Este documento describe los aspectos clave de un proyecto de enmascaramiento de datos, incluyendo la necesidad de identificar datos sensibles, sistemas y aplicaciones relevantes, y enmascarar sólo las columnas necesarias para proteger la privacidad sin afectar la funcionalidad. También recomienda involucrar a un equipo de privacidad de datos y considerar soluciones como Informatica Dynamic Data Masking e Informatica Persistent Data Masking.

2. Proyecto de Enmascaramiento
Federico Ortiz
Buenos Aires, 09 de Octubre de 2013

3. Introducción
Puntos que debemos tener en cuenta en un proyecto de data masking
Alcance del proyecto
Necesidad que origina
el proyecto
Cual es el trabajo que
se va a realizar
Cómo nos van a
evaluar
Success!

4. Identificar la necesidad del cliente
Cuales son las razones de un proyecto de Enmascaramiento de Datos?
Requerimientos Legales
Auditoria
Necesidad de Negocio
Pérdida de confianza

5. Pregunta a responder:
¿Tiene su organización un gap en alguna de estas áreas?
QA & Data
Warehouse
•
•
Alrededor de 8 a
•
12 copias de
Producción se
realizan para Test,
Capacitación y
fines analíticos.
Estas son copias
•
completas de Prod.
Development and
Support
Mucha utilización de
informes SQR, Toad,
SQL Plus eludiendo
las políticas de
seguridad de
aplicaciones
DBA’s, IT tienen
acceso ilimatado a
datos sensibles
Customer
Interaction
Outsourcing
•
•
Las organizaciones
pueden ahorrar dinero
subcontratando algún
proveedor de
servicios de cloud
Outsourced teams
tienen que tener
entornos restringidos
•
•
Los empleados
necesitan ver
detalles de cuentas
para resolver
preguntas y
disputas
Deberían tener
acceso restringido
basado en la
función

6. El equipo de Privacidad de Datos
Es necesario comprometer una contraparte dentro del cliente.

7. Identificar y clasificar los datos sensibles
•
Clasificación de datos sensibles:
Personally
Identifiable
Information (PII)
Payment Card
Industry (PCI)
Non-public
Personal
Information(NPI)
Company
confidential
information

8. Identificar y clasificar los datos sensibles
•
Tipos de datos que necesitan ser enmascarados:
Nombres
Direcciones
Fechas
relacionadas
con la persona
Numeros de
Telefono
Emails
DNIs
Registros
Médicos
Numeros de
cuenta
Numeros de
Faxes
Licencia de
conducir
Numeros de
patentes
Numeros de
serie
URLs
Identificadores
biométricos
Fotos e
imágenes
Datos
Financieros
“El término de datos sensibles es muy subjetivo respecto de
cada organización.”

9. Identificar los Sistemas y Aplicaciones
Debemos averiguar dónde están ubicados esos datos identificados “sensibles”.
Aplicativos
Bases de Datos
Archivos
Redes Sociales
Cloud, Social Media, etc

10. Enmascarar sólo columnas relevantes
Es necesario establecer criterios de enmascaramiento

11. La funcionalidad no debe ser afectada
Al enmascarar los datos debemos producir nuevos datos reales y
coherentes, y de esta manera mantener la funcionalidad de la empresa.

12. Enmascaramiento: Limitaciones
Que NO es el enmascaramiento

13. Claves en un proy. de Enmascaramiento
• Entender la necesidad
• Identificar al equipo de privacidad de la
información
• Identificar los datos sensibles
• Identificar sistemas y aplicativos
• Definir escenarios de aceptación
• Asegurar que la funcionalidad no sea afectada

14. La solución de Informatica
ILM Discovery Option
Custom
CRM
ERP
DEV
Data
Warehouse
Billing
Production
TEST
TRAIN
Data Validation Option
Informatica Dynamic
Data Masking
Informatica
Data Subset
Informatica Persistent
Data Masking
Informatica
Test Data Management

15. Informatica Persistent Data Masking
Quienes están involucrados
El BCRA nos va a
penalizar si no
hacemos esto…
Necesitamos acceso
a datos reales. Sino,
como vamos a
realizar las pruebas
Compliance
Officer
Necesito una política
global para seguir el
paso a los cambios
Necesito datos
reales para
trabajar
Developer
QA Manager
No tengo
infraestructura para
todas estas copias
DBA
Director of
Applications

16. Informatica Persistent Data Masking
Protección de la Información Sensible en ambientes No-Productivos
Alterar permanentemente datos sensibles como tarjetas de crédito,
información de direcciones o nombres
Variadas Técnicas:
ID
Name
City
Credit Card
•
•
•
•
0964
John Wilson
Mike Smith
Fresno
Plano
4417 1234 5678 9112
9741 1949 9471
9388
Mark Jones
Jerry Morrow
Fresno
Modesto
4981 4078 9149 1491
1341 0854 0508
2586
Rob Davis
Fresno
Andy Sanders Hartford
4298 0149 0134 0148
9341 9544 9114
7310
Jeff Richards
Josh Phillips
4198 9148 1499 1341
9481 9147 0521
Shuffle ID’s de empleados
Sustitución de nombres
Constantes para ciudades
Tecnica especial para tarjetas de
credito
Fresno
Tampa

17. Informatica Persistent Data Masking
No sólo una transformacion
Define
Generate
 Interfaz de usuario integrada
 Definicion de políticas
abstracta
 Descubrmiento de datos
sensibles y relaciones
 Entorno ETL World class

18. Informatica Dynamic Data Masking
Quienes están involucrados
¿Cómo protegemos los
datos incluso de usuarios
privilegiados?
No podemos modificar
nuestras aplicaciones para
enmascarar los datos
sensibles.
Director of
Applications
Compliance
Officer
Monitoring is not
enough, but I also don’t
want to deal with tokens
DBA
Necesito algo
transparente que no
impacte en el
rendimiento
Director of
Production Support

19. Informatica Dynamic Data Masking
Real-Time Role-Specific Production Data Masking
Authorized User
Unauthorized User
Unauthorized User
(Sr. Analyst)
(IT Administrator)
(Offshore Support)
Original Values
Masked Values
Scrambled Values
3890-6784-2945-0093
xxxx-xxxx-xxxx-0093
1234-6789-1000-4422
3245-9999-2456-7658
xxxx-xxxx-xxxx-7658
2233-6789-3456-5555
Dynamic Data Masking
applies rules based on user context
Value in database
19
Database containing
sensitive data
3890-6784-2945-0093
3245-9999-2456-7658

20. Informatica Dynamic Data Masking
Una propuesta de valor
 Disminuye dramaticamente el riesgo de
violación de datos
 Fácilmente personalizable para los
diferentes requerimientos regulatorios
de soluciones de enmascaramiento de
datos
 Elimina costos derivados de los daños a
la reputación
 Aumenta la productividad mediante el
acceso rápido a los datos protegidos de
producción
 Funciona para aplicaciones y
Datawarehouses!

21. Gracias por su atención

22. TURNO DE PREGUNTAS

23. LATINOAMÉRICA
info@powerdataam.com
Argentina
Avenida Leandro N Alem 530, Piso 4
CD C100 1AAN Ciudad Autónoma de Buenos Aires
Tel: (+54) 11 4314 1370
Chile
Av. Presidente Errázuriz Nº 2999 - Oficina 202
Las Condes, Santiago CP 7550357
Tel: (+56) 2 892 0362
México
Insurgentes Sur Nº 600 Of. 301 y 302,
Col. del Valle, Benito Juarez
Distrito Federal, México, 03100
Tel: (+52 55) 1107-0812
www.powerdataam.com
Perú
Calle Los Zorzales Nº 160, piso 9
San Isidro, Lima
Tel: (+57 1) 616 77 96
Tel: (+51) 1634 4901
ESPAÑA
Madrid
C/ Miguel Yuste, 17, 4º C
28037 Madrid
T (+34) 911 29 72 97
Colombia
Calle 100 No. 8A-55 Torre C. Of. 718
Bogotá
info@powerdata.es
Barcelona
C/ Frederic Mompou, 4B 1º, 3º
08960 Sant Just Desvern
T (+34) 934 45 60 01
www.powerdata.es
Valencia
Edificio Europa - 5º I Avda, Aragón, 30
46021 Valencia
T (+34) 960 91 60 25