如何准备和应对数据隐私泄露

VSole2022-08-01 00:00:00

在我开始介绍网络安全之前,我认为“违规”一词只有一个含义——攻击者从计算机系统中窃取了数据。我还认为这个词的所有不同版本都意味着同样的事情。

但是,从那以后,我了解了数据泄露、数据泄露和数据隐私泄露之间的细微差别和差异。区别很重要。对违规行为分类不当可能会导致在不知不觉中违反法律或不遵守法规。

隐私法规,例如通用数据保护条例 (GDPR) 或特定州的法律,规定了组织必须如何应对隐私泄露。不正确遵守可能意味着罚款和更多的负面宣传。根据Gartner的说法,到2023 年,全球 65% 的人口的个人数据将受到现代隐私法规的保护,这比 2020 年的 10% 有了大幅增长。

违反、数据泄露或数据隐私泄露?

遵守数据隐私法规取决于正确理解条款。

通用术语“破坏”或安全破坏意味着未经授权访问计算机系统的人已经这样做了。但是,它仅指访问系统的行为,而不是真正窃取数据的行为。

在数据泄露中,信息已从被破坏的系统中被访问——并且很可能被窃取。

在数据隐私泄露中,被访问的个人信息是个人身份信息 (PII)。国土安全部将 PII 定义为允许直接或间接推断个人身份的任何信息。这包括与该人链接或可链接的任何信息。示例包括敏感的财务和个人信息。它可能是社会保障信息、银行帐号、个人健康数据或信用卡信息。

面临数据隐私泄露的公司必须遵守所有相关隐私规则,以保护每个人被盗信息。例如,如果单个客户居住在欧盟,公司必须遵循 GDPR 概述的报告协议。许多公司为面临数据隐私泄露的消费者提供身份盗窃保护、免费信用报告和信用监控。

更令人困惑的是,媒体和消费者经常使用术语数据泄露来指代数据隐私泄露和一般数据泄露。但是,从隐私监管的角度来看,区别很重要。如果攻击者访问专有的公司数据,例如即将推出的产品的信息,那就是数据泄露。另一方面,如果他们窃取员工的社会安全号码,则该事件属于数据隐私泄露。

探索 2022 年数据泄露成本报告

违规涉及漫长的恢复和昂贵的罚款

减少数据隐私泄露后损害的最大关键之一是响应速度。为了响应数据主体访问请求 (DSAR),许多组织使用自动化,例如SOAR 解决方案。借助这项技术,公司可以通过自动化改善团队合作并加快响应速度。最重要的是,这些平台确保了可重复和一致的流程。在突破后的高压力时期,这些通常是一个挑战。 

许多组织认为,在他们遵循响应协议后,最严重的违规影响已经过去。但 SEC 可能仍会认定受害者有过错并处以巨额罚款。First American Financial Corporation因泄露敏感客户信息的漏洞被罚款 487,616 美元。对总部位于伦敦的出版公司Pearson plc的影响更大,该公司同意支付 100 万美元以解决其在 2018 年网络入侵方面误导投资者的指控。数据隐私泄露涉及数百万学生记录。它包括出生日期和电子邮件地址。该组织没有适当的披露控制和流程。

除了罚款之外,违规行为的非业务影响也可能很大。IBM 2022 年数据泄露成本报告称,客户流失、停机时间和新业务获取成本平均为 142 万美元。其他成本包括检测和升级(144 万美元)、违规后响应(114 万美元)和通知成本(270,000 美元)。

防止隐私泄露

组织需要强大的隐私政策、流程和工具来管理数据隐私并减少漏洞。通过正确识别和使用处理敏感数据的特定规则,您可以更好地管理数据。这对于那些使用混合云环境的人来说尤其重要,因为他们必须确保每个环境都符合标准。

在某些情况下,单独的团队处理隐私和安全问题。网络安全工作者专注于保护数据。隐私团队致力于数据政策,例如收集、存储和删除。然而,就实践和法规而言,安全和隐私是相互交织的。通过确保两者协同工作,组织既可以降低泄露风险,又可以在发生隐私泄露时改进响应。

