O que são dados paralelos?
Dados ocultos são dados organizacionais que existem fora dos controles de visibilidade, gerenciamento ou segurança que as equipes esperam para protegê-los.
Isso pode incluir dados confidenciais copiados para ambientes de desenvolvimento, backups esquecidos na nuvem, exportações SaaS não gerenciadas, snapshots antigos de bancos de dados, arquivos locais, armazenamento abandonado ou conjuntos de dados criados para análises e IA.
O problema não é simplesmente onde os dados estão armazenados. O problema é que as equipes de segurança podem não saber que eles existem, o que contêm, quem pode acessá-los ou se ainda servem a um propósito comercial legítimo.
Por exemplo, um desenvolvedor pode copiar um banco de dados de clientes de um ambiente de produção para um ambiente de teste. O projeto termina, mas a cópia permanece. Meses depois, esse banco de dados esquecido ainda contém informações pessoais identificáveis (PII) dos clientes, mas não possui mais os mesmos controles de acesso, monitoramento ou propriedade que o sistema de produção.
São dados paralelos.
Dados paralelos: principais conclusões
• Existem dados paralelos que estão fora do âmbito da governança esperada. As equipes de segurança podem não saber onde ele está localizado, o que contém ou quem pode acessá-lo.
• A expansão descontrolada da nuvem e do SaaS cria mais cópias. Cópias de segurança, snapshots, exportações, ambientes de desenvolvimento e recursos abandonados podem criar dados ocultos.
• A IA adiciona mais uma fonte de dados paralelos. Conjuntos de dados de treinamento, repositórios RAG, bancos de dados vetoriais, prompts, outputs e projetos experimentais de IA podem criar novas cópias e usos de dados corporativos.
• O risco depende dos dados. O esquecimento de dados sensíveis, regulamentados, confidenciais ou críticos para os negócios cria uma exposição maior do que a de dados comuns.
• O DSPM ajuda as organizações a encontrar e reduzir o risco de dados não autorizados. Descoberta, classificação, contexto de acesso, priorização de riscos e remediação trazem os dados ocultos de volta ao controle.
De onde vêm os dados paralelos?
Os dados paralelos nem sempre resultam de funcionários que deliberadamente ignoram o sistema de TI. Grande parte deles se desenvolve por meio de processos comerciais e técnicos normais.
As fontes comuns incluem:
- Cópias de segurança e snapshots na nuvem: As cópias permanecem mesmo depois que as equipes param de usar a carga de trabalho original.
- Ambientes de desenvolvimento e teste: Os dados de produção são copiados para ambientes inferiores e permanecem após o término dos testes.
- Exportações de SaaS: Os funcionários exportam dados de clientes, financeiros ou operacionais para planilhas e outros aplicativos.
- Pipelines de análise: As equipes duplicam conjuntos de dados em diferentes data warehouses, data lakes, notebooks e plataformas de análise.
- Armazenamento pessoal ou não gerenciado: Os funcionários salvam informações comerciais em dispositivos locais ou em serviços de nuvem não autorizados.
- Projetos abandonados: Os dados permanecem mesmo depois que aplicativos, recursos em nuvem ou iniciativas de negócios chegam ao fim de sua vida útil.
- Desenvolvimento de IA: As equipes criam conjuntos de dados de treinamento, repositórios de vetores, entradas de modelos, repositórios RAG e cópias de dados experimentais sem aplicar as diretrizes de governança estabelecidas.
O ponto em comum é a perda de visibilidade ou controle. A organização ainda detém a propriedade dos dados ou permanece responsável por eles, mas seus processos normais de segurança e governança podem não mais os abranger.
Descubra os dados que as equipes de segurança não conseguem ver.
Descubra dados sensíveis, regulamentados, críticos, obscuros e ocultos em ambientes de nuvem, SaaS, locais, híbridos e de IA.
Por que os dados ocultos representam um risco de segurança?
Dados desconhecidos geram exposição desconhecida.
Se as equipes de segurança não souberem da existência de um conjunto de dados, não poderão determinar com segurança se ele possui controles de acesso, criptografia, políticas de retenção, monitoramento ou propriedade adequados.
Os dados paralelos tornam-se particularmente importantes quando contêm:
- Informações de identificação pessoal (Informações de identificação pessoal)
- Informações de saúde protegidas (PHI)
- Registros financeiros
- Informações do cliente
- Credenciais e segredos
- Código-fonte
- Propriedade intelectual
- Informações comerciais confidenciais
- Outros dados regulamentados ou críticos para os negócios
Uma base de dados de testes esquecida, contendo informações sintéticas, apresenta um nível de risco. A mesma base de dados, contendo milhões de registros reais de clientes, apresenta outro.
É por isso que as organizações precisam de mais do que um inventário de recursos de armazenamento. Elas precisam entender Que dados existem dentro deles e como esses dados são expostos.
Exemplos reais de dados paralelos
Um banco de dados de desenvolvimento esquecido
Uma equipe de engenharia copia dados de clientes de produção para um banco de dados de desenvolvimento para testar um novo aplicativo.
