Что такое поставщик идентификационных данных? | Entrust

Вопросы и ответы

Поставщик идентификационных данных (IdP) — это система, которая создает и хранит цифровые идентификационные данные, а также управляет ими. IdP может либо напрямую аутентифицировать пользователя, либо предоставлять услуги аутентификации сторонним поставщикам услуг (приложениям, веб-сайтам или другим цифровым службам).

Проще говоря, IdP обеспечивает аутентификацию пользователя как услугу. Например, для входа в Spotify можно использовать учетные данные учетной записи Google. В этом случае Google Sign-In выступает в роли IdP, а Spotify является поставщиком услуг (SP). Любой веб-сайт, на котором требуется ввести имя для входа, например, использует IdP для аутентификации пользователей. Для аутентификации пользователя может использоваться пароль или другой фактор аутентификации.

С точки зрения IdP, пользователь расценивается как основной участник. Основным участником может быть человек или машина. IdP может аутентифицировать любую сущность, включая устройства. Цель IdP — отслеживать эти сущности и выяснять, где и как получить основные идентификационные данные, по которым можно определить, может ли человек или устройство получить доступ к конфиденциальным данным.

Что такое рабочий процесс IdP?

IdP позволяет с помощью идентификационных данных пользователя упростить доступ ко всем его ресурсам — от электронной почты до систем управления файлами компании.

Рабочий процесс IdP включает в себя три основных этапа, которые описаны далее.

1. Запрос. Пользователю отображается запрос на ввод определенного рода идентификационных данных, например имени пользователя и пароля или запрос на биометрическую аутентификацию.
2. Проверка. IdP проводит проверку, чтобы определить, есть ли у пользователя доступ и, если да, то к чему.
3. Разблокировка. Пользователю предоставляется доступ к определенным ресурсам, для которых они выполнили авторизацию.

Что такое поставщик услуг (SP) и как он работает с IdP?

Поставщик услуг — это сущность, предоставляющая службу, к которой вы получаете доступ, а IdP — это сущность, создающая и хранящая идентификационные данные и управляющая ими и возможностью аутентификации пользователя.

И SP, и IdP являются частью системы управления федеративной идентификацией (FIM), при которой пользователям разрешается применять один и тот же метод проверки для доступа к различным ресурсам. FIM обеспечивается с помощью стандартных протоколов, таких как SAML, OAuth, OpenID Connect (OIDC) и SCIM.

IdP устанавливает отношения доверия с SP, предоставляя идентификационные данные и аутентифицируя пользователей в рамках доменов. Например, когда пользователь пытается получить доступ к любым сторонним приложениям (SP), запрос отправляется такому IdP как Entrust Identity as a Service (решение «идентификация как услуга» IDaaS). IdP аутентифицирует идентификационные данные пользователя и определяет SP с помощью документа SAML. Этот документ содержит данные, по которым определяется, является ли пользователь проверенным и разрешен ли ему доступ к службе.

Каковы преимущества наличия IdP?

Есть несколько преимуществ, в том числе указанные далее.

• Более строгая аутентификация. IdP может предоставлять инструменты и решения, обеспечивающие безопасный доступ через приложения, веб-сайты и другие цифровые платформы, такие как адаптивная многофакторная аутентификация (MFA) на основе рисков.
• Упрощенное управление пользователями. Другое решение, предоставляемое большинством IdP, — система единого входа (SSO), которая избавляет пользователей от забот, связанных с созданием и сохранением нескольких имен пользователей и паролей.
• Создание собственных идентификационных данных (BYOI). С помощью BYOI пользователи могут получать доступ к службам с уже имеющимися учетными данными (например, Google, Outlook и т. д.), вместо того чтобы создавать новые. Это еще больше повышает эффективность адаптации и управления пользователями, сохраняя при этом высокий уровень безопасности.
• Улучшенная индикация. IdP будет вести централизованный контрольный журнал всех событий получения доступа, тем самым упрощая подтверждение того, кто получает доступ, к каким ресурсам и когда.
• Уменьшает нагрузку, связанную с управлением идентификационными данными. SP не нужно управлять идентификационными данными пользователей, поскольку эта обязанность переходит IdP.

Типы поставщиков идентификационных данных (IdP)

Существует два основных типа поставщиков идентификационных данных: язык разметки декларации безопасности (SAML) и единый вход (SSO).

