Data masking, czyli maskowanie danych, polega na modyfikowaniu przechowywanych w bazach danych poufnych informacji przy pomocy specjalnych technik, efektem czego jest wprowadzenie takich zmian strukturalnych, które sprawiają, że dane te są praktycznie bezwartościowe dla osób postronnych. Mogą być jednak wciąż przetwarzane przez wewnętrzne oprogramowanie i systemy.

Maskowanie danych możemy podzielić na kilka rodzajów:

1. W przypadku dynamicznego maskowania dane zmieniane są w czasie rzeczywistym – na przykład od razu po uzyskaniu do nich dostępu przez użytkownika. Wykorzystuje się w tym przypadku określoną metodę maskowania lub tokenizacji, w zależności od poziomu wymaganego bezpieczeństwa i krytyczności danych. Taki rodzaj maskowania wykorzystywany jest w warstwie aplikacji, podczas gdy niezmienione, pełnowartościowe informacje dostępne są wciąż w bazie danych (wyłącznie dla uprawnionych osób).

2. Statyczne maskowanie danych zakłada zastosowanie zestawu reguł maskujących w bazie danych, jeszcze przed zapisaniem danych lub przed ich udostępnieniem. Tak utworzoną kopię można swobodnie wykorzystywać na przykład w środowiskach testowych i deweloperskich. Wszystkie aplikacje korzystające z informacji zawartych w bazie danych, będą używać tej zmodyfikowanej wersji.

3. Maskowanie w locie (On-the-fly) to rodzaj maskowania zakładający modyfikację danych w trakcie przetwarzania informacji zawartych w bazie. Przed wysłaniem informacji do uprawnionych urządzeń, użytkowników czy aplikacji, algorytm maskowania zastępuje chronione dane losowymi informacjami.

4. Maskowanie deterministyczne umożliwia analizę statystyczną przy jednoczesnej anonimizacji danych. Ten rodzaj maskowania wykorzystuje zastępowanie wartości zgromadzonych w bazach danych wartościami losowymi, dzięki czemu po zamaskowaniu żaden z wierszy znajdujących się w bazie nie przedstawia oryginalnych, chronionych wartości.

Maskowanie odgrywa kluczową rolę dla bezpieczeństwa zarówno samych baz danych, jak i korzystających z nich aplikacji. W przypadku tworzenia i rozwijania aplikacji maskowanie danych jest powszechnie wykorzystywane na różnych etapach tego procesu:

• Podczas tworzenia aplikacji deweloperzy potrzebują zazwyczaj prawdziwych danych o realistycznej strukturze, a maskowanie pozwala zachować niezbędny poziom bezpieczeństwa. Data masking jest też wykorzystywany do szkolenia modeli sztucznej inteligencji i uczenia maszynowego – dzięki technikom maskowania dane są reprezentatywne, pozostając wciąż poufnymi.


• Data masking wykorzystywany jest także na etapie testów aplikacyjnych. Dzięki niemu testerzy mogą dostarczać wiarygodne dane, pracując na realistycznych danych bez obaw o utratę ich poufności.


• Maskowanie danych jest też powszechnie wykorzystywane już po wdrożeniu aplikacji dla uniknięcia ewentualnych wycieków czy ujawnieniu danych w wyniku ataków.

Organizacje mogą korzystać z wielu popularnych technik maskowania, dostosowując metodę do indywidualnych potrzeb oraz charakterystyki przechowywanych danych.

Maskowanie danych jest możliwe do wykonania przy użyciu różnych technik. Wybór odpowiedniej zależy od rodzaju danych, rozmiaru zbioru, charakterystyki oraz potrzeb. Nie wszystkie dane cechują się podobnymi wymagania w kwestii bezpieczeństwa. Niektóre z nich nie stanowią informacji o znaczeniu krytycznym, co pozwala wykorzystać prostsze techniki maskowania danych.

• Tasowanie – to metoda polegająca na losowym rozmieszczeniu danych w kolumnie pliku (na przykład kolumnie nazwisk) w celu usunięcia korelacji pomiędzy danymi znajdującymi się w tych samych wierszach różnych kolumn. Tak zamaskowane dane wyglądają wciąż realistycznie, jednak nie ujawniają pełnych danych osobowych. Słabą stroną tej techniki jest możliwość zastosowania mechanizmów inżynierii wstecznej i poznania pierwotnych danych (pod warunkiem odkrycia algorytmu tasującego).


