible Cloud-Daten aufspürt, Zugriffs- und Aktivitätskontext hinzufügt, die Offenlegung priorisiert und Teams bei der Behebung von Sicherheitslücken in modernen Datenumgebungen unterstützt.
Häufig gestellte Fragen zu DSPM für Cloud-Umgebungen
Was ist DSPM für Cloud-Umgebungen?
DSPM für Cloud-Umgebungen erkennt, klassifiziert und bewertet kontinuierlich Risiken für sensible Daten in Cloud-Diensten, Datenbanken, Speichern, SaaS und anderen verbundenen Datenumgebungen und trägt dazu bei, diese zu reduzieren.
Worin besteht der Unterschied zwischen DSPM und CSPM?
DSPM konzentriert sich auf sensible Daten und Datenrisiken, während CSPM sich primär mit Cloud-Infrastrukturkonfigurationen und -sicherheit befasst. Unternehmen können beide Ansätze gemeinsam nutzen, um Cloud-Sicherheitsprobleme mit den sensiblen Daten in Verbindung zu bringen, die dadurch möglicherweise offengelegt werden.
Ersetzt DSPM CSPM?
Nein. DSPM und CSPM decken komplementäre Ebenen der Cloud-Sicherheit ab. CSPM identifiziert Infrastruktur- und Konfigurationsrisiken, während DSPM Datenermittlung, -klassifizierung, -gefährdung, -zugriff und Risikokontext hinzufügt.
Worauf sollte ich bei einer Cloud-DSPM-Plattform achten?
Achten Sie auf eine umfassende Cloud-Abdeckung, die Erkennung strukturierter und unstrukturierter Daten, die Klassifizierung sensibler Daten, den Zugriffs- und Aktivitätskontext, die Risikopriorisierung, die Workflows zur Risikobehebung, die Multi-Cloud-Konsistenz, die Transparenz KI-bezogener Datenrisiken und die Integration mit Ihrer bestehenden Cloud-Sicherheitsarchitektur.
Funktioniert DSPM mit AWS, Azure und Google Cloud?
Führende DSPM-Plattformen unterstützen Multi-Cloud-Umgebungen. Unternehmen sollten die Abdeckung auf Ebene der einzelnen Datenquellen und Dienste bewerten, anstatt anzunehmen, dass die allgemeine Unterstützung eines Cloud-Anbieters die Abdeckung aller genutzten Dienste bedeutet.
Wie hilft DSPM bei der Priorisierung von Cloud-Sicherheitsrisiken?
DSPM ergänzt Sicherheitsbefunde um Datenkontext. Es hilft Teams zu verstehen, ob eine Sicherheitslücke sensible oder regulierte Daten betrifft, wer oder was auf diese Daten zugreifen kann und welche anderen Risikofaktoren bestehen, damit sie die Behebungsmaßnahmen entsprechend ihrer potenziellen Auswirkungen priorisieren können.
Wie trägt DSPM zur KI-Sicherheit bei?
DSPM unterstützt Unternehmen bei der Ermittlung und Klassifizierung der Unternehmensdaten, die KI-Systeme nutzen könnten, und identifiziert Bereiche, in denen sensible Daten ein KI-bezogenes Risiko darstellen. Funktionen für Daten-, Identitäts-, Zugriffs- und KI-Governance liefern zusätzlichen Kontext, in dem KI-Systeme auf sensible Informationen zugreifen können.
Wie unterstützt BigID DSPM für Cloud-Umgebungen?
BigID kombiniert umfassende Datenanalyse und -klassifizierung mit Sicherheits-, Zugriffs-, Aktivitäts-, Eigentums-, Risiko- und Behebungsfunktionen, um Unternehmen dabei zu helfen, die Offenlegung sensibler Daten in unterstützten Cloud- und Unternehmensumgebungen zu identifizieren und zu reduzieren.
Autor