SAML — это язык разметки на основе XML, используемый для аутентификации через федерацию удостоверений. SAML — широко распространенный протокол, который поддерживается различными приложениями поставщиков услуг, такими как Office 365, Salesforce, Webex, ADP и Zoom.

SSO — это функция управления доступом, которая позволяет пользователям осуществлять вход с одним набором удостоверяющих учетных данных для нескольких учетных записей, программ, систем и ресурсов. Например, когда сотрудник вводит свои учетные данные для входа в систему своей рабочей станции, он также проходит аутентификацию для доступа к своим приложениям, ресурсам и облачному программному обеспечению.

Примеры использования для поставщиков идентификационных данных (IdP)

Поставщики идентификационных данных (IdP) могут помочь решить некоторые проблемы, с которыми сталкиваются компании. Работа с поставщиком услуг идентификации имеет несколько преимуществ: фактическое отсутствие длинных списков имен пользователей и паролей, упрощенное администрирование и подробная документация попыток доступа на случай возникновения проблем.

Большинство потребителей знакомы с приложениями, которые дают возможность войти в систему, коснувшись кнопки, которая объединяет эту учетную запись с учетной записью пользователя в Facebook или Google. Аналогичная концепция существует и в мире бизнеса, с некоторыми дополнительными преимуществами. Во-первых, соблюдение нормативно-правовых требований упрощается за счет контрольного журнала всех событий доступа. Во-вторых, компании могут снизить расходы на ИТ более чем на 20 %, сократив время, затрачиваемое службой поддержки на сброс паролей.

Подходит ли решение «идентификация как услуга» IDaaS Entrust в качестве IdP для нужд вашего бизнеса?

Да. Entrust Identity as a Service (решение «идентификация как услуга» IDaaS) — это облачное решение для управления доступом и идентификационными данными (IAM), которое включает многофакторную аутентификацию (MFA), беспарольный доступ на основе учетных данных и единый вход (SSO). Решение «идентификация как услуга» IDaaS предлагает исчерпывающий набор возможностей IAM, поэтому отлично справится с ролью IdP и обеспечит максимальную защиту с помощью подхода к безопасности Zero Trust.

Что такое управление доступом и идентификационными данными?

Управление доступом и идентификационными данными (IAM) — это концепция политик и технологий безопасности, которая гарантирует получение соответствующими сущностями доступа к нужным ресурсам в нужное время.

Такой сущностью может быть человек или устройство. Ресурсами могут быть приложения, сети, инфраструктура и данные. Система IAM может применяться при работе с персоналом, потребителями и гражданами.

В основе системы IAM лежит определение и хранение доверенных цифровых идентификационных данных. С помощью IAM организации могут выполнять аутентификацию и авторизацию сущностей для предоставления безопасного доступа к нужным ресурсам. Кроме того, доверие поддерживается с течением времени за счет адаптивной аутентификации на основе рисков, которая при определенных условиях добавляет этап аутентификации типа step-up.

Идентификационные данные связанных сторон организации \ КонсультантПлюс

Идентификационные данные связанных сторон организации (см. пункт 13(a))

A11. Если применимая концепция подготовки финансовой отчетности содержит требования к связанным сторонам, то идентификационные данные связанных сторон организации, вероятнее всего, будут доступны руководству, поскольку в информационных системах организации должны быть зафиксированы, обработаны и обобщены сведения о взаимоотношениях и операциях между связанными сторонами, что соответствует требованиям концепции в части учета и раскрытия информации. Поэтому высока вероятность наличия у руководства исчерпывающего перечня связанных сторон и их изменений в сопоставлении с предыдущим периодом. В отношении повторяющихся аудиторских заданий основой сопоставления информации, предоставленной руководством, и сведений о связанных сторонах, содержащихся в отчетных материалах аудитора по предыдущим аудиторским проверкам, является направление соответствующих запросов.

A12. Вместе с тем, если концепция не предусматривает требований к связанным сторонам, у организации может не иметься соответствующих информационных систем. В данном случае может оказаться, что руководство не имеет исчерпывающей информации обо всех связанных сторонах. Несмотря на это, применяется требование о направлении запросов, указанное в пункте 13, поскольку руководство может быть осведомлено о сторонах, соответствующих определению связанной стороны, изложенному в настоящем МСА. В этом случае запросы аудитора на получение идентификационных данных связанных сторон организации могут направляться в рамках процедур оценки рисков и сопутствующих действий аудитора, совершаемых в соответствии с МСА 315 (пересмотренным, 2019 г. ) для получения информации об организационной структуре, собственности, управлении и бизнес-модели организации.

(в ред. поправок, утв. Приказом Минфина России от 27.10.2021 N 163н)

(см. текст в предыдущей редакции)

Абзацы второй — четвертый исключены. — Поправки, утв. Приказом Минфина России от 27.10.2021 N 163н.

(см. текст в предыдущей редакции)

В случае взаимоотношений с общим контролем, когда осведомленность руководства о таких взаимоотношениях более вероятна, если они имеют экономическую значимость для организации, запросы со стороны аудитора будут более эффективны, если их центральным звеном является вопрос о том, относятся ли стороны, с которыми организация участвует в значительных операциях или в значительном объеме обменивается ресурсами, к числу связанных сторон.

A13. При проведении аудита группы МСА 600 предусматривает требование о предоставлении командой аудитора группы каждому аудитору компонента перечня связанных сторон, подготовленного руководством группы и другими связанными сторонами, о которых известно команде аудитора группы <19>. Если организация является компонентом группы, то данная информация может быть полезна аудитору для направления руководству запросов относительно идентификационных данных связанных сторон организации.

———————————

<19> МСА 600 «Особенности аудита финансовой отчетности группы (включая работу аудиторов компонентов)», пункт 40(e).

A14. Аудитор может также получить определенные идентификационные данные связанных сторон организации посредством направления в адрес руководства запросов в ходе оценки выполнения или возможного продолжения выполнения задания.

Что такое деидентификация данных? — TrueVault

Деидентификация данных — это процесс отделения данных, позволяющих установить личность (PII), от защищенной медицинской информации (PHI), которая хранится в вашей системе. Это самый простой способ соответствовать требованиям без ущерба для вашей технической гибкости. Преимущество заключается в том, что вы можете хранить эти деидентифицированные данные (PHI минус PII) где угодно; инфраструктура и код, которые взаимодействуют с этими данными, не должны соответствовать HIPAA. Вы должны быть осторожны с тем, как вы деидентифицируете данные, и вы должны безопасно хранить PII в такой системе, как TrueVault. Если вы сделаете это, вы станете совместимым с частью работы, необходимой для обеспечения соответствия всей вашей системы.

Соответствует или «Соответствует»?

Вы можете задаться вопросом, является ли это честностью или лазейкой в ​​законе. Будьте уверены: это полностью санкционировано! Министерство здравоохранения и социальных служб (которое курирует HIPAA) дает конкретные рекомендации по деидентификации на своем веб-сайте. Они объясняют, какие данные являются идентифицирующими (имя, фамилия, дата рождения и т. д.), и содержат конкретные указания о том, как и когда вы можете повторно идентифицировать себя.

Вы можете получить юридическую точку зрения на этот процесс в этом сообщении в блоге, автором которого является эксперт по регулированию Джоанна Николсон.

Если вам нужна помощь, чтобы увидеть, как этот подход будет работать для вашего приложения, мы будем рады помочь. Отправьте нам сообщение и упомяните о своем интересе к деидентификации. Мы проведем вас через все.

Деидентификация данных

Деидентификация — это невидимый процесс, о котором ваши пользователи никогда не должны знать. Всякий раз, когда вы вводите новые данные в свое приложение, вы решаете, какие поля можно идентифицировать, а какие нет. Вы отправляете идентифицируемые поля в TrueVault с помощью конечной точки «Создать документ». Эта конечная точка возвращает непрозрачный случайный идентификатор документа, идентифицирующий эту запись в TrueVault. Затем вы отправляете этот идентификатор вместе с обезличенными данными на свой сервер.

Обратите внимание, что все это происходит на стороне клиента. Если у вас есть веб-приложение, это означает, что ваш код JavaScript будет разделять данные. Если это приложение для iOS или Android, тогда ваш код приложения Swift или Java выполнит эту деидентификацию.

