Données Non Structurées

Les données non structurées sont des informations qui ne suivent pas de modèle de données prédéfini, si bien que leur sens réside dans le contenu lui-même. Un tableau de clients possède des colonnes qui indiquent ce que représente chaque valeur. Un contrat signé, un fil de discussion ou un appel enregistré n'en comportent pas.

La plupart des informations d'une entreprise relèvent de cette catégorie. Comme elles peuvent contenir des données clients, des grilles tarifaires ou des données personnelles, les programmes de prévention de la perte de données (DLP) doivent analyser ce que contient un fichier, et pas seulement l'endroit où il est stocké.

Les données se répartissent en trois groupes selon le degré de structure qu'elles portent. Les données non structurées incluent les fichiers Word et PDF, le corps des e-mails, les journaux de discussion, les présentations, les images, les contrats numérisés, les fichiers de conception et les enregistrements audio et vidéo.

Elles sont partout dans une organisation type. Les analyses sectorielles estiment de manière constante que 80 à 90 % des nouvelles données d'entreprise sont non structurées, et cette part ne cesse de croître à mesure que la collaboration passe par les documents, les discussions et les médias.

La messagerie figure parmi les plus grandes sources. Une part importante de ce contenu transite par les services de messagerie électronique, où un seul fil peut réunir fichiers, captures d'écran et texte collé.

• Lecteurs partagés et dépôts de documents
• Boîtes e-mail et historiques de messageries
• Services de partage de fichiers dans le cloud
• Documents numérisés joints aux processus métier
• Photos de tableaux blancs et d'écrans

Les données structurées peuvent être protégées à la source. Une base de données dispose d'une frontière, de permissions et de journaux d'audit. Les données non structurées n'ont rien de tout cela, et la plupart des divulgations accidentelles et des vols de données par des collaborateurs impliquent ce contenu qui circule par les canaux du quotidien.

Quatre caractéristiques l'expliquent : elles n'ont ni schéma ni étiquettes, elles se copient facilement, elles existent dans des formats très variés et elles appartiennent à tout le monde et à personne, si bien que les catalogues centraux les couvrent rarement.

Comme les données non structurées ne peuvent pas être contrôlées à une source unique, les dispositifs se concentrent sur l'analyse du contenu là où les données circulent.

Le texte est classé à l'aide de dictionnaires de mots-clés et de thésaurus, comme une liste de mots interdits. Les valeurs de hachage et les empreintes numériques identifient les documents exacts et leurs copies, et l'OCR extrait le texte des scans et des images afin qu'ils puissent être analysés comme n'importe quel fichier.

Les étiquettes permettent ensuite aux politiques en aval d'appliquer des règles au courrier électronique, au web, aux messageries et aux supports amovibles.

La console regroupe ces méthodes en un seul endroit. Les thésaurus système comprennent 35 jeux de mots-clés, comme SSN, Credit Card ou Financial, et chacun affiche son nombre de mots et ses recherches. La reconnaissance d'images définit les canaux et les formats de fichiers lus comme des documents, et l'OCR couvre les scans.

Ces réglages font partie du module Anexet DLP, qui les applique aux documents, aux messages et aux fichiers en transit.

1 / 2

• 
• 

Commencez par le contenu dont la fuite causerait le plus de dégâts, puis suivez les canaux qu'il emprunte réellement. Des règles écrites pour tous les fichiers à la fois bloquent souvent le travail courant et finissent désactivées.

Mesurez d'abord la part de données non structurées, puis décidez où elles doivent être lues : là où elles sont créées, partagées ou envoyées à l'extérieur.