O aplicativo é iniciado, mas ninguém exclui o banco de dados de teste. Seus controles de acesso permanecem mais amplos do que os do ambiente de produção, e o responsável original pelo projeto acaba deixando a empresa.
A organização agora possui uma cópia esquecida de dados sensíveis de clientes, com fragilidade na gestão e acesso potencialmente desnecessário.
Uma exportação de SaaS não gerenciada
Um funcionário da área de operações de vendas exporta milhares de registros de clientes de um CRM aprovado para analisá-los em outro aplicativo.
O CRM continua sendo gerenciado. A cópia exportada pode não ser.
Se o arquivo permanecer indefinidamente em um armazenamento em nuvem pessoal ou em um aplicativo SaaS não gerenciado, as equipes de segurança podem perder a visibilidade de quem tem acesso e por quanto tempo os dados permanecem lá.
Um instantâneo do banco de dados que ninguém apaga.
Um administrador de nuvem cria um snapshot antes de uma migração. A migração é bem-sucedida, mas o snapshot permanece mesmo depois que a necessidade original desaparece.
Se esse instantâneo contiver dados sensíveis, a organização agora tem outra cópia para proteger, controlar e, eventualmente, descartar.
Um conjunto de dados de IA criado para experimentação.
Uma equipe de ciência de dados copia documentos internos para um novo repositório a fim de testar um aplicativo de IA generativa.
O experimento termina, mas o conjunto de dados permanece armazenado na nuvem ou em um banco de dados vetorial.
Mesmo que o projeto de IA nunca entre em produção, os dados subjacentes podem permanecer expostos. A IA, portanto, cria mais um caminho para o desenvolvimento de dados paralelos.
Dados paralelos vs. TI paralela vs. IA paralela
Esses termos se sobrepõem, mas descrevem problemas diferentes.
TI paralela e IA sombra Ambos podem criar dados paralelos. Mas os dados paralelos também podem se desenvolver dentro da infraestrutura aprovada por meio de cópias esquecidas, backups, exportações e recursos abandonados.
Como os dados paralelos afetam a conformidade
As obrigações regulamentares e de privacidade não desaparecem simplesmente porque uma organização se esqueceu de para onde foram os dados.
Os dados paralelos podem dificultar a determinação de onde residem as informações regulamentadas, a aplicação de requisitos de retenção, a resposta a solicitações de privacidade, a aplicação de controles de acesso, a investigação de incidentes e a demonstração de conformidade.
Isso também cria um problema básico de responsabilidade: as equipes não conseguem proteger ou governar de forma consistente os dados que desconhecem possuir.
Como encontrar dados paralelos?
Encontrar dados não oficiais exige olhar além dos bancos de dados conhecidos e repositórios aprovados.
Uma abordagem prática deve:
- Descubra dados de forma abrangente. Analise dados estruturados, semiestruturados e não estruturados em ambientes de nuvem, SaaS, locais, híbridos, de desenvolvimento e de IA.
- Classifique o que você encontrar. Determine quais ativos contêm informações sensíveis, regulamentadas, confidenciais ou de alto valor.
- Adicione contexto de propriedade e acesso. Identifique quem é o proprietário dos dados, quem pode acessá-los e se esse acesso ainda é necessário.
- Identificar a exposição. Procure por acesso público, permissões excessivas, dados desatualizados, configurações incorretas, recursos abandonados e outras condições de risco.
- Priorize por risco. Um depósito esquecido que contém informações altamente sensíveis e de amplo acesso merece mais atenção do que um repositório não utilizado que contém informações públicas.
- Corrija o problema subjacente. Exclua cópias desnecessárias, restrinja o acesso, imponha a retenção de dados, corrija configurações ou mova dados para locais controlados.
- Monitorar continuamente. Novos dados paralelos surgem à medida que pessoas, aplicativos, serviços em nuvem e sistemas de IA criam e movimentam informações.
Como o DSPM ajuda a reduzir o risco de dados paralelos
Gestão da Postura de Segurança de Dados (DSPM) Oferece às equipes de segurança uma maneira centrada em dados para encontrar e reduzir o risco de dados não autorizados.
Em vez de depender apenas de inventários de infraestrutura, o DSPM descobre dados em ambientes corporativos e adiciona contexto sobre sensibilidade, acesso, propriedade, exposição e risco.
Isso permite que as equipes passem de:
“Encontramos outra fonte de armazenamento.”
para:
“Este recurso esquecido contém informações pessoais identificáveis de clientes, possui acesso excessivo, não tem um proprietário claro e não tem uma finalidade comercial atual.”
A segunda descoberta fornece à equipe de segurança algo que pode ser colocado em prática.
Transforme dados ocultos em riscos acionáveis
Conecte dados sensíveis ao acesso, propriedade, exposição e contexto de negócios para que as equipes saibam quais dados ocultos devem ser abordados primeiro.
Como a IA muda o problema dos dados paralelos
A IA torna os dados paralelos mais importantes porque os projetos de IA consomem e criam cópias adicionais das informações corporativas.
