Prepoznavanje i klasifikacija
Identifikujemo podatke o ličnosti i posebno osetljive informacije, označavamo ih metapodacima i određujemo ko je odgovoran za njih.
Data & AI Engineering
Maskiranje podataka: analitika bez nepotrebnog pristupa PII
Analitički timovi često moraju da rade sa podacima iz operativnih sistema, ali za odluke nisu im potrebna imena, e-mail adrese ili puni identifikatori. Razvijamo masking i pristupna pravila na nivou skladišta i aplikacija.
Šta tehničko maskiranje PII podataka mora da obezbedi
PII masking menja ili skriva podatke o ličnosti u skladu sa definisanim pravima pristupa. Ne treba ga poistovećivati sa šifrovanjem, pseudonimizacijom ili nepovratnom anonimizacijom. Izvorne vrednosti mogu i dalje biti sačuvane.
Zaštita mora da postoji na pravim mestima: pri preuzimanju podataka, čuvanju, izvršavanju upita i izvozu. Metoda se bira prema poslovnoj svrsi i stvarnom riziku.
Četiri kontrolne tačke
Ograničavanje pristupa
Definišemo dozvole prema ulogama, atributima i potrebnim kolonama ili redovima, u skladu sa svrhom korišćenja.
Maskiranje ili pseudonimizacija
Biramo postupak za analitiku, testiranje i razvoj; eventualnu mogućnost ponovnog povezivanja sa identitetom štitimo odvojeno.
Proverljiv rad sistema
Pratimo promene prava, tokove podataka, izvoz, rokove čuvanja i postupke brisanja.
Tehničke opcije i njihova ograničenja
ClickHouse Cloud i pojedine druge analitičke platforme nude izvorne masking politike. Microsoft Presidio može pomoći pri prepoznavanju PII, a OpenMetadata ili DataHub pri katalogizaciji i praćenju porekla podataka. Izbor zavisi od toka podataka, pravila pristupa i uslova rada.
Maskiranje samo po sebi ne sprečava čitanje drugih kolona, spajanje sa spoljnim izvorima ili ponovno otkrivanje identiteta kroz male grupe. Zato zajedno proveravamo minimalni obim podataka, sve putanje pristupa i ograničenja izvoza.
Tehnički kontekst: https://valanor.co/sr/data-ai-engineering.
Data masking u praksi: primer sa ClickHouse
Kako se određena analitička uloga ograničava pomoću masking pravila, prikazujemo u tehničkom vodiču sa izmišljenim podacima penzionog fonda. To je samo jedna kontrola: Data Governance povezuje prava pristupa sa kvalitetom podataka, odgovornošću, auditom i pravilima izvoza.
Tehnički primer: https://valanor.co/sr/insights/pii-maskiranje-clickhouse-penzioni-fond. Data Governance: https://valanor.co/sr/data-governance. Pre primene proveravamo stvarnu verziju ClickHouse Cloud i ponašanje pravila za sve uloge.
Česta pitanja
Kada treba maskirati PII umesto brisanja podataka?
Kada se podaci zakonito čuvaju, ali određene uloge nemaju potrebu da vide originalne vrednosti. Maskiranje ne ukida obavezu brisanja kada ona postoji.
Koja je razlika između maskiranja i tokenizacije?
Maskiranje menja prikaz vrednosti. Tokenizacija je zamenjuje tokenom čija se veza sa originalom može odvojeno kontrolisati.
Koji sistemi mogu da se povežu?
Baze podataka, analitičke platforme, pipeline procesi, API servisi i aplikacije. Pristup zavisi od stvarne bezbednosne arhitekture.
Da li AI model može da koristi maskirane podatke?
Zavisi od namene i preostalih informacija. Treniranje, inferencija, logovanje i spoljni dobavljači modela zahtevaju zasebnu procenu tokova i rizika.
Sledeći korak
Proverimo arhitekturu podataka i pristupe.
U kratkom tehničkom razgovoru razjasnićemo koje podatke želite da koristite, ko sme da im pristupa i koje kontrole su neophodne.
Aleksandar Basara
Managing Director
aleks@valanor.co
Bulevar Milutina Milankovića 7Đ, 11070 Beograd, Srbija