• Zastępstwo – to jeden z najskuteczniejszych sposobów maskowania danych w organizacji. Polega na podmienieniu wrażliwych danych danymi fikcyjnymi, jednak spełniającymi założone kryteria (np. odpowiednia liczba cyfr w kolumnach z numerami telefonu). Automatyczne algorytmy, w tym algorytmy bazujące na AI, mogą generować realistycznie wyglądające i zgodne z kluczem numery PESEL, nazwiska, nazwy firm i wiele innych rodzajów danych, zastępując w ten sposób dane prawdziwe.


• Zerowanie – to metoda maskowania polegająca na zastąpieniu wrażliwych danych wartościami zerowymi. Dane tracą w ten sposób jakiekolwiek znaczenie dla osób niepowołanych, które nie mogą ich przetwarzać.


• Tokenizacja– polega na stworzeniu kopii danych i zastąpieniu wrażliwych informacji bezpiecznym substytutem zwanym tokenem. Tokenizacja jest powszechnie wykorzystywana w analityce biznesowej, gdzie kluczowy jest dostęp do statystyk, ale dane nie muszą wyglądać realistycznie. Uprawnieni użytkownicy mogą odwrócić proces tokenizacji i tym samym zyskać dostęp do prawdziwych danych.


• Rozmazanie (blurring) – ta technika pozwala zachować użyteczność danych (np. do celów analizy statystycznej) przy jednoczesnym zapewnieniu prywatności i bezpieczeństwa informacji. Blurring polega na zmniejszeniu precyzji przedstawianych danych. Przykładem może być zastąpienie dokładnych dat urodzenia klientów kilkuletnimi okresami lub zastąpienie dokładnych adresów samymi kodami pocztowymi.

Nadrzędnym celem maskowania danych oraz innych metod ich anonimizacji jest zabezpieczenie informacji wrażliwych przed dostępem osób niepowołanych, co pozwala zachować zgodność z przepisami i uniknąć kosztownych (zarówno finansowo, jak i w kwestii wizerunkowej) wycieków. Maskowanie danych pozwala przechowywać chronione informacje o klientach, pacjentach, pracownikach i partnerach biznesowych w bieżących bazach danych i archiwach, minimalizując ryzyko ich odczytania. Z tego powodu metody przedstawione w artykule mogą być wykorzystane przez firmy i organizacje niemal każdej branży.

Ochrona danych wrażliwych przed wyciekiem

Numery PESEL, dane kart płatniczych, numery dowodów osobistych – to tylko część wrażliwych danych, które oddajemy różnym firmom i organizacjom. Niestety wycieki i kradzieże są wciąż często spotykanym zjawiskiem, jednak data masking pozwala firmom odpowiednio zabezpieczyć posiadane informacje. W przypadku udanego ataku lub przypadkowego ujawnienia uzyskane zamaskowane dane nie mają dla hakera większej wartości.

Współpraca z zewnętrznymi zespołami

Maskowanie danych umożliwia firmom swobodne przesyłanie zbiorów informacji zespołom zewnętrznym: deweloperom, testerom i innym specjalistom, którzy potrzebują ich do wdrażania zmian i poprawek w aplikacjach. Dzięki maskowaniu zespoły mogą pracować nad projektami, a firma zlecająca nie narusza prawa oraz poprawnie dba o bezpieczeństwo danych swoich klientów.

Skuteczna i bezpieczna analityka danych

Dzięki zachowaniu struktury identycznej do prawdziwych danych możliwa jest zaawansowana analityka bez ryzyka wycieku czy kradzieży informacji. Pomimo wykorzystania różnych technik data maskingu wewnętrzne systemy i aplikacje firmowe mogą bez trudu pracować na dużych zbiorach danych.

Data masking i szyfrowanie danych powinny być podstawą zapewnienia bezpieczeństwa informacji w firmowych bazach danych, w aplikacjach, a także podczas przeprowadzania procesów analityki biznesowej. Dzięki wykorzystaniu AI oraz uczenia maszynowego w niedalekiej przyszłości możemy spodziewać się wzrostu skuteczności poszczególnych technik maskujących. Nie można jednak łudzić się, że algorytmy sztucznej inteligencji nie zostaną także wykorzystane przez hakerów do łamania szyfrów i demaskowania krytycznych informacji. Chcesz zadbać o cyberbezpieczeństwo i dowiedzieć się, jak skutecznie zabezpieczyć swoje dane przed niepowołanym dostępem lub modyfikacją? Skontaktuj się z ekspertami ICT z Netii i postaw na nasze sprawdzone rozwiązania bezpieczeństwa!