Homepage
Centro di Conoscenza
Migliorare la Sicurezza dei Dati con il Mascheramento Statico dei Dati per Amazon Aurora

Migliorare la Sicurezza dei Dati con il Mascheramento Statico dei Dati per Amazon Aurora

Introduzione

Man mano che le aziende si affidano sempre più ai database cloud come Amazon Aurora, la necessità di misure di sicurezza dei dati robuste cresce. Una tecnica cruciale in questo ambito è il mascheramento statico dei dati. Questo processo aiuta le organizzazioni a proteggere i dati riservati consentendo al contempo ambienti di test realistici. Sapeva che, secondo un studio recente di Verizon, il 64% di tutti i dati compromessi sono informazioni personali? Questa sconcertante statistica sottolinea l’importanza di implementare misure di protezione dei dati forti, incluso il mascheramento statico dei dati.

Che Cos’è il Mascheramento Statico dei Dati?

Il mascheramento statico dei dati è una tecnica di sicurezza dei dati che crea una replica di un database di produzione con informazioni sensibili sostituite da dati realistici ma fittizi. Questo approccio consente alle organizzazioni di utilizzare dati mascherati per test, sviluppo e analisi senza esporre informazioni riservate reali.

I vantaggi chiave del mascheramento statico dei dati includono:

Miglioramento della sicurezza dei dati
Conformità alle normative sulla protezione dei dati
Riduzione del rischio di violazioni dei dati
Miglioramento della precisione dei test

Capacità di Amazon Aurora per il Mascheramento dei Dati

Dati di Test

create table MOCK_DATA (
id INT,
first_name VARCHAR(50),
last_name VARCHAR(50),
email VARCHAR(50),
phone VARCHAR(50)
);
insert into MOCK_DATA (id, first_name, last_name, email, phone) values (1, 'Alica', 'Collyer', '[email protected]', '676-612-4979');
…
insert into MOCK_DATA (id, first_name, last_name, email, phone) values (10, 'Nevsa', 'Justun', '[email protected]', '997-928-5900');

Amazon Aurora non dispone di regole integrate di trasformazione o mascheramento. Invece, dovrà implementare la logica di mascheramento utilizzando query SQL o funzioni. Ecco alcuni approcci pratici (sia dinamici che statici):

Query SQL

Usi SQL per creare versioni mascherate dei suoi dati. Ad esempio:

SELECT 
  id,
  CONCAT(LEFT(first_name, 1), REPEAT('*', LENGTH(first_name) - 1)) AS masked_name,
  CONCAT('****-****-****-', RIGHT(phone, 4)) AS masked_phone
FROM mock_data;

Funzioni Definite dall’Utente

Crei funzioni personalizzate per il mascheramento più complesso o da inserire nella tabella statica:

CREATE OR REPLACE FUNCTION mask_email(email VARCHAR(255))
  RETURNS VARCHAR(255) AS $$
BEGIN
  RETURN CONCAT(LEFT(email, 1), '***', SUBSTRING(email FROM POSITION('@' IN email)));
END;
$$ LANGUAGE plpgsql;

SELECT mask_email('[email protected]') AS masked_email;

SELECT id, mask_email(email) AS masked_email 
FROM MOCK_DATA 
LIMIT 5;

Questi metodi le consentono di implementare il mascheramento dinamico dei dati direttamente all’interno di Aurora senza fare affidamento su regole di trasformazione esterne. Sono più semplici e direttamente applicabili ai database Aurora.

Copia Tabella

Per implementare il mascheramento statico dei dati in Aurora PostgreSQL può semplicemente copiare i dati:

-- Creare una nuova tabella con la stessa struttura dell'originale
CREATE TABLE masked_MOCK_DATA (
  id INT,
  first_name VARCHAR(50),
  last_name VARCHAR(50),
  email VARCHAR(50),
  phone VARCHAR(50)
);

-- Inserire i dati mascherati nella nuova tabella
INSERT INTO masked_MOCK_DATA
SELECT 
  id,
  CONCAT(LEFT(first_name, 1), REPEAT('*', LENGTH(first_name) - 1)) AS first_name,
  CONCAT(LEFT(last_name, 1), REPEAT('*', LENGTH(last_name) - 1)) AS last_name,
  CONCAT(LEFT(email, 2), '****', SUBSTRING(email FROM POSITION('@' IN email))) AS email,
  CONCAT('(***) ***-', RIGHT(REPLACE(REPLACE(REPLACE(phone, '(', ''), ')', ''), '-', ''), 4)) AS phone
FROM MOCK_DATA;

Per visualizzare un campione dei dati appena mascherati, esegua la seguente query:

SELECT * FROM masked_MOCK_DATA LIMIT 10;

Per un mascheramento più avanzato o automatizzato, potrebbe considerare l’uso di strumenti di terze parti come DataSunrise che si integrano con Aurora e offrono capacità di mascheramento aggiuntive.