IBM 2021 年数据泄露成本将零信任称为降低泄露成本的最有效方法之一。拥有成熟零信任流程的公司报告称,与没有零信任的公司相比,每次违规造成的损失减少了 176 万美元。零信任框架的原则和策略降低了漏洞的脆弱性和影响。例如,多因素身份验证降低了未经授权访问的可能性,而识别和访问管理 (IAM) 减少了对内部攻击的访问。此外,微分段限制了违规造成的损害,因为攻击者只能访问网络和数据的一小部分。

许多专家表示,组织是否会面临数据隐私泄露问题不是问题,而是何时会发生的问题。减少漏洞是数据隐私泄露准备的第一步。准备好如何应对违规行为。这样,您可以限制和减少成本和声誉损失。

大数据隐私泄露
本作品采用《CC 协议》,转载必须注明作者和本文链接
再进一步说,今后将要发生的事情,数据还是有可能知道。如果构成“满意画像”的素材确实已经证实,至少主体是事实,“人肉搜索”就成功了。其实,所谓的数据挖掘,在某种意义上说,就是由机器自动完成的特殊“人肉搜索”而已。历史地来看,人类在自身隐私保护方面,整体处于优势地位,在网络数据挖掘之前,“隐私泄露”并不是一个突出的问题。因此,必须多管齐下。
在当今数据时代,如何有效保护用户隐私安全,已成为备受瞩目的焦点。为确保敏感数据仅被特定人员访问和修改,必须在数据系统中设置恰当的访问权限和数据操作权限;同时建立完整的个人敏感信息安全保护机制,包括对用户身份的识别与验证、访问控制列表、安全日志记录以及安全策略管理。
Mothukuri 等人在不干涉本地训练过程的前提下,运用成员推断攻击,并通过篡改其在通信过程中传输的梯度,减弱了全局模型的效能。在这些防御措施中,本文重点对差分隐私进行介绍,分析其隐私安全性能,以期进一步减小联邦学习系统中的隐私风险。横向联邦学习按照样本空间对数据集进行划分,并取出特征相同而样本不同的部分来进行训练。这些保护措施的安全性主要体现在密码学算法的安全性,同时需考虑密码学算法的时空效率。
作为近年来才被提出来的新技术,隐私计算目前仍处于高速发展和不断完善的阶段。隐私计算架构的主要环节包括隐私信息抽取、场景描述、脱敏和销毁等操作、保护方案选择、保护效果评估、侵权取证与溯源等。因此,隐私计算的全生命周期保护理论与方法在数据交易中将发挥不可替代的重要作用。另外,隐私计算的核心目标是在减少隐私泄露风险的同时,最大限度地提升数据可用性。
随着整个社会信息化进程的持续发展,越来越多的智能终端被人们使用,与之而来产生的数据量愈发庞大,促进了数据时代的到来。数据对整个国家、社会的各个行业具有巨大的推动作用,但是也带来了严峻的问题——用户个人隐私泄露问题,而个人的隐私安全涉及到国家的社会安全、政治安全和军事安全等。因此,针对数据隐私保护问题,分析数据环境下的安全风险,结合可搜索加密、全同态加密、安全多方计算等技术,对数据环境下的
开展个人信息安全影响评估不仅是践行个人信息安全保护相关国家法律法规的手段之一,而且能有效地发现企业个人信息保护过程中存在的隐患,为企业个人信息保护工作提供有力支撑。
2021年,数据隐私泄露事件频发,涉及面广,影响力,企业因此陷入数据保护合规与社会舆情压力的双重危机。近日,有国外媒体梳理了2021年十大数据泄密事件,并对事件进行了点评分析,可供读者参考。据数据统计,共有近2.2亿人受到以下十大数据安全事件的影响,其中三起泄密事件发生在科技公司,四起涉及敏感记录的泄露
利用数据安全协同平台的隐私计算能力,可以在保护数据本身不对外泄露的前提下实现数据分析计算,达到对数据“可用不可见”的保护目标。真正实现数据可用不可见,数据使用可控可计量,不共享数据,只共享数据价值。
智能时代,数据技术在教育领域的应用不断深入,应用场景与范围加速扩展,为教育决策提供了科学依据,为教学改革创新、教育高质量发展提供了强大动力,但教育数据采集、存储、分析、共享等环节面临的隐私安全等风险也不容忽视,教育数据安全事件时有发生。
VSole
网络安全专家