Повторная идентификация данных

Точно так же, как вашим пользователям не нужно знать, что вы деидентифицируете данные, они также не должны быть причастны к процессу повторной идентификации. Если вы хотите отобразить данные о работоспособности вместе с идентифицирующими данными в своем приложении, вы загружаете данные из TrueVault и вашего сервера, а затем объединяете их вместе. Если вы перечисляете всех пациентов с диабетом, назначенных вошедшему в систему доктору, вы должны сначала получить список пациентов с этим заболеванием из своей системы. Вместо того, чтобы возвращать их имена, он возвращает их идентификаторы TrueVault и любые деидентифицированные данные, которые вы храните на своем сервере. Затем вы должны сделать один запрос к TrueVault, чтобы прочитать несколько документов, в которых хранятся имена этих пациентов. Код вашего приложения может легко объединять результаты, и вы можете отображать единый набор для своих пользователей.

На стороне сервера или на стороне клиента?

Мы рекомендуем всегда выполнять деидентификацию и повторную идентификацию на стороне клиента, а не на стороне сервера. Это поможет избежать проблем с соответствием HIPAA на вашем сервере. Основное преимущество деидентификации с использованием TrueVault для хранения PII заключается в том, что ваша серверная среда не обязательно должна соответствовать требованиям HIPAA. Это верно только в том случае, если ваш сервер взаимодействует только с обезличенными данными. Если ваш сервер когда-либо касается PII, даже временно, ваш сервер должен соответствовать требованиям HIPAA.

Как выглядит код?

Если вы когда-либо использовали инструмент для обработки кредитных карт, такой как Stripe или Authorize.net, то вы уже применяли этот шаблон. Вместо того, чтобы хранить номера кредитных карт на своем сервере и заниматься вопросами соответствия PCI, вы отправляете им номера кредитных карт, и они возвращают вам токен (ID), который вы можете использовать для ссылки на эту карту в будущем. Это тот же процесс, но с PII вместо номеров кредитных карт.

На практике это добавляет некоторую логику вашему клиентскому приложению, но в целом экономит массу работы. Мы создаем обширный пример реального приложения, чтобы дать вам представление о том, как может выглядеть конечный продукт. Ознакомьтесь с примером приложения на GitHub и дайте нам знать, что вы думаете. Мы всегда ищем способы упростить этот процесс, поэтому, если вы хотели бы увидеть какую-либо документацию или образцы, сообщите нам об этом.

Что такое деидентификация данных и почему это важно?

Деидентификация данных — это форма динамического маскирования данных , которая означает разрыв связи между данными и лицом, с которым данные изначально связаны. По сути, это требует удаления или преобразования личных идентификаторов. После удаления или преобразования личных идентификаторов с помощью процесса деидентификации данных становится намного проще повторно использовать данные и делиться ими с третьими лицами.

Деидентификация данных прямо регулируется HIPAA, поэтому большинство людей связывают процесс деидентификации данных с медицинскими данными. Однако деидентификация данных также важна для компаний или агентств, которые хотят или должны маскировать личность в соответствии с другими структурами, такими как CCPA и CPRA или даже GDPR.

HIPAA называет два разных метода деидентификации данных: «безопасная гавань» и экспертное заключение.

Safe Harbor

Метод деидентификации Safe Harbor требует удаления 18 типов идентификаторов, подобных перечисленным ниже, чтобы остаточная информация не могла использоваться для идентификации:

• Имена
• Даты, кроме года
• Номера телефонов
• Географические данные
• Номера факсов
• Номера социального страхования
• Адреса электронной почты
• Номера медицинских карт
• Номера счетов
• Номера бенефициаров плана медицинского страхования
• Номера сертификатов/лицензий
• Идентификаторы транспортных средств и серийные номера, включая номерные знаки
• веб-URL-адресов
• Идентификаторы устройств и серийные номера
• адресов интернет-протокола
• Фотографии лица в полный рост и сопоставимые изображения
• Биометрические идентификаторы
• Любой уникальный идентификационный номер, характеристика или код

Любой из этих идентификаторов может классифицировать медицинскую информацию как защищенную медицинскую информацию (PHI), что ограничивает использование и раскрытие. Инструменты деидентификации данных с обнаружением конфиденциальных данных могут обнаруживать и маскировать такую ​​информацию.

Метод «безопасной гавани», который обычно хвалят за его простоту и низкую стоимость, не очень хорошо подходит для всех случаев использования: он может быть либо чрезмерно ограничительным, оставляя слишком мало полезности в данных, либо чрезмерно разрешающим, оставляя слишком много косвенных идентификаторы в открытом виде.

2023 Data Access & Security Trendbook

Мнение экспертов о будущем данных

Загрузить электронную книгу

Экспертное определение

Экспертное определение предполагает применение к данным статистических и научных принципов для снижения риска повторной идентификации. Этот метод позволяет адаптировать процесс деидентификации к конкретному варианту использования, а также максимизировать полезность; поэтому его хвалят за гибкость.

Экспертное определение иногда считается слишком дорогостоящим, потому что оно требует привлечения эксперта по статистике, источник которого может быть дорогим. Однако метод экспертного определения позволяет использовать количественные методы для снижения риска повторной идентификации, что открывает возможности для обобщения и автоматизации данных.

Ограниченные наборы данных

HIPAA также позволяет публиковать ограниченные наборы данных для исследований, общественного здравоохранения или медицинских операций. Персональные идентификаторы удаляются из этих наборов данных, за исключением даты рождения, даты смерти, возраста, местонахождения и дат лечения и выписки. Поскольку ограниченные наборы данных по-прежнему содержат некоторую идентифицирующую информацию, они по-прежнему защищены как PHI в соответствии с HIPAA.

Какова ценность обезличенной информации?

Деидентификация данных дает несколько преимуществ:

• Поскольку они больше не считаются идентифицирующими, от вас может не потребоваться сообщать о взломе или утечке данных. Это может ограничить вашу подверженность риску и защитить людей.
• Деидентифицирующие данные упрощают повторное использование и передачу их третьим лицам, например, путем безопасного лицензирования данных. Другим сценарием может быть фармацевтическая компания, которая лицензирует обезличенные данные пациентов в соответствии с HIPAA для анализа тенденций и моделей назначений, которые помогают проверить эффективность и определить рыночные возможности. Деидентификация данных также может позволить исследователям предоставлять предупреждения для общественного здравоохранения, не раскрывая PHI. Анализируя деидентифицированные данные в совокупности, исследователи и официальные лица могут выявлять тенденции и потенциальные тревожные сигналы, а также предпринимать необходимые шаги для снижения рисков для широкой общественности.

Важно отметить, что деидентификация не является гарантией того, что данные обрабатываются честно и этично; оценка воздействия обработки необходима для достижения этой цели.

Деидентификация данных оказалась особенно ценной в области медицины, и она лежит в основе исследований, которые привели к прорывам и открытиям, улучшающим уход за пациентами. Например, Kaiser Permanente использует деидентифицированные данные в сотрудничестве с Samsung для улучшения удаленного мониторинга пациентов, проходящих кардиологическую реабилитацию. Первые результаты показывают значительно более низкие показатели повторной госпитализации при использовании программы, основанной на умных часах, по сравнению с традиционными схемами реабилитации.

Инновационные партнерства, использующие обезличенные данные, также имеют потенциал для других достижений в области медицинских исследований. По оценкам McKinsey, искусственный интеллект и машинное обучение с использованием медицинских карт могут ежегодно экономить медицинской промышленности США 100 миллиардов долларов за счет повышения эффективности исследований и клинических испытаний.

Как деидентифицировать данные

Деидентификация данных обычно выполняется в два этапа.

Первый шаг состоит из классификации и маркировки прямых и косвенных идентификаторов. Идентификаторы, которые являются уникальными для одного человека, такие как номера социального страхования, номера паспортов и идентификационные номера налогоплательщиков, называются «прямыми идентификаторами». Остальные типы идентификаторов известны как «косвенные идентификаторы» и обычно состоят из личных атрибутов, которые не уникальны для конкретного человека сами по себе. Примеры косвенных идентификаторов включают рост, этническую принадлежность, цвет волос и многое другое. Хотя косвенные идентификаторы и не уникальны по отдельности, их можно использовать в комбинации для выделения отдельных записей.

После проверки классификаторов данных и представления того, что содержится в источниках данных, можно автоматизировать процесс маркировки. Это делает процесс деидентификации намного более эффективным для групп данных.

Затем данные могут быть деидентифицированы с помощью комбинации различных методов динамического маскирования данных и элементов управления доступом к данным. Эти технические и организационные меры влияют как на внешний вид данных, так и на их среду, в том числе на то, кто может получить доступ к данным и для каких целей, помимо прочих непредвиденных обстоятельств. Одним из основных методов, используемых инженерами по обработке данных и операционными группами для маскировки данных перед их деидентификацией, является псевдонимизация.

Псевдонимизация 

Псевдонимизация, несмотря на то, что это очень полезный метод безопасности, сама по себе обычно не обеспечивает деидентификацию. Отчасти это связано с тем, что псевдонимизация обычно определяется как маскировка прямых идентификаторов, поэтому она не обязательно принимает во внимание косвенные идентификаторы.

Псевдонимизация может преобразовывать прямые идентификаторы с помощью различных методов маскировки, хотя некоторые из них более эффективны, чем другие. Соленые хэши, например, предлагают формальную гарантию того, что скрытые значения не могут быть разумно связаны с индивидуально идентифицируемой информацией без знания соли или случайных входных данных. Недавние законы о конфиденциальности и защите данных требуют, чтобы эти случайные данные хранились отдельно от псевдонимизированных данных с помощью технических и организационных мер, что делает соленые хэши одним из самых надежных методов маскировки.

Метод безопасной гавани HIPAA, с другой стороны, направлен на удаление как прямых, так и косвенных идентификаторов. Однако его фиксированный список косвенных идентификаторов не работает хорошо для всех случаев использования и не обязательно обеспечивает очень небольшой риск повторной идентификации, как это делает экспертное определение. Это особенно верно, когда в источнике данных присутствуют определенные типы косвенных идентификаторов, таких как пол или этническая принадлежность.

Инструменты и решения для маскирования данных, такие как Immuta, упрощают процесс маскирования идентификаторов с помощью хеширования, регулярных выражений, округления, условного маскирования и замены на null или константы. Маскирование с сохранением формата сохраняет длину и тип значения, что позволяет получить большую полезность. Также можно разрешить пользователям данных отправлять запрос на разоблачение очень важных значений атрибутов.

После того, как прямые идентификаторы были замаскированы, специалисты по обработке данных и эксплуатации могут применять методы обезличивания.

Методы деидентификации

Существует два основных метода деидентификации: генерализация и рандомизация.

Обобщение (k-анонимизация)

K-анонимизация — это метод обобщения данных, который реализуется после маскирования прямых идентификаторов. Процесс k-анонимизации снижает риски повторной идентификации за счет сокрытия лиц в группах и подавления косвенных идентификаторов для групп меньше заранее определенного числа 9.0163 к . Это направлено на смягчение атак на идентичность и реляционный вывод. Этот метод деидентификации может помочь уменьшить потребность в редактировании данных в наборах данных, что помогает повысить его полезность без ущерба для конфиденциальности данных.

Immuta позволяет специалистам по работе с данными применять динамическую k-анонимизацию во время запроса из любой базы данных вашей организации, что позволяет безопасно и беспрепятственно подготавливать конфиденциальные данные для использования — без юридических проблем и проблем с конфиденциальностью или копий данных, подверженных риску.

В некоторых наборах данных, даже когда прямые идентификаторы маскируются, может быть возможно определить личность пациента из другой доступной информации с данными. Известное исследование показало, например, что 87 % населения США можно идентифицировать с помощью всего лишь трех косвенных идентификаторов: пола, даты рождения и почтового индекса. Обобщение, или k-анонимизация, может снизить риск повторной идентификации, гарантируя, что люди в одной когорте используют одни и те же косвенные идентификаторы.

Эксперты предупреждают, что в сегодняшнем меняющемся ландшафте данных отдельные подходы не могут гарантировать защиту от повторной идентификации, особенно в сфере здравоохранения. K-анонимизация лучше всего работает в сочетании с контролем доступа на основе атрибутов и мониторингом использования данных в режиме реального времени, а также рандомизацией для защиты конфиденциальных атрибутов.

Рандомизация (дифференциальная конфиденциальность и рандомизированный ответ)

Дифференциальная конфиденциальность — это метод рандомизации, который применяется после маскирования прямых идентификаторов. Существует два подхода к дифференциальной конфиденциальности: локальный и глобальный.

Локальная дифференциальная конфиденциальность — это метод рандомизации данных, который обычно применяется к конфиденциальным атрибутам и предлагает математическую гарантию против атак на основе атрибутов. Это достигается путем рандомизации значений атрибутов таким образом, чтобы ограничить объем личной информации, которую может вывести злоумышленник, при этом сохраняя некоторую аналитическую полезность, поскольку сбор слишком большого количества информации о конкретной записи может подорвать конфиденциальность. Таким образом, лица, чьи данные включены в запрошенный набор данных, могут отрицать определенные атрибуты, прикрепленные к их записям. Технологические компании, такие как Google и Apple, которые собирают широкий спектр и огромное количество персональных данных, приняли локальную дифференциальную конфиденциальность.

Глобальная дифференциальная конфиденциальность — это метод рандомизации совокупных данных. Этот подход вынуждает пользователей данных формулировать только агрегированные запросы (например, количество, среднее, максимальное, минимальное и т. д.) и предлагает математическую гарантию против атак на основе идентичности, атрибутов, участия и отношений. Таким образом, лица, чьи данные включены в запрашиваемый набор данных, могут отрицать свое участие в наборе данных в целом. Бюро переписи населения США, например, применяет глобальную дифференциальную конфиденциальность, поскольку агрегации самой по себе недостаточно для сохранения конфиденциальности.

С помощью инструментов динамического маскирования данных, таких как Immuta, группы обработки данных и DataOps могут автоматизировать как рандомизированный ответ, так и дифференциальную конфиденциальность. Рандомизированный ответ помогает обеспечить локальную дифференциальную конфиденциальность для определенных столбцов, требующих высокого уровня защиты, а глобальная дифференциальная конфиденциальность позволяет вычислять совокупную статистику с сохранением конфиденциальности.

Считаются ли обезличенные данные PHI?

До тех пор, пока соблюдаются надлежащие процессы деидентификации и на практике создается контрольный журнал данных, после деидентификации данных они больше не считаются PHI в соответствии с HIPAA.

По этой причине деидентификация данных имеет решающее значение, когда речь идет о чрезвычайных ситуациях в области общественного здравоохранения — в то время как потребность в данных в режиме реального времени важна, так же как и гарантия конфиденциальности, конфиденциальности и соблюдения требований. Деидентификация данных позволяет распространять важную медицинскую информацию, не жертвуя неприкосновенностью частной жизни или конфиденциальностью.

Сокращение затрат на обеспечение соответствия

Способность Immuta автоматически применять политики HIPAA Safe Harbor или экспертного определения при чтении означает, что специалисты по разработке данных и специалисты по обработке данных могут избежать копирования данных, а идентификаторы в наборе данных остаются в базе данных для тех, у кого есть санкционированный доступ и необходимость. В этой статье показано, как автоматизированные политики и аудит метода Safe Harbor компании Immuta можно использовать для деидентификации хранилища наборов данных в Amazon RDS для PostgreSQL.

Деидентификация данных в масштабе

Автоматизация данных позволяет очищать обширные наборы данных в масштабе, но это следует делать только при наличии правильных политик. Правила должны учитывать, кто будет использовать данные, для какой цели они будут использоваться и когда они будут использоваться. Динамический подход Immuta к автоматизированному управлению доступом к данным решает эту проблему с помощью контроля доступа на основе атрибутов и ограничений на основе целей, которые применяются во время запроса и поэтому легко масштабируются. Группы управления данными могут создавать управляемые правила на основе использования данных.

[Подробнее] RBAC и ABAC: перспективный контроль доступа

В зависимости от варианта использования доступ и мониторинг можно увеличить или уменьшить, чтобы вы могли легко настраивать и контекстуализировать правила.

Снижение зависимости от старых данных

Для Cognoa, цифровой компании по охране психического здоровья, Immuta изначально и динамически применяет целевые ограничения к данным, а также обеспечивает доступ и ограничения политики в режиме реального времени в зависимости от потребностей пользователей данных. Это позволяет нескольким сторонам просматривать один и тот же набор данных, блокируя при этом доступ к несанкционированным частям данных для индивидуального использования.

На практике возможности динамического маскирования данных Immuta исключили использование моментальных снимков данных, которым может быть несколько месяцев, и которые нужно было очищать и импортировать в отдельную базу данных. Immuta делает снимки, чтобы помочь отслеживать данные и то, как они менялись с течением времени, включая влияние изменений политики на выходные данные. Теперь, когда пользователи данных Cognoa запускают запрос, они взаимодействуют с текущими данными и могут быть уверены, что они соответствуют стандартам соответствия, а для документирования соответствия предоставляется полный контрольный журнал данных.

This entry was posted in Популярное