Estratégias recomendadas para reduzir o risco de dados

Nesta página, você encontra estratégias recomendadas para identificar e corrigir riscos de dados na sua organização.

A proteção dos seus dados começa com a compreensão de quais dados você está processando, onde os dados sensíveis estão localizados e como eles são protegidos e usados. Quando você tem uma visão abrangente dos seus dados e da postura de segurança deles, é possível tomar as medidas adequadas para protegê-los e monitorar continuamente a conformidade e o risco.

Nesta página, presumimos que você conhece os serviços de descoberta e inspeção e as diferenças entre eles.

Ativar a descoberta de dados sensíveis

Para determinar onde os dados sensíveis estão na sua empresa, configure a descoberta no nível da organização, da pasta ou do projeto. Esse serviço gera perfis de dados com métricas e insights sobre seus dados, incluindo os níveis de sensibilidade e risco.

Como um serviço, a descoberta funciona como uma fonte de verdade sobre seus ativos de dados e pode gerar relatórios de métricas automaticamente para auditorias. Além disso, a descoberta pode se conectar a outros serviços do Google Cloud , como o Security Command Center, o Google Security Operations e o Dataplex Universal Catalog, para enriquecer as operações de segurança e o gerenciamento de dados.

O serviço de descoberta é executado continuamente e detecta novos dados à medida que sua organização opera e cresce. Por exemplo, se alguém na sua organização criar um projeto e enviar uma grande quantidade de dados, o serviço de descoberta poderá descobrir, classificar e gerar relatórios sobre os novos dados automaticamente.

A Proteção de dados sensíveis oferece um relatório do Looker de várias páginas predefinido que oferece uma visão geral dos seus dados, incluindo detalhamentos por risco, infoType e local. No exemplo a seguir, o relatório mostra que dados de baixa e alta sensibilidade estão presentes em vários países ao redor do mundo.

Realizar ações com base nos resultados da descoberta

Depois de ter uma visão geral da sua postura de segurança de dados, é possível corrigir os problemas encontrados. Em geral, as descobertas de descoberta se enquadram em um dos seguintes cenários:

• Cenário 1: dados sensíveis foram encontrados em uma carga de trabalho em que são esperados e estão protegidos corretamente.
• Cenário 2: dados sensíveis foram encontrados em uma carga de trabalho em que não eram esperados ou em que não há controles adequados.
• Cenário 3: dados sensíveis foram encontrados, mas precisam de mais investigação.

Cenário 1: dados sensíveis foram encontrados e estão protegidos corretamente

Embora esse cenário não exija uma ação específica, inclua os perfis de dados nos seus relatórios de auditoria e fluxos de trabalho de análise de segurança e continue monitorando mudanças que possam colocar seus dados em risco.

Recomendamos que você faça o seguinte:

• Publique os perfis de dados em ferramentas para monitorar sua postura de segurança e investigar ameaças cibernéticas. Os perfis de dados ajudam a determinar a gravidade de uma ameaça ou vulnerabilidade de segurança que possa colocar seus dados sensíveis em risco. É possível exportar automaticamente perfis de dados para:

  • Security Command Center
  • Google SecOps

• Publique os perfis de dados no Dataplex Universal Catalog ou em um sistema de inventário para acompanhar as métricas de perfil de dados e outros metadados comerciais relevantes. Para informações sobre como exportar automaticamente perfis de dados para o Dataplex Universal Catalog, consulte Adicionar aspectos do Dataplex Universal Catalog com base em insights de perfis de dados.

Cenário 2: dados sensíveis foram encontrados e não estão protegidos adequadamente

Se a descoberta encontrar dados sensíveis em um recurso que não está adequadamente protegido por controles de acesso, considere as recomendações descritas nesta seção.

Depois de estabelecer os controles e a postura de segurança de dados corretos para seus dados, monitore qualquer mudança que possa colocá-los em risco. Consulte as recomendações no cenário 1.