Impostare Attività di Mascheramento Statico in DataSunrise

DataSunrise offre un’interfaccia facile da usare per impostare attività di mascheramento statico dei dati per Amazon Aurora. Ecco una guida passo-passo:

Crei un’istanza Aurora in DataSunrise
Naviga al modulo Masking dei Dati
Crei una nuova Attività di Mascheramento Statico (SMTaskAurora nella figura sotto)

Selezioni i database sorgente e target

Scegli le tabelle (mock_data nell’esempio sotto) e le colonne da mascherare (last_name, email, phone e ip_address)
Applichi il metodo di mascheramento (es. sostituzione, shuffling, cifratura che preserva il formato)

Scheduli l’esecuzione dell’attività (Manuale per default)
Esegui l’attività e verifichi i risultati

In DBeaver ora può interrogare i dati mascherati dal database target:

Monitorare i Risultati dell’Esecuzione

Dopo aver impostato un’attività di mascheramento statico, è cruciale monitorarne l’esecuzione e verificare i risultati. DataSunrise fornisce funzionalità complete di log e report per questo scopo:

Verifichi lo stato di esecuzione dell’attività nella dashboard di DataSunrise
Riveda i log dettagliati per eventuali errori o avvertenze
Confronti i dati campione dai database sorgente e target
Generi report sulle colonne mascherate e la distribuzione dei dati

Approcci di Testing delle Applicazioni Basate sui Dati

Quando si tratta di testare le applicazioni basate sui dati, sono disponibili due principali approcci:

1. Testing con Dati Mascherati

Questo approccio utilizza il mascheramento statico dei dati per creare un ambiente di test realistico con dati di produzione anonimizzati. È ideale per mantenere le relazioni e la distribuzione dei dati proteggendo al contempo le informazioni sensibili.

2. Testing con Dati Sintetici

I dati sintetici sono generati artificialmente per imitare le caratteristiche dei dati reali. Questo approccio offre maggiore flessibilità ma potrebbe non rappresentare completamente tutti i casi limite presenti nei dati di produzione.

Entrambi i metodi hanno i loro meriti, e la scelta dipende dai requisiti specifici di test e dai livelli di sensibilità dei dati.

Migliori Pratiche per il Mascheramento Statico dei Dati in Amazon Aurora

Per massimizzare l’efficacia del mascheramento statico dei dati per Amazon Aurora, consideri queste migliori pratiche:

Identifichi tutti gli elementi di dati sensibili nel suo database
Scegli tecniche di mascheramento appropriate per ogni tipo di dato
Mantenga la coerenza dei dati tra le tabelle correlate
Aggiorni regolarmente le regole di mascheramento per affrontare nuovi tipi di dati o regolamenti
Combini il mascheramento statico con il mascheramento dinamico per una protezione completa
Implementi controlli di accesso rigorosi per i database mascherati

Conclusione

Il mascheramento statico dei dati per Amazon Aurora è una tecnica cruciale per proteggere i dati sensibili consentendo al contempo processi di test e sviluppo efficaci. Sfruttando strumenti come DataSunrise, le organizzazioni possono implementare strategie di mascheramento robuste che bilanciano l’utilità dei dati con requisiti di sicurezza e conformità.

Poiché le violazioni dei dati continuano a rappresentare rischi significativi, implementare misure di protezione dati forti, incluso il mascheramento statico dei dati, non è più opzionale—è una necessità per una gestione responsabile dei dati.

DataSunrise offre strumenti all’avanguardia per la sicurezza nel database, inclusi audit, discovery dei dati, e capacità di mascheramento avanzate. La nostra interfaccia facile da usare rende semplice implementare strategie di protezione dei dