Impressão Digital (digital fingerprint)

A impressão digital é um conjunto compacto de valores derivados do conteúdo de um documento protegido. A organização guarda esse conjunto em vez de uma cópia do documento e o usa para reconhecer esse conteúdo sempre que ele aparecer depois.

Impressões digitais são um dos métodos de reconhecimento dos sistemas de prevenção de perda de dados (DLP). A diferença está no alvo: a impressão procura o próprio material, então uma cópia, um trecho ou uma versão com outra formatação ainda será encontrada.

O método tem duas fases. O registro acontece uma vez para cada documento protegido, e a inspeção acontece sempre que um conteúdo sai da organização, como nas impressões digitais da Anexet.

1. 1

   Normalizar o texto

   O documento é reduzido a um texto comparável, então mudanças de formatação e de formato de arquivo pesam menos no resultado.

2. 2

   Calcular segmentos sobrepostos

   Os hashes são calculados sobre segmentos sobrepostos do texto normalizado, às vezes combinados com características estruturais.

3. 3

   Guardar apenas os valores

   A biblioteca mantém os valores derivados, não o documento. O conteúdo candidato passa depois pelo mesmo cálculo.

4. 4

   Comparar a proporção de trechos iguais

   Uma proporção alta de valores iguais mostra que o candidato contém o material protegido, mesmo que só uma seção tenha sido copiada.

Hashes, impressões digitais e regras de palavras-chave respondem a perguntas diferentes. Implantações maduras usam as três: hashes para arquivos conhecidos, impressões para os documentos mais importantes e padrões e listas de palavras para o resto.

Uma variante registra o formulário em branco em vez de uma cópia preenchida, como um formulário de sinistro, uma ficha de inscrição ou um contrato padrão. Toda cópia preenchida desse formulário passa a ser reconhecida, então grandes famílias de registros ficam protegidas sem registrar cada uma. Funciona melhor em documentos estruturados, em que o layout e o texto padrão permanecem estáveis e só os campos variáveis mudam, especialmente quando os registros contêm informações sensíveis.

As bibliotecas de impressões digitais são gerenciadas no console do Anexet DLP, que mostra o que está registrado e quando cada biblioteca foi atualizada pela última vez.

1 / 2

• 
• 

Uma impressão digital vale o que vale a lista de material registrado por trás dela. Ajuste o limiar com uma amostra do trabalho comum antes de ativar o bloqueio, porque o resultado da correspondência pode acionar uma regra de bloqueio por conteúdo.

• A impressão digital reconhece apenas o material registrado antes. Alguém precisa escolher o que proteger e manter o registro atualizado.
• Paráfrase intensa, tradução e conteúdo redigitado do zero ficam abaixo do limiar de correspondência.
• Trechos muito curtos são ambíguos, então o limiar exige uma quantidade mínima de conteúdo comum, não um único segmento.
• Capturas de tela e digitalizações precisam de reconhecimento de texto antes que a impressão digital possa ser calculada.

Comece pelos documentos cujas cópias causariam mais dano: modelos de contrato, projetos de produto e cadastros de clientes. Uma biblioteca com tudo é difícil de manter e acaba ignorada, enquanto um conjunto pequeno e atualizado mantém o valor.

Leitura adicional: Criptografia, codificação e hashing – qual é a diferença?.