As equipes podem mover dados para:
- Conjuntos de dados de treinamento
- Bancos de dados vetoriais
- repositórios RAG
- ambientes de desenvolvimento de IA
- Registros de prompts e respostas
- Modelos de tubulações
- Armazenamento experimental em nuvem
A organização pode aprovar a iniciativa de IA, mas ainda assim perder a visibilidade de algumas das cópias de dados que a sustentam.
Existe também uma ligação entre dados paralelos e IA sombra. Funcionários ou desenvolvedores que utilizam ferramentas de IA não aprovadas podem introduzir informações corporativas em sistemas fora da governança normal, criando um problema tanto de governança de IA quanto de segurança de dados.
Portanto, as equipes de segurança precisam de visibilidade em relação a ambos. Onde os dados sensíveis são armazenados e onde a IA os utiliza.
Como o BigID ajuda a encontrar e reduzir dados ocultos
A BigID ajuda as organizações a descobrir dados sensíveis, regulamentados, críticos, obscuros e ocultos em ambientes de nuvem, SaaS, locais, híbridos, de desenvolvimento e de IA.
Em vez de parar na descoberta, o BigID conecta os dados à sensibilidade, propriedade, acesso, atividade, exposição e contexto de negócios, para que as equipes possam entender quais dados ocultos criam riscos significativos.
As organizações podem usar o BigID para:
- Descubra e classifique dados paralelos: Encontre informações sensíveis e de alto valor em fontes de dados estruturadas, não estruturadas e semiestruturadas.
- Compreender a exposição: Identifique onde os dados sensíveis têm acesso excessivo, configurações de risco, propriedade frágil ou outras preocupações de segurança.
- Priorize o risco: As equipes de segurança devem concentrar-se nos dados ocultos que criam a maior exposição com base na sensibilidade, no acesso, na propriedade e no impacto nos negócios.
- Reduzir o acesso desnecessário: Identificar dados e permissões excessivamente expostos que excedam as necessidades legítimas do negócio.
- Corrigir o risco de dados: Implemente fluxos de trabalho para exclusão, retenção, redução de acesso, rotulagem e outras medidas corretivas baseadas em políticas.
- Monitorar continuamente: Identificar mudanças à medida que novos dados, cópias, usuários, aplicativos e sistemas de IA expandem o ambiente de dados.
O resultado é mais do que um mapa de onde os dados residem. As equipes de segurança obtêm o contexto necessário para determinar O que importa, por que isso cria riscos e o que deve ser abordado primeiro.
Veja o risco oculto dos seus dados
Veja como o BigID descobre dados ocultos, identifica exposições sensíveis, prioriza riscos e ajuda as equipes a agir em toda a empresa.
Perguntas frequentes sobre dados paralelos
O que são dados paralelos?
Dados ocultos são dados organizacionais que existem fora dos controles esperados de visibilidade, gerenciamento ou segurança. Exemplos incluem backups esquecidos, snapshots de banco de dados, exportações de SaaS não gerenciadas, cópias de desenvolvimento, armazenamento em nuvem abandonado e conjuntos de dados de IA.
Qual é um exemplo de dados paralelos?
Um exemplo comum é uma cópia de um banco de dados de clientes de produção, criada para desenvolvimento ou teste, que permanece após o término do projeto. Se ninguém rastrear ou controlar essa cópia, ela pode se tornar um dado fantasma.
O que causa os dados paralelos?
Os dados paralelos se desenvolvem por meio da expansão da nuvem e do SaaS, backups, snapshots, ambientes de desenvolvimento, exportações de dados, projetos de análise, aplicativos não gerenciados, recursos abandonados e iniciativas de IA que criam cópias adicionais dos dados corporativos.
Qual a diferença entre dados paralelos e TI paralela?
O termo "TI paralela" descreve o uso de tecnologias sem a devida supervisão de TI. Dados paralelos descrevem dados que existem fora da visibilidade ou governança esperadas. A TI paralela pode criar dados paralelos, mas estes também podem existir dentro de ambientes tecnológicos aprovados.
Qual a diferença entre dados de sombra e dados escuros?
Dados ocultos carecem da visibilidade ou governança esperadas. Dados obscuros geralmente se referem a informações que uma organização retém, mas das quais não extrai valor ativamente. Os dados podem ser tanto obscuros quanto ocultos quando não são utilizados e também estão fora de uma supervisão eficaz.
Como os dados paralelos criam riscos de segurança?
Dados ocultos podem conter informações sensíveis sem controles de acesso, monitoramento, retenção, propriedade ou políticas de segurança adequados. Isso pode aumentar o risco de acesso não autorizado, exposição de dados, lacunas de conformidade e violações de segurança.
Como o DSPM ajuda com dados paralelos?
O DSPM ajuda a descobrir e classificar dados ocultos, conectá-los ao acesso e à propriedade, identificar exposições, priorizar riscos e dar suporte à remediação em ambientes de nuvem, SaaS, híbridos, locais e de IA.
Como o BigID ajuda a encontrar dados ocultos?
O BigID descobre e classifica dados em ambientes corporativos e conecta dados confidenciais a informações de acesso, propriedade, atividade, exposição e risco. As equipes podem usar esse contexto para identificar dados ocultos de alto risco, priorizar a correção e reduzir a exposição desnecessária.
Autor
