Τι είναι τα μη δομημένα δεδομένα
Τα μη δομημένα δεδομένα είναι πληροφορίες που δεν ακολουθούν προκαθορισμένο μοντέλο δεδομένων, οπότε το νόημά τους βρίσκεται στο ίδιο το περιεχόμενο. Ένας πίνακας πελατών έχει στήλες που δείχνουν τι σημαίνει κάθε τιμή. Μια υπογεγραμμένη σύμβαση, μια συνομιλία σε chat ή μια ηχογραφημένη κλήση δεν έχουν τέτοιες ετικέτες.
Τα περισσότερα επιχειρησιακά δεδομένα είναι τέτοια. Επειδή μπορούν να περιέχουν στοιχεία πελατών, τιμοκαταλόγους ή προσωπικά δεδομένα, τα προγράμματα Πρόληψης Απώλειας Δεδομένων (DLP) πρέπει να εξετάζουν τι περιέχει το αρχείο και όχι μόνο πού είναι αποθηκευμένο.
Δομημένα, ημιδομημένα και μη δομημένα δεδομένα
Τα δεδομένα χωρίζονται σε τρεις ομάδες ανάλογα με το πόση δομή έχουν. Τα μη δομημένα δεδομένα περιλαμβάνουν αρχεία Word και PDF, κείμενα email, αρχεία συνομιλιών, παρουσιάσεις, εικόνες, σαρωμένες συμβάσεις, αρχεία σχεδίασης και ηχητικές και βιντεοσκοπημένες εγγραφές.
| Τύπος | Βασικό χαρακτηριστικό | Τυπικό παράδειγμα |
|---|---|---|
| Δομημένα | Σταθερά πεδία σε γραμμές και στήλες | Ένας πίνακας πελατών |
| Ημιδομημένα | Δική τους σήμανση ή μεταδεδομένα | JSON, XML ή κεφαλίδες email |
| Μη δομημένα | Χωρίς σχήμα· το νόημα βρίσκεται στο περιεχόμενο | Ένα αρχείο Word, μια σαρωμένη σύμβαση ή η εγγραφή μιας κλήσης |
Πού βρίσκονται τα μη δομημένα δεδομένα
Βρίσκονται παντού σε έναν τυπικό οργανισμό. Αναλύσεις του κλάδου εκτιμούν σταθερά ότι το 80–90% των νέων εταιρικών δεδομένων είναι μη δομημένο, και το ποσοστό αυτό αυξάνεται καθώς η συνεργασία μεταφέρεται σε έγγραφα, συνομιλίες και πολυμέσα.
Τα μηνύματα αποτελούν μία από τις μεγαλύτερες πηγές. Μεγάλο μέρος του περιεχομένου διακινείται μέσω υπηρεσιών ηλεκτρονικής αλληλογραφίας και μηνυμάτων, όπου μία και μόνη συνομιλία μπορεί να περιλαμβάνει αρχεία, στιγμιότυπα οθόνης και επικολλημένο κείμενο.
- Κοινόχρηστοι δίσκοι και αποθετήρια εγγράφων
- Γραμματοκιβώτια email και ιστορικό μηνυμάτων
- Υπηρεσίες κοινής χρήσης αρχείων στο cloud
- Σαρωμένα έγγραφα συνημμένα σε επιχειρησιακές διαδικασίες
- Φωτογραφίες λευκοπινάκων και οθονών
Γιατί είναι δύσκολη η προστασία τους
Τα δομημένα δεδομένα μπορούν να προστατευτούν από την πηγή. Μια βάση δεδομένων έχει όρια, δικαιώματα και αρχεία ελέγχου. Τα μη δομημένα δεδομένα δεν έχουν τίποτα από αυτά, και οι περισσότερες ακούσιες διαρροές και κλοπές δεδομένων από εσωτερικούς χρήστες αφορούν αυτό το περιεχόμενο που κινείται μέσα από καθημερινά κανάλια.
Τέσσερα χαρακτηριστικά το εξηγούν: δεν έχουν σχήμα ή ετικέτες, αντιγράφονται εύκολα, εμφανίζονται σε πολλές μορφές και ανήκουν σε όλους και σε κανέναν, γι' αυτό οι κεντρικοί κατάλογοι σπάνια τα καλύπτουν.
| Χαρακτηριστικό | Δομημένα δεδομένα | Μη δομημένα δεδομένα |
|---|---|---|
| Σταθερό σχήμα | ||
| Δικά τους όρια, δικαιώματα και αρχεία ελέγχου | ||
| Μπορούν να προστατευτούν από την πηγή |
Πώς οι οργανισμοί ανακτούν την ορατότητα
Επειδή τα μη δομημένα δεδομένα δεν μπορούν να ελεγχθούν σε μία μόνο πηγή, οι έλεγχοι εστιάζουν στην ανάλυση του περιεχομένου εκεί όπου κινούνται τα δεδομένα.