Recomendações gerais

Faça o seguinte:

• Faça uma cópia anonimizada dos seus dados para mascarar ou tokenizar as colunas sensíveis. Assim, seus analistas e engenheiros de dados ainda poderão trabalhar com eles sem revelar identificadores sensíveis e brutos, como informações de identificação pessoal (PII).

  Para dados do Cloud Storage, use um recurso integrado da Proteção de Dados Sensíveis para criar cópias desidentificadas.

• Se você não precisar dos dados, considere excluí-los.

Recomendações para proteger dados do BigQuery

• Ajuste as permissões no nível da tabela usando o IAM.

• Defina controles de acesso refinados no nível da coluna usando tags de política do BigQuery para restringir o acesso às colunas sensíveis e de alto risco. Esse recurso permite proteger essas colunas e dar acesso ao restante da tabela.

  Também é possível usar tags de política para ativar o mascaramento de dados automático, que pode fornecer aos usuários dados parcialmente ofuscados.

• Use o recurso de segurança no nível da linha do BigQuery para ocultar ou mostrar determinadas linhas de dados, dependendo se um usuário ou grupo está em uma lista de permissões.

• Desidentificar dados do BigQuery no momento da consulta com funções remotas (UDF).

Recomendações para proteger dados do Cloud Storage

• Aplique controles de acesso usando o IAM.

• Aplique controles de acesso usando listas de controle de acesso.

• Crie cópias desidentificadas dos seus dados do Cloud Storage.

Cenário 3: dados sensíveis foram encontrados, mas precisam de mais investigação

Em alguns casos, você pode receber resultados que exigem mais investigação. Por exemplo, um perfil de dados pode especificar que uma coluna tem uma alta pontuação de texto livre com evidências de dados sensíveis. Uma alta pontuação de texto livre indica que os dados não têm uma estrutura previsível e podem conter instâncias intermitentes de dados sensíveis. Isso pode ser uma coluna de observações em que determinadas linhas contêm PII, como nomes, detalhes de contato ou identificadores emitidos pelo governo. Nesse caso, recomendamos que você defina outros controles de acesso na tabela e faça outras correções descritas no cenário 2. Além disso, recomendamos fazer uma inspeção mais detalhada e direcionada para identificar a extensão do risco.

Com o serviço de inspeção, é possível executar uma verificação completa de um único recurso, como uma tabela individual do BigQuery ou um bucket do Cloud Storage. Para fontes de dados que não são compatíveis diretamente com o serviço de inspeção, exporte os dados para um bucket do Cloud Storage ou uma tabela do BigQuery e execute um job de inspeção nesse recurso. Por exemplo, se você tiver dados que precisam ser inspecionados em um banco de dados do Cloud SQL, exporte-os para um arquivo CSV ou AVRO no Cloud Storage e execute um job de inspeção.

Um job de inspeção localiza instâncias individuais de dados sensíveis, como um número de cartão de crédito no meio de uma frase em uma célula de tabela. Esse nível de detalhes pode ajudar você a entender que tipo de dados está presente em colunas não estruturadas ou em objetos de dados, incluindo arquivos de texto, PDFs, imagens e outros formatos de documentos avançados. Em seguida, corrija as descobertas usando qualquer uma das recomendações descritas no cenário 2.

Além das etapas recomendadas no cenário 2, considere tomar medidas para impedir que informações sensíveis entrem no armazenamento de dados de back-end. Os métodos content da API Cloud Data Loss Prevention podem aceitar dados de qualquer carga de trabalho ou aplicativo para inspeção e mascaramento de dados em movimento. Por exemplo, seu aplicativo pode fazer o seguinte:

1. Aceite um comentário fornecido pelo usuário.
2. Execute content.deidentify para desidentificar dados sensíveis dessa string.
3. Salve a string desidentificada no armazenamento de back-end em vez da string original.

Resumo das práticas recomendadas

A tabela a seguir resume as práticas recomendadas neste documento: