Table of Contents[Hūnā][Hōʻike]
I ka honua kikohoʻe, aia kekahi mau pae i hiki i nā poʻe ʻekolu ke komo i kāu mea kūʻai a i ʻole ʻikepili ʻoihana. ʻAʻole hiki ke wehe maʻalahi ia ʻike mai nā hōʻike a i ʻole nā hōʻike mea hoʻohana. Ma kahi ʻano like, ʻaʻole hiki iā ʻoe ke hoʻohele wale i ka ʻikepili iā ia iho.
ʻO ka masking data kahi hopena palekana koʻikoʻi e hoʻololi i ka ʻikepili i hōʻike ʻia me ka ʻikepili fictional aʻo ka mālama ʻana i ka ʻikepili maoli i kēia kūlana.
ʻO ka masking data ka hana o ka hoʻololi ʻana i ka ʻikepili koʻikoʻi i hiki ke hoʻohana ʻia no kāna kumu i manaʻo ʻia akā ʻaʻole hiki ke hoʻohana ʻia e ʻike i nā kānaka kikoʻī.
Hoʻololi ʻia nā ʻikepili koʻikoʻi me nā inoa, nā helu wahi, a me nā helu palekana me ka ʻike kūpono akā hoʻopunipuni. Ma kēia ʻano, ʻoiai inā ua hacked ka ʻikepili, mālama ʻia ka ʻike koʻikoʻi.
Ma kēia pou, e nānā pono mākou i nā mea hana masking data 10 kiʻekiʻe i loaʻa i ka mākeke.
He aha ka Data Masking?
ʻO ka masking data ke ʻano o ka hūnā ʻana i ka ʻike pilikino ma o ka hoʻololi ʻana iā ia me nā ʻike noʻonoʻo, e like me nā helu kāleka hōʻaiʻē, nā ʻōlelo huna, a i ʻole nā ʻano ʻike pilikino ʻē aʻe.
Hāʻawi kēia hoʻolālā i ka hoʻohana ʻana i ka ʻikepili ʻelele no ka hoʻomohala ʻana, ka hoʻāʻo ʻana, a i ʻole ke aʻo ʻana ʻoiai e hōʻoiaʻiʻo ana e mālama ʻia ka ʻikepili koʻikoʻi ʻoiai ke kaʻana like ʻana me nā ʻaoʻao ʻē aʻe.
Hiki ke uhi ʻia ka ʻikepili koʻikoʻi me ka hoʻohana ʻana i nā ʻano hana like ʻole, me ka tokenization, ka hoʻololi, ka hoʻopili ʻana, a me ka shuffling. ʻOiai e hoʻonohonoho hou ana ka shuffling i nā waiwai o ka ʻikepili, hoʻololi ke pani i ka ʻikepili maoli me nā waiwai fictitious.
Ma ka ʻaoʻao ʻē aʻe, hūnā ka hoʻopili ʻana i ka ʻikepili ma ka hoʻololi ʻana iā ia i ciphertext e pono ai ke kī decryption e hoʻokaʻawale ʻia i mea e hōʻike ai i ka ʻikepili kumu. Hoʻokomo ʻia ka Tokenization i ka mālama ʻana i ke ʻano kumu o ka ʻikepili koʻikoʻi me ka hoʻololi ʻana i nā hōʻailona i hana ʻole ʻia.
ʻO ka pahuhopu o ka masking data ʻo ia ka hana ʻana i kahi hopena kūpono ʻaʻole i loaʻa ka ʻike koʻikoʻi akā hāʻawi i kahi kope o ka hale. Inā ʻaʻole pono ka ʻikepili maoli, kōkua nui kēia no ka hoʻomaʻamaʻa ʻana i nā mea hoʻohana, nā hōʻike huahana, a me nā hoʻāʻo polokalamu.
No ke aha he mea nui ka huna ʻikepili?
Hoʻohana ʻia ka masking data e nā hui akamai a ʻoi loa no nā kumu he nui:
- Hoʻopau i ka hiki ke nalowale ʻikepili a i ʻole hacking ʻoiai e hoʻouka ana i ka ʻikepili i ke ao.
- Ke hoʻoponopono nei i nā pilikia palekana koʻikoʻi, e like me ka exfiltration data, nā hoʻoweliweli insider, nā moʻokāki i hoʻopaʻa ʻia, a me nā pilina paʻa ʻole me nā ʻōnaehana waho.
- Kaohi ʻana i nā mea hoʻokūkū mai ka ʻike ʻana i nā hoʻolālā pāʻoihana o kāu ʻoihana, me nā palena kālā, ka nui o nā mea hoʻohana, a me nā mea ʻē aʻe.
- Hiki iā ʻoe ke pale i ka hoʻohana ʻole ʻia ʻana o ka ʻikepili o ka mea kūʻai aku e nā limahana, nā ʻaelike kūʻokoʻa, a i ʻole nā mea hoʻolako.
- E ʻae i ka hoʻohana manuahi ʻole ʻana o ka ʻikepili huna me nā interns, nā mea hoʻomohala, nā mea hoʻolālā, nā mea hana maʻiʻo, a me ka lehulehu.
- Hoʻohana ka hoʻomaʻemaʻe ʻikepili i ka masking data e hoʻololi i nā waiwai kumu ma kahi waihona mālama, ʻoiai ʻo ka holoi ʻana i ka faila maʻamau e waiho mau ana i nā ʻikepili ma hope.
Nā mea hana huna ʻikepili
1. Delphix
ʻO Delphix kahi polokalamu kiʻekiʻe loa e hiki ke hoʻomaopopo koke a hūnā i nā ʻikepili koʻikoʻi mai nā kumu like ʻole, me nā waihona pili pili a me nā faila.
ʻAʻole pilikia nā inoa o nā mea kūʻai aku, nā leka uila, a me nā helu kāleka hōʻaiʻē no ka mea hiki iā Delphix ke ʻike maʻalahi ma luna o 30 mau ʻano ʻike koʻikoʻi.
Hiki ke uhi ʻia nā ʻano ʻikepili like ʻole, me ka ʻikepili i kūkulu ʻia a me ka ʻike ʻole ʻia me ka hoʻohana ʻana i kēia noi. Hoʻohana ʻo Delphix i nā ʻano hana like ʻole e hūnā i ka ʻikepili, e like me ka hashing, hoʻololi, a me ka shuffling.
Me ka ʻoi aku ma mua o 50 mau ʻōlelo hoʻolaha kūʻokoʻa, aia ʻo Delphix i kahi waihona nui o nā pūʻulu profile i kūkulu mua ʻia. ʻO ka holo ʻana i nā algorithm masking ʻaʻole e koi iā ʻoe e lilo i mea papahana akamai, a hiki iā Delphix ke hana i nā waiwai kūpono i ka wā e mālama ana i ka kūpaʻa kuhikuhi i loko a ma waena o kāu mau kumu ʻikepili.
Hiki ke hoʻonohonoho pono ʻia ka polokalamu inā pono ʻoe e hoʻomohala i nā algorithms hou. E hoʻomau ka hana ʻana o kāu ʻikepili masked me ka hala ʻole, hiki iā ʻoe ke hoʻohana ia mea no ka hoʻomohala ʻana, ka hoʻāʻo ʻana, a me nā pono loiloi.
Hāʻawi ʻia ka hōʻailona ʻikepili a me nā ʻoluʻolu masking hiki ʻole ke hoʻololi ʻia e Delphix e hoʻopaʻa i ka pilikino ʻikepili a pono e pili ka palekana o kāu ʻoihana i nā kūlana a me nā kānāwai e like me GDPR, HIPAA, a i ʻole CCPA. Hiki ke hoʻopau ʻia nā pilikia ma ka wehewehe ʻana a me ka hoʻokō ʻana i nā kaʻina hana masking ma waena o nā hoʻonohonoho hana ʻole.
kumu kūʻai
E ʻoluʻolu e kelepona i ka mea kūʻai aku no kāna kumu kūʻai.
2. IBM InfoSphere Optim Data Privacy
Hiki i ka IBM InfoSphere Optim Data Privacy solution ke hoʻololi i ka ʻikepili koʻikoʻi me ka ʻikepili pili i ka ʻikepili a me ka ʻoiaʻiʻo (akā noʻonoʻo) ma nā ʻano like ʻole.
Maikaʻi ka ʻenehana i nā ʻoihana e ʻimi i ka ʻikepili koʻikoʻi a uhi ʻia e like me ka mea e pono ai ma nā ʻikepili, nā hale kūʻai, ke ao, a me nā kūlana ʻikepili nui.
Ua maʻalahi ka hoʻokele a me ka huna ʻana i ka ʻike koʻikoʻi (PII a me nā ʻikepili pilikino ʻē aʻe) i nā pōʻaiapili hana ʻole me ka hoʻomohala ʻana, ka hoʻāʻo ʻana, a me ka hōʻoia ʻana i ka maikaʻi ma muli o IBM InfoSphere Optim Data Privacy.
Hāʻawi ʻo InfoSphere i ka palekana ʻikepili a me ka hūnā i koi ʻia e ka ʻoihana BFSI, ʻoi aku ka nui o ka hoʻomohala ʻana i nā mea kūʻai aku. ʻO ia ka mea hana kūpono no ka pale ʻana i ka pilikino ʻikepili a me ke kaiapuni.
No ka hoʻonohonoho ʻana i ka ʻikepili ʻikepili mai nā ʻikepili hana a me nā ʻano masking, ʻaʻohe coding e koi ʻia. ʻOi aku ka wikiwiki o ka hoʻololi ʻana ma kahi ala paʻa. Hoʻohiki ʻo IBM i ka hoʻomaikaʻi ʻana i ka mālama ʻikepili, ka hoʻokele pilikia, a me ka hana hana.
kumu kūʻai
E ʻoluʻolu e kelepona i ka mea kūʻai aku no kāna kumu kūʻai.
3. K2Nike
Hiki iā K2View ke koho maikaʻi loa iā ʻoe inā ʻoe e ʻimi nei i kahi mea hana huna ʻikepili ikaika e hiki ke mālama pono i kāu ʻikepili koʻikoʻi.
Ua manaʻo ʻia e hana maʻalahi ka masking data ma ka hōʻemi ʻana i nā kumukūʻai hoʻolaha a me ka manawa aʻo ka wehe ʻana i nā pilikia pae ʻoihana me kāna hoʻolālā huahana data.
Hāʻawi ʻo K2View i ka palekana ikaika no ka ʻikepili PII a mālama i ka pilina pili o ka ʻikepili huna ʻia ma o ka ʻike ʻole ʻana i ka ʻikepili koʻikoʻi o kēlā me kēia kanaka i ka hele ʻana.
Eia hou, ua hana ʻia e kōkua iā ʻoe i ka mālama ʻana i kekahi mau lula palekana data, e like me GDPR, CCPA/CPRA, HIPAA, LGPD, a me PCI DSS.
Loaʻa iā K2View kahi hōʻiliʻili ʻikepili a me ka hiki ke ʻike ʻokoʻa e maʻalahi ka palapala ʻāina a hoʻokaʻawale i ka ʻikepili koʻikoʻi. Eia kekahi, hiki iā ʻoe ke alakaʻi i ka faila waihona a me nā ʻimi metadata ma kahi pae granular.
Loaʻa iā ʻoe ke kūʻokoʻa e hūnā i kāu ʻikepili ma ke ala e ʻoi aku ka maikaʻi no kāu ʻoihana e hoʻomaikaʻi i nā haneli o nā ʻano masking out-of-the-box i loaʻa, me ka hoʻololi ʻana, randomizing, shuffling, hoʻololi, nulling-out, a me ka redaction.
Hoʻohui hou, kākoʻo ʻo K2View i ka hoʻohui pono ʻana me kahi ākea o nā ʻenehana a i ʻole nā kumu ʻikepili, inā hoʻokipa ʻia lākou ma ka ʻāina a i ʻole ke ao. No ka hūnā ʻana i ka ʻikepili me ka ʻoiaʻiʻo e pili ana, hiki iā ʻoe ke hoʻohui i kēia hoʻonā i nā ʻikepili pili, nā ʻōnaehana hoʻoilina, NoSQL, nā palapala XML, nā queues memo, a me nā faila palahalaha.
kumu kūʻai
E ʻoluʻolu e kelepona i ka mea kūʻai aku no kāna kumu kūʻai.
4. ʻO ka huna ʻana o ka ʻikepili Oracle a me ka hoʻonohonoho ʻana
ʻO ka Oracle Data Masking a me Subsetting kahi mea hana pono e hiki ai i nā hui ke hoʻohaʻahaʻa i ka pilikia o ka haki ʻana i ka ʻikepili me ka mālama ʻana i ka maikaʻi o ka ʻikepili no nā hoʻonohonoho hana ʻole. Aia i loko o ka hoʻonā kekahi mau ʻenehana masking data i kūkulu ʻia, e like me ka hoʻoponopono ʻana, ka hoʻololi ʻana, a me ka scrambling, e hūnā i ka ʻikepili koʻikoʻi ma ke ʻano e hoʻohana ʻia akā hūnā i kona ʻike.
No ka hoʻomohala ʻana, ka hoʻāʻo ʻana, a me nā kumu analytical, hāʻawi ʻo Oracle Data Masking a me Subsetting i ka mana subsetting e hana i nā kope o ka ʻikepili hana.
ʻOiai ka huna ʻana a me ka hoʻokaʻawale ʻana i ka ʻikepili, hiki iā ia ke mālama i ka pono kuhikuhi, nā pilina paʻakikī, a me nā hilinaʻi. Hiki ke hoʻohana ʻia nā ʻikepili, nā faila, a me nā noi ma ka hale a i ʻole ke ao me ka hopena. ʻIke ʻia ka ʻike pilikino o ka waihona a me kāna mau keiki e kēia polokalamu.
Mālama ʻo ia i kahi waihona kikowaena o nā ʻano masking, e hāʻawi ana i nā palapala masking mākaukau a hāʻawi i nā mea hoʻohana i nā mea ʻē aʻe e hūnā i nā ʻikepili i hāʻawi ʻia. No ka hūnā ʻana i ka ʻikepili mai nā hihia hoʻohana like ʻole ma lalo o nā hoʻonohonoho like ʻole, hāʻawi ʻo Oracle i nā ʻenehana hoʻololi piha.
He kūpono ia no nā ʻoihana e pili ana i nā kānāwai e pili ana i ka pilikino ʻikepili, e like me GDPR, CCPA/CPRA, HIPAA, a me nā mea ʻē aʻe. Hiki ke hūnā ʻia nā inoa, nā helu wahi, nā helu kelepona, nā leka uila, nā helu kāleka hōʻaiʻē, a me nā ʻike olakino me ka hopena.
kumu kūʻai
E ʻoluʻolu e kelepona i ka mea kūʻai aku no kāna kumu kūʻai.
5. Informatica hoʻomau i ka ʻike huna huna
ʻO ka Informatica Persistent Data Masking kahi hopena masking data e hiki ai i nā ʻoihana ke pale pono i ka ʻikepili koʻikoʻi i ka wā e kaʻana like ana me nā mea pili i loko a me waho.
ʻO nā algorithms paʻakikī i hoʻohana ʻia i kēia hoʻonā e hiki ai i ka pale ʻana i ka ʻike koʻikoʻi me ka hoʻohana ʻana i nā ʻano hana masking, e like me ka pale ʻana i ka format-pserving a me ka mālama waiwai. ʻO ka ʻenehana, hiki iā ia ke uhi i ka ʻikepili i ka manawa maoli a i ʻole i nā pūʻulu, pale i ka ʻikepili koʻikoʻi i ka wā o ka transit a i ke ʻano batch.
ʻO nā ʻikepili, nā faila, a me nā papa kuhikuhi he mau wahi wale nō ia e hūnā ai i ka ʻikepili. Hiki i ka hoʻohana ʻana i kēia polokalamu ke hūnā i nā ʻikepili ma nā kahua he nui, me Oracle, IBM DB2, Microsoft SQL Server, a me nā mea ʻē aʻe.
ʻO ka hopena he koho maikaʻi loa no nā ʻoihana e hoʻololi i kā lākou ʻikepili i ke ao no ka mea loaʻa iā ia nā mana masking data i nā wahi ao. Hiki i nā mea kūʻai ke mālama a nānā i nā hana masking a pau.
Hiki ke hōʻoia ʻia nā lula like ʻole, e like me GDPR, HIPAA, a me PCI-DSS, me ka hoʻohana ʻana i nā hōʻike i hoʻopuka ʻia e ka hopena. Huna ia i kēlā me kēia ʻāpana o ka ʻike ʻike mai ka nui o ka ʻikepili i hōʻiliʻili ʻia mai nā kumu a me nā waihona, e like me nā mea hoʻohana, nā wahi, nā lā hānau, a me nā kuleana.
Hiki ke hoʻopili nui ʻia nā ʻikepili, nā polokalamu, a me nā papa nui e ka hopena. Eia kekahi, hoʻemi ia i ka hiki ke nalowale ʻikepili a i ʻole hoʻohana hewa.
kumu kūʻai
E ʻoluʻolu e kelepona i ka mea kūʻai aku no kāna kumu kūʻai.
6. IRI FieldShield
ʻO IRI FieldShield kahi ʻōnaehana huna huna ikaika e hāʻawi i ka pale ʻokiʻoki no ka ʻikepili koʻikoʻi. ʻO ka pūʻulu piha o nā hiʻohiʻona a me nā kaʻina hana masking o ka papahana e hiki ai i nā mea hoʻohana ke uhi wikiwiki i ka ʻikepili mai nā ʻano kumu, me nā ʻikepili pili, nā faila palahalaha, a me nā ʻōnaehana mainframe. Hāʻawi ia i nā mea hoʻohana i ke koho o ke ao a i ʻole ka uhi ʻikepili ma ka hale.
Huli a hoʻokaʻawale ʻo FieldShield i nā mea koʻikoʻi i loko o nā waihona, nā faila, a me nā kumu ʻē aʻe me ka hoʻohana ʻana i kahi ʻenehana hoʻokaʻawale ʻikepili hou. Ke hoʻokaʻawale ʻia ka ʻikepili, hiki ke hūnā ʻia me ka hoʻohana ʻana i kekahi mau ʻenehana, me ka hoʻopili, hoʻololi, a me ka hoʻoponopono.
Hoʻohui ʻia, kākoʻo ʻia nā ʻano ʻikepili like ʻole, me ka alphanumeric, numeric, a me Unicode. Hoʻomaopopo pū ia i ka mālama ʻana o ka ʻikepili masked i ke kūlike me nā ʻikepili pili ʻē aʻe, e mālama ana i ka pono o ka ʻikepili.
Hāʻawi pū ia i nā koho koho no ka subsetting data, e ʻae ana i ka hana ʻana i nā pūʻulu ʻikepili liʻiliʻi no ka hoʻāʻo ʻana a me ka hoʻomohala ʻana.
Kākoʻo pū ʻia ka hoʻohui ʻana me nā huahana IRI e like me IRI CoSort a me IRI Voracity e FieldShield. Hāʻawi kēia mau mea hana i nā hiʻohiʻona hou ma kahi kahua hoʻokahi, me ka hoʻohui ʻana i ka ʻikepili, ka maikaʻi o ka ʻikepili, a me ka masking data.
kumu kūʻai
E ʻoluʻolu e kelepona i ka mea kūʻai aku no kāna kumu kūʻai.
6. Palekana ʻikepili Salesforce
ʻO Salesforce Data Mask kahi ʻenehana masking data ikaika e kōkua i nā ʻoihana e hoʻopaʻa i kā lākou ʻike koʻikoʻi a pili i nā kānāwai pale ʻikepili like ʻole. Loaʻa nā ʻano koho masking ākea ma kēia kahua, me ka masking data dynamic, static data masking, a me ka masking data selective.
ʻIke ʻia a uhi ʻia e Salesforce Data Mask me ka hoʻohana ʻana i nā algorithm aʻo mīkini.
Hāʻawi ka ʻenehana i kahi dashboard piha e hiki ai i nā mea kūʻai ke ʻike i nā moʻolelo loiloi a me kā lākou holomua masking. ʻO nā kānāwai pale ʻikepili like ʻole me GDPR, CCPA, a me HIPAA, loaʻa pū kekahi i nā kumu hoʻohālike i kūkulu mua ʻia.
Hana pū ʻo Salesforce Data Mask me nā huahana Salesforce ʻē aʻe e like me Shield a me Identity e hāʻawi i kahi hopena pale pale data piha. Hoʻohui ʻia, hāʻawi ʻo Salesforce Data Mask i kahi kiʻekiʻe o ka hiki ke hoʻonohonoho ʻia a hiki ke hoʻonohonoho ʻia e hoʻokō i nā koi kūikawā no ka pale ʻana i ka ʻikepili o nā hui like ʻole.
Kākoʻo ʻia nā ʻano ʻikepili i hoʻohana nui ʻia e like me nā mea maʻamau a me nā mea maʻamau, nā kahua, nā mea hoʻopili, a me nā palapala i kākoʻo ʻia no ka masking. Hāʻawi ia i nā ʻano masking he nui me ka hoʻololi ʻana, redaction, tokenization, a me ka hoʻopili ʻana e hōʻoiaʻiʻo i ka hūnā ʻia ʻana o ka ʻikepili i ka mālama ʻana i kona kūpaʻa.
kumu kūʻai
E ʻoluʻolu e kelepona i ka mea kūʻai aku no kāna kumu kūʻai.
7. ʻO Imuta
Hiki iā Immuta ke koho maikaʻi loa no nā palena pilikino a me ka masking data dynamic. Hoʻololi ia i ka ʻikepili i ka manawa nīnau e hūnā i nā waiwai koʻikoʻi me ka hoʻololi ʻole i ka ʻikepili kumu.
Hiki iā ʻoe ke kuhikuhi i kahi kulekele hoʻokele e pili ana i ke ʻano i loko o kāna ʻoihana palekana a me ka hoʻokele pilikino. Loaʻa iā ʻoe ke koho e hoʻohana i ka code a i ʻole ka ʻōlelo maʻalahi i ke kākau ʻana i ka ʻōlelo kulekele.
Eia hou, hiki iā ʻoe ke koho ma mua o 60 mau mana palekana a me nā mana pilikino e pale aku i ka ʻikepili koʻikoʻi. Hiki ke hoʻohana ikaika ʻia kēia mau kaohi i ka manawa nīnau no nā ʻano hana huna huna ʻikepili, me ka inoa ʻole, pseudonymization, minimization, a me obfuscation.
Hiki iā ʻoe ke komo wikiwiki i ka ʻikepili i ʻae ʻia mai kekahi puke puke, mea hana BI, a i ʻole workbench mahalo i kēia mau kulekele ikaika. Hiki iā ʻoe ke hoʻokaʻawale i nā palena komo ma Immuta me ka hoʻohana ʻana i nā ʻano koho like ʻole, me ka demographics o ka mea hoʻohana, nā puka makani e pili ana i ka manawa, ka ʻikepili kelepona pili, a me ka ʻikepili papa kuhikuhi.
Ma luna o nā mea a pau, hoʻemi ia i ke kaumaha ʻenehana a hiki ke komo koke i ka ʻikepili i hoʻopili ʻia. Eia hou, hoʻohaʻahaʻa kēia polokalamu i ka hiki ke hōʻino i ka ʻikepili, mālama i ka inoa o kāu hui, hiki ke hoʻopaʻa i ka ʻikepili ʻikepili, a hoʻonui i ka huahana o ka hui.
kumu kūʻai
E ʻoluʻolu e kelepona i ka mea kūʻai aku no kāna kumu kūʻai.
8. ʻO Chainsys DataZense
ʻO DataZense kahi hopena masking data piha i hana ʻia e pale i ka ʻike pilikino i ka hana ʻole, hoʻomohala, a me nā hoʻonohonoho hoʻāʻo. Hiki i nā ʻoihana ke hoʻololi maʻalahi i ka ʻikepili PII a me PHI, me ka ʻike kāleka hōʻaiʻē, nā inoa, nā helu wahi, a me nā moʻolelo olakino, me kēia ʻenehana.
Hiki iā ia ke mālama i ka manawa a hōʻemi i nā hewa kanaka ma o ka ʻike ʻana a me ka huna ʻana i ka ʻikepili. ʻO nā ʻano masking i hāʻawi ʻia e kēia mea hana me ka tokenization, encryption, shuffling, replacement, and masking. Hiki iā ia ke mālama i ka ʻoiaʻiʻo referential a me nā loulou ʻikepili e hoʻomaikaʻi i kāna algorithms out-of-the-box.
Hoʻohui ia, hiki iā ʻoe ke hana i nā lula masking pilikino a me nā kulekele, e hōʻoiaʻiʻo ana i ka ʻike ʻole ʻia o ka ʻikepili koʻikoʻi e like me kāu pono ponoʻī.
Hāʻawi pū kekahi i nā koho hoʻonohonoho a me nā ala loiloi no ka hoʻokō a me ka nānā ʻana. Hiki iā ʻoe ke komo i kēia paepae kapuaʻi i nā manawa a me nā wahi āu e koho ai.
Eia hou, kākoʻo ia i ka GDPR, CCPA, OIOO, a me nā hoʻoponopono pilikino ʻē aʻe. Hiki ke hoʻohui pū ʻia nā waihona ʻikepili nui, nā ʻikepili pili, nā faila pālahalaha, nā lawelawe kapuaʻi, a me nā kumu ʻike a me nā ʻenehana ʻē aʻe me dataZense.
kumu kūʻai
E ʻoluʻolu e kelepona i ka mea kūʻai aku no kāna kumu kūʻai.
9. NextLabs
Nextlabs Data Masking, kahi ʻikepili ikaika palekana palekana, hiki i nā ʻoihana ke mālama i ka ʻikepili koʻikoʻi me ka mālama pū ʻana i nā koi hoʻoponopono. ʻO nā ʻāpana ʻikepili koʻikoʻi i hiki i kēia polokalamu ke hiki i nā mea hoʻohana ke ʻike a hūnā e komo pū me ka ʻike kāleka hōʻaiʻē, nā helu mālama ola, a me nā helu leka uila, e inoa i kekahi.
Hāʻawi ia i ka masking o ka ʻikepili i kūkulu ʻole ʻia me ka ʻikepili i kūkulu ʻia.
Me Nextlabs Data Masking, hiki iā ʻoe ke hana i nā kulekele masking i hiki ke hoʻohana ʻia me nā kumu ʻikepili like ʻole, me nā faila, nā waihona, a me nā polokalamu polokalamu.
No ka mālama ʻana i ka ʻikepili koʻikoʻi, hoʻohana ka mea hana i nā ʻano hoʻolālā masking, me ka hoʻopili ʻana, redaction, hoʻololi, a me ka shuffling. Me ke kōkua o Nextlabs Data Masking, hiki iā ʻoe ke hoʻokele a mālama i kāu mau kulekele masking data ma muli o ka ʻike kikowaena o kāu mau kumu ʻikepili āpau.
Hāʻawi ka ʻōnaehana i ka loiloi a me ka hōʻike ʻana i ka hoʻohana ʻana i ka ʻikepili a me ke komo ʻana.
ʻO ka pale ʻana i ka nalo ʻikepili (DLP) a me ka ʻike a me ka hoʻokele ʻana i ka ʻike (IAM), a me nā hoʻonā palekana ʻē aʻe, ua hoʻohui pū ʻia me Nextlabs Data Masking. Ma ka hoʻohui ʻana i kēia mau ʻōnaehana, hiki i nā hui ke hoʻomohala i kahi hoʻolālā palekana ʻikepili piha e pale ana i kēlā me kēia ʻāpana o kā lākou ʻikepili.
kumu kūʻai
E ʻoluʻolu e kelepona i ka mea kūʻai aku no kāna kumu kūʻai.
10 HusHus
Ke ʻimi nei ʻoe i kahi hāʻina huna e kōkua iā ʻoe me ka masking data i hiki iā ʻoe ke mālama i nā kūlana hoʻoponopono a me ka pilikino lehulehu? ʻO Hush-Hush ka koho kūpono. Loaʻa iā ʻoe kahi hopena Hush-Hush, ʻoiai, e kōkua iā ʻoe i ka hūnā ʻana i ka ʻikepili PII.
Me ka hoʻohana ʻana i kēia polokalamu, hiki iā ʻoe ke ʻimi koke i ka ʻikepili koʻikoʻi ma ka waihona o kāu hui a hoʻonohonoho iā ia i nā ʻāpana no ka inoa ʻole. Hoʻopili piha ʻo Hush-Hush i nā kānāwai GDPR, HIPAA/HITECH, CCPA, a me GLBA i ka wā e pili ana i ka masking data.
Hoʻohana ia i nā ʻāpana i hoʻokumu ʻia no ka hoʻonohonoho pono ʻana a me ka inoa ʻole o ka ʻikepili palekana, e hāʻawi ana i nā hoʻonā mākaukau e hoʻohana e hūnā i nā ʻike pololei a pololei ʻole me ka hoʻohana ʻana i nā ʻano i koho mua ʻia a me ke ao holoʻokoʻa.
Hiki ke hoʻololi ʻia ʻo Hush-Hush a hiki ke hoʻopili ʻia me ka server SQL maoli ʻo SSIS, Biztalk, a me ke code e hoʻohana ana i ka API inā ʻoe e hana ana ma ka hale a i ʻole ke ao. Hoʻokumu ka ʻōnaehana i nā hōʻike loiloi e hōʻoia i ka hoʻokō ʻana i nā kānāwai me GDPR, CCPA, a me HITECH, a hiki iā ʻoe ke hoʻolālā i nā hana anonymization ʻikepili a i ʻole e hoʻokō iā lākou ma ke kumu e pono ai.
kumu kūʻai
E ʻoluʻolu e kelepona i ka mea kūʻai aku no kāna kumu kūʻai.
Panina
I ka hōʻuluʻulu ʻana, ʻo ka masking data he ala koʻikoʻi no nā ʻoihana o kēia wā e pale i ka ʻikepili koʻikoʻi mai ka ʻae ʻole ʻia. Ma ka hoʻohana ʻana i nā ʻenehana masking data, hiki i nā ʻoihana ke hoʻopaʻa i kā lākou ʻikepili koʻikoʻi me ka ʻole o ka hoʻokō ʻana i kā lākou hana maʻamau.
Hiki i nā ʻoihana ke koho i ka hopena maikaʻi loa ma muli o ko lākou mau pono kūʻokoʻa, me ka nui o ka pale ʻikepili i koi ʻia, nā ʻano o nā kumu ʻikepili i hoʻohana ʻia, a me nā koi hoʻokō hoʻoponopono, mahalo i ka nui o nā koho koho.
ʻO José Rodrigues Gonçalves Filho
Ua hele aku kāu pou ma mua o ka mea aʻu e ʻimi nei - he mea hana e hoʻokaʻawale i ka ʻikepili i kahi faila PDF…
ʻO kaʻu heluhelu ʻana i ka LGPD i kēia lā, ʻoiai ke mālama nei ke kānāwai i ke kamaʻāina, ua kaumaha nui ia i ka lawelawe aupuni. Ma kēia ʻano, pono kahi mea hana hiki ke loaʻa (ma ke ʻano ākea o ka huaʻōlelo) i ka wā e hoʻolako ai nā ʻoihana i nā kaʻina hoʻokele i loaʻa i nā mea noi!