Unstrukturierte Daten

Unstrukturierte Daten sind Informationen ohne vorgegebenes Datenmodell. Ihre Bedeutung steckt deshalb im Inhalt selbst. Eine Kundentabelle hat Spalten, die sagen, was jeder Wert bedeutet. Ein unterschriebener Vertrag, ein Chatverlauf oder ein aufgezeichnetes Telefonat trägt solche Beschriftungen nicht.

Der Großteil der Unternehmensinformationen ist von dieser Art. Da sie Kundendaten, Preislisten oder personenbezogene Angaben enthalten können, müssen Programme zur Data Loss Prevention (DLP) prüfen, was eine Datei enthält, und nicht nur, wo sie gespeichert ist.

Daten lassen sich nach dem Grad ihrer Struktur in drei Gruppen einteilen. Zu den unstrukturierten Daten gehören Word- und PDF-Dateien, E-Mail-Texte, Chatprotokolle, Präsentationen, Bilder, eingescannte Verträge, Konstruktionsdateien sowie Audio- und Videoaufnahmen.

Sie sind in jeder typischen Organisation allgegenwärtig. Branchenanalysen schätzen übereinstimmend, dass 80–90 % der neuen Unternehmensdaten unstrukturiert sind, und dieser Anteil wächst, weil die Zusammenarbeit zunehmend über Dokumente, Chats und Medien läuft.

Messaging gehört zu den größten Quellen. Ein großer Teil davon läuft über elektronische Messaging-Dienste, in denen ein einzelner Verlauf Dateien, Screenshots und eingefügten Text zugleich enthalten kann.

• Gemeinsame Laufwerke und Dokumentenablagen
• E-Mail-Postfächer und Messenger-Verläufe
• Cloud-Dienste für den Dateiaustausch
• Gescannte Dokumente, die an Geschäftsprozesse angehängt sind
• Fotos von Whiteboards und Bildschirmen

Strukturierte Daten lassen sich an der Quelle schützen. Eine Datenbank hat Grenzen, Berechtigungen und Audit-Protokolle. Unstrukturierten Daten fehlt all das. Die meisten versehentlichen Offenlegungen und Datendiebstähle durch Beschäftigte betreffen genau diese Inhalte, die über alltägliche Kanäle wandern.

Vier Eigenschaften erklären das: Sie haben kein Schema und keine Labels, sie lassen sich leicht kopieren, sie kommen in vielen Formaten vor und gehören allen und niemandem, weshalb zentrale Kataloge sie selten erfassen.

Da unstrukturierte Daten nicht an einer einzigen Stelle kontrolliert werden können, setzen Kontrollen auf die Inhaltsanalyse dort, wo sich die Daten bewegen.

Text wird mit Schlagwortlisten und Thesauri klassifiziert, etwa mit einer Liste verbotener Wörter. Hashwerte und digitale Fingerabdrücke erkennen exakte Dokumente und ihre Kopien. OCR extrahiert Text aus Scans und Bildern, sodass auch sie wie jede andere Datei analysiert werden können.

Labels ermöglichen es nachgelagerten Richtlinien, Regeln für E-Mail, Web, Messenger und Wechselmedien durchzusetzen.

Die Konsole bündelt diese Methoden an einer Stelle. Die systemseitigen Thesauri umfassen 35 Schlagwortsätze, etwa SSN, Credit Card und Financial, und jeder zeigt Wortanzahl und Suchtreffer. Die Bilderkennung legt fest, welche Kanäle und Dateiformate als Dokumente gelesen werden, und OCR deckt Scans ab.

Diese Einstellungen gehören zum Modul Anexet DLP, das sie auf Dokumente, Nachrichten und Dateien in Bewegung anwendet.

1 / 2

• 
• 

Beginnen Sie mit den Inhalten, deren Abfluss den größten Schaden anrichten würde, und verfolgen Sie danach die Kanäle, die tatsächlich genutzt werden. Regeln, die für alle Dateien auf einmal gelten, blockieren meist die normale Arbeit und werden dann abgeschaltet.

Messen Sie zuerst, wie viele unstrukturierte Daten vorhanden sind, und entscheiden Sie dann, wo sie gelesen werden müssen: dort, wo sie entstehen, geteilt oder nach außen gesendet werden.