Το κείμενο ταξινομείται με λεξικά λέξεων-κλειδιών και θησαυρούς, όπως μια λίστα απαγορευμένων λέξεων. Οι τιμές hash και τα ψηφιακά αποτυπώματα αντιστοιχίζουν ακριβή έγγραφα και τα αντίγραφά τους, ενώ το OCR εξάγει κείμενο από σαρώσεις και εικόνες, ώστε να αναλύονται όπως κάθε άλλο αρχείο.
Οι ετικέτες επιτρέπουν στη συνέχεια στις πολιτικές να επιβάλλουν κανόνες σε email, web, μηνύματα και αφαιρούμενα μέσα.
Πώς φαίνεται στο Anexet
Η κονσόλα συγκεντρώνει αυτές τις μεθόδους σε ένα σημείο. Τα συστημικά θησαυρικά περιλαμβάνουν 35 σύνολα λέξεων-κλειδιών, όπως SSN, Credit Card και Financial, και κάθε σύνολο δείχνει το πλήθος των λέξεων και τις αναζητήσεις του. Η αναγνώριση εικόνων ορίζει ποια κανάλια και μορφές αρχείων διαβάζονται ως έγγραφα, και το OCR καλύπτει τις σαρώσεις.
Αυτές οι ρυθμίσεις ανήκουν στη μονάδα Anexet DLP, η οποία τις εφαρμόζει σε έγγραφα, μηνύματα και αρχεία που κινούνται.
1 / 2
Από πού να ξεκινήσετε
Ξεκινήστε από το περιεχόμενο του οποίου η διαρροή θα έβλαπτε περισσότερο και μετά ακολουθήστε τα κανάλια που πραγματικά χρησιμοποιεί. Κανόνες γραμμένοι για όλα τα αρχεία μαζί συνήθως μπλοκάρουν την καθημερινή δουλειά και καταλήγουν απενεργοποιημένοι.
Μετρήστε πρώτα πόσα μη δομημένα δεδομένα υπάρχουν και αποφασίστε μετά πού πρέπει να διαβάζονται: εκεί όπου δημιουργούνται, κοινοποιούνται ή στέλνονται έξω από τον οργανισμό.
Τα μη δομημένα δεδομένα είναι η καθημερινή δουλειά. Η προστασία λειτουργεί μόνο όταν διαβάζει το περιεχόμενο εκεί όπου γίνεται αυτή η δουλειά.
Anexet TeamΠώς το αντιμετωπίζει η Anexet
Το μεγαλύτερο μέρος του περιεχομένου που αναλύει το Anexet είναι μη δομημένο: η μονάδα DLP ταξινομεί έγγραφα, μηνύματα και αρχεία σε κίνηση, ώστε οι αποφάσεις πολιτικής να βασίζονται σε τι περιέχει ένα αρχείο και όχι πού είναι αποθηκευμένο.
Ανάλυση περιεχομένου για κείμενο
οι μέθοδοι ταξινόμησης περιλαμβάνουν θεσαυρούς ασφαλείας (170 έτοιμα λεξικά), τράπεζες hash για ακριβή αντιστοίχιση αρχείων, βιβλιοθήκες ψηφιακών αποτυπωμάτων για πρότυπα εγγράφων και ενσωμάτωση ετικετών ευαισθησίας για ήδη επισημασμένο περιεχόμενο.
Πέρα από το απλό κείμενο
το OCR εξάγει κείμενο από σαρώσεις και εικόνες ώστε να αναλύονται όπως κάθε άλλο έγγραφο· η αναγνώριση σφραγίδων και σφραγισμάτων βοηθά στην ταυτοποίηση επίσημων εγγράφων σε σαρωμένη μορφή.
Κάλυψη καναλιών
οι agents στα endpoints παρακολουθούν τα κανάλια μέσα από τα οποία ταξιδεύουν τα μη δομημένα δεδομένα: email, ιστός, εφαρμογές αποθήκευσης cloud, εφαρμογές μηνυμάτων, αφαιρούμενες συσκευές, εκτύπωση και πρόχειρο.
Επιβολή και τεκμηρίωση
οι πολιτικές μπορούν να μπλοκάρουν μια μεταφορά, να την θέσουν σε καραντίνα για έλεγχο, να την καταγράψουν ή να ειδοποιήσουν· κάθε γεγονός καταγράφεται σε ίχνος ελέγχου (χρήστης, χρονοσήμανση, κανάλι, ταξινόμηση περιεχομένου, ενέργεια που ελήφθη).
Αρχιτεκτονική on-premise
οι κανόνες ανίχνευσης, το καταγεγραμμένο περιεχόμενο και τα αρχεία ελέγχου παραμένουν μέσα στην υποδομή του ίδιου του οργανισμού.
Anexet DLP
Μάθετε περισσότερα