Qué es una huella digital
Una huella digital es un conjunto compacto de valores derivados del contenido de un documento protegido. La organización guarda ese conjunto en lugar de una copia del documento y lo usa para reconocer ese contenido dondequiera que aparezca después.
Las huellas son uno de los métodos de reconocimiento de los sistemas de prevención de pérdida de datos (DLP). La diferencia está en el objetivo: la huella busca el propio material, así que una copia, un extracto o una versión con otro formato igualmente coincide.
Cómo funciona la huella digital
El método tiene dos fases. El registro se hace una vez por cada documento protegido, y la inspección se ejecuta cada vez que un contenido sale de la organización, como en las huellas digitales de Anexet.
- 1
Normalizar el texto
El documento se reduce a un texto comparable, así que los cambios de formato y de tipo de archivo afectan menos al resultado.
- 2
Calcular segmentos superpuestos
Los hashes se calculan sobre segmentos superpuestos del texto normalizado, a veces combinados con rasgos estructurales.
- 3
Guardar solo los valores
La biblioteca conserva los valores derivados, no el documento. El contenido candidato pasa después por el mismo cálculo.
- 4
Comparar la proporción de coincidencias
Una proporción alta de valores coincidentes indica que el candidato contiene el material protegido, aunque solo se haya copiado una sección.
Coincidencia exacta frente a huella digital
Los hashes, las huellas y las reglas de palabras clave responden preguntas distintas. Las implantaciones maduras usan las tres: hashes para archivos conocidos, huellas para los documentos más importantes y patrones y listas de palabras para el resto.
| Método | Pregunta que responde | Compromiso |
|---|---|---|
| Hash de archivo | ¿Es exactamente este archivo? | Rápido, sin falsos positivos, falla si cambia un solo byte |
| Huella digital | ¿Este contenido incluye el material protegido? | Tolera ediciones, requiere más procesamiento y un umbral bien ajustado |
| Reglas de palabras clave y patrones | ¿Esto parece una categoría de dato sensible? | Encuentra material no registrado, pero no distingue un contrato de una plantilla |
Huellas de plantillas
Una variante registra el formulario en blanco en lugar de una copia llena, como un formulario de reclamación, una solicitud o un contrato estándar. Cada copia completada de ese formulario coincide, así que grandes familias de registros quedan protegidas sin registrar cada una. Funciona mejor en documentos estructurados, donde el diseño y el texto estándar se mantienen estables y solo cambian los campos variables, sobre todo cuando los registros contienen información sensible.
Cómo se ve en Anexet
Las bibliotecas de huellas se gestionan en la consola de Anexet DLP, que muestra qué está registrado y cuándo se actualizó cada biblioteca por última vez.
1 / 2
Límites prácticos
Una huella digital vale lo que la lista de material registrado que hay detrás. Ajuste el umbral con una muestra del trabajo habitual antes de activar el bloqueo, porque el resultado de la coincidencia puede activar una regla de bloqueo según el contenido.
Bloquear por coincidencias de huellas antes de ajustar el umbral puede detener trabajo legítimo, así que conviene empezar con alertas.
- La huella solo reconoce material registrado de antemano. Alguien debe elegir qué proteger y mantener el registro al día.
- La paráfrasis intensa, la traducción y el contenido reescrito desde cero quedan por debajo del umbral de coincidencia.
- Los extractos muy cortos son ambiguos, así que el umbral exige una cantidad mínima de contenido compartido, no un solo segmento.
- Las capturas de pantalla y los escaneos necesitan reconocimiento de texto antes de que pueda calcularse la huella.
Por dónde empezar
Empiece por los documentos cuyas copias causarían más daño: plantillas de contratos, diseños de productos y registros de clientes. Una biblioteca con todo es difícil de mantener y acaba ignorada, mientras que un conjunto pequeño y actualizado conserva su valor.
Lectura recomendada: Cifrado, codificación y hashing: ¿cuál es la diferencia?.
La huella digital protege los documentos que se registraron, no los que se olvidó registrar.
Anexet TeamCómo lo resuelve Anexet
Las huellas digitales son uno de los métodos de reconocimiento de contenido de Anexet, usados junto con diccionarios y hashes de coincidencia exacta. Cada coincidencia se registra con usuario, marca de tiempo, canal, regla y acción aplicada, y las bibliotecas permanecen en la infraestructura de la propia organización.
Bibliotecas de huellas
Los documentos protegidos y las plantillas se registran, así que los formularios completados, los extractos y las copias reformateadas quedan reconocidos.
Reconocimiento por capas
Las huellas trabajan junto con bancos de hashes, tesauros de seguridad y reglas de patrones para identificadores estructurados.
Todos los canales monitoreados
El mismo reconocimiento aplica al correo, a las subidas web, a los mensajeros, a los dispositivos extraíbles, a la impresión y al portapapeles.
Acciones graduadas
Una coincidencia puede permitir, registrar, alertar, poner en cuarentena para revisión o bloquear la transferencia.
Funcionalidad de huella digital de documentos
Más información