„Die Technologie entwickelt sich weiter, aber auch die Bedrohungen nehmen exponentiell zu“, sagt Mehdi Charafeddine, Distinguished Engineer und Global CTO für Data Platform Services bei IBM. „Glücklicherweise gibt es immer mehr und ausgefeiltere Möglichkeiten, den Datenschutz anzuwenden und den Schutz der Daten zu unterstützen.“
Laut Gartner umfasst Datensicherheit die Prozesse und die damit verbundenen Methoden zum Schutz sensibler Datenbestände, entweder bei Übertragung oder Speicherung. Deshalb dreht sich bei der Datensicherheit alles um die Tools und Software, die zum Schutz der Privatsphäre eingesetzt werden, sei es durch Verschlüsselung, mehrstufige Authentifizierung, Maskierung, Löschung oder Ausfallsicherheit. Die Einführung geeigneter Kontrollen und Richtlinien ist jedoch ebenso eine Frage der Unternehmenskultur wie der Einsatz der richtigen Anwendungen und Algorithmen.
Aus technologischer Sicht können Sie Daten mit einer Data Fabric-Architektur schützen, die Daten an der „Front Door“, d. h. dort, wo Benutzer mit den Daten interagieren, und an der Quelle oder „Back Door“, d. h. dort, wo Daten generiert und gespeichert werden, schützt, und natürlich auch überall dazwischen. Dieser Ansatz ist entscheidend, um sicherzustellen, dass angemessene Richtlinien und Kontrollen zur Datensicherheit eingerichtet sind.
Eine weitere Überlegung ist die Tätigkeit in mehreren Regionen. Aufgrund von Datensilos und mangelnder zentraler Kontrolle ist es oft nicht realistisch, dass Data Scientists geografisch übergreifende Analysen durchführen können. Mit einer Data Fabric müssen Sie sich nicht „die Daten vorstellen und simulieren und Ihre Modelle erstellen.“ Mit dieser modernen Datenarchitektur kann ein Unternehmen den Data Scientists die Daten mit den richtigen Governance- und Datenschutzregeln zur Verfügung stellen, sodass sie das Gefühl haben, wirklich eine unternehmensübergreifende Initiative zu verfolgen.
Die Einbindung von Datensicherheitsmaßnahmen in die End-to-End-Datenverwaltung ist wichtig, um sowohl die Sicherheit als auch den Datenschutz zu gewährleisten, insbesondere bei sensiblen Daten. Ein Beispiel dafür ist die medizinische Forschung in einem Krankenhaus. Das Krankenhaus arbeitet möglicherweise mit externen Experten oder Datenwissenschaftlern zusammen, die an bestimmten Daten oder Anwendungen arbeiten müssen, ohne dass sie regulierte oder persönlich identifizierbare Informationen sehen können. Automatisierte rollenbasierte Datenrichtlinien können die Zusammenarbeit mit verschiedenen Parteien ermöglichen und gleichzeitig die Daten aus Sicht des Datenschutzes und der Compliance auf der Anwendungsebene schützen. Gleichzeitig müssen diese Daten für eine verantwortungsvolle KI an der Quelle geschützt werden, an der sie gespeichert sind, z. B. in der Datenbank in den Einrichtungen, in denen sie zuerst gesammelt wurden. Andernfalls sind die Patientendaten immer noch gefährdet, wenn ein Cyberkrimineller in diese Systeme eindringt.
Wenn Datensicherheit richtig gemacht wird, bezieht sie Menschen, Prozesse und Technologien mit ein und schafft Vertrauen in KI. Informieren Sie sich über die folgenden Best Practices, um die Informationssicherheit in allen Bereichen des Unternehmens zu einer Priorität zu machen.