Para qué sirve la lista
Una lista de palabras prohibidas cumple una sola función: indica al sistema qué contenido merece una revisión más atenta. La lista, por sí sola, es inofensiva. Su valor depende del canal que protege, como el correo saliente o las subidas de archivos, donde una coincidencia puede activar una alerta, una cuarentena o un bloqueo. En un programa de prevención de pérdida de datos, es la forma más rápida de describir qué cuenta como información sensible.
La idea es más antigua que cualquier producto. Los equipos de seguridad siempre han nombrado lo que no debe salir de la organización, desde nombres de proyectos hasta precios no publicados. Un diccionario convierte ese conocimiento en una regla que el sistema aplica a cada mensaje a la vez.
Qué entra en la lista
Las listas suelen organizarse como diccionarios temáticos, no como un único archivo plano. Así, una política puede invocar «datos de pago» o «registros de RR. HH.» en lugar de miles de términos sueltos. Las marcas de la clasificación de datos son un buen punto de partida, porque una etiqueta que el equipo ya aplica es una señal fiable.
| Categoría | Qué abarca |
|---|---|
| Marcas de clasificación | Confidencial, Restringido, Uso interno y advertencias formales de manejo |
| Nombres en clave de proyectos y clientes | Identificadores que revelan por sí solos una iniciativa confidencial |
| Indicadores de datos regulados | Términos de registros personales, de salud o de pago, como IBAN |
| Secretos técnicos | Clave privada, BEGIN RSA, contraseña, cadena de conexión, api_key |
| Vocabulario empresarial sensible | Fusiones y adquisiciones, precios previos al lanzamiento, resultados no publicados |
Por qué los diccionarios de palabras clave siguen siendo útiles
Los diccionarios de palabras clave no requieren registro previo de documentos. Por eso pueden señalar datos no estructurados que nadie había registrado ni conocía.
Son transparentes: un analista puede leer la regla y entender exactamente por qué se activó. También son baratos de ejecutar a gran escala y son la forma natural de codificar conocimiento propio de una organización. Un nombre en clave no significa nada para un modelo general y lo significa todo para la empresa que lo usa.
Cómo se afina la coincidencia
La coincidencia bruta de palabras clave, por sí sola, produce volúmenes de alertas inutilizables. Las implementaciones prácticas añaden los mecanismos siguientes, y cada uno restringe lo que cuenta como coincidencia.
| Mecanismo | Efecto en las alertas |
|---|---|
| ProximidadLos términos deben aparecer cerca para contar | Descarta menciones dispersas en un documento largo |
| UmbralesSe exige un número mínimo de coincidencias distintas | Ignora una sola palabra suelta |
| PonderaciónLos indicadores fuertes se activan solos; los débiles necesitan apoyo | Evita que coincidencias débiles generen una alerta por sí mismas |
| MorfologíaRaíces y flexiones para idiomas muy flexionados | Capta formas de palabras que la lista no escribe |
| ExclusionesCoincidencias en material publicado o plantillas conocidas | Evita alertas en textos públicos o estándar |
| Reglas de patrónExpresiones regulares y dígitos de control | Confirma que un número es un identificador real y no solo una cadena parecida |
Dónde falla el método
La técnica es imprecisa por naturaleza. Un término puede aparecer en registros genuinos, material de formación, debates sobre políticas o un contexto no relacionado que comparte el mismo vocabulario. Cada uno de esos casos es un falso positivo, y los falsos positivos enseñan a los revisores a descartar alertas.
Los falsos negativos surgen de paráfrasis, abreviaturas, errores ortográficos deliberados, traducción y contenido convertido en imagen. Las listas también envejecen: los nombres en clave cambian, aparecen productos nuevos y un diccionario que nadie mantiene protege poco a poco los secretos del año pasado.
Cómo se ven los tesauros en Anexet
Anexet entrega estos tesauros como categorías listas para usar, a las que las políticas pueden referirse por nombre. La lista muestra cada categoría con su número de palabras y de búsquedas, de modo que los conjuntos más ruidosos se detectan antes de que una política entre en funcionamiento. Las mismas categorías se usan en Anexet DLP.
Dónde encaja hoy
La coincidencia por diccionario es una capa, no una estrategia. Normalmente se combina con hashes de coincidencia exacta para archivos conocidos, huellas digitales de los documentos más importantes y clasificadores estadísticos o basados en modelos para categorías que resisten la enumeración.
La capa de diccionario se gana su lugar porque detecta lo que los demás métodos no ven: contenido no registrado y términos propios de la organización. Anexet combina estos enfoques; los detalles están en la página de huellas digitales y coincidencia por hash.
| Capacidad | Diccionario de palabras clave | Huella digital | Banco de hashes |
|---|---|---|---|
| Funciona sin registrar antes los documentos | |||
| Encuentra términos propios de la organización no registrados | |||
| Coincide con documentos y plantillas registrados | |||
| Coincide con copias exactas de archivos conocidos |
Por dónde empezar
Empiece por las palabras que más daño harían si se filtraran y después revise los canales por los que realmente circulan. Una política escrita para todos los términos a la vez bloquea el trabajo cotidiano, y la gente encuentra la forma de saltársela.
Lectura recomendada: Sistemas DLP — qué son y cómo funcionan.
Una fuga rara vez empieza con un ataque sofisticado. Empieza con una palabra corriente en un mensaje corriente.
Anexet TeamCómo lo resuelve Anexet
En Anexet, la coincidencia por diccionario se entrega como tesauros de seguridad, mantenidos como una capa lista en lugar de una lista en blanco por rellenar:
170 diccionarios preconstruidos
tesauros curados que cubren categorías de datos regulados, secretos técnicos y vocabulario empresarial sensible, ampliables con términos y nombres en clave específicos de la organización.
Coincidencia refinada
las reglas combinan aciertos de diccionario con proximidad, umbrales y validación de patrones para identificadores estructurados, de modo que las políticas se disparan por registros y no por menciones pasajeras.
En capas con otros métodos
bancos de hashes para coincidencia exacta de archivos, bibliotecas de huellas digitales para documentos y plantillas, y la integración de etiquetas de confidencialidad cubren lo que los diccionarios no pueden.
Todos los canales supervisados
la misma inspección se aplica al correo, la web, el almacenamiento en la nube, los mensajeros, los dispositivos extraíbles, la impresión y el portapapeles, con acciones que van del registro y la alerta a la cuarentena y el bloqueo.
Pista de auditoría y arquitectura on-premise
las coincidencias se registran con usuario, marca de tiempo, canal, regla coincidente y acción, y los diccionarios, el contenido inspeccionado y los registros permanecen dentro de la infraestructura de la propia organización.
Anexet DLP
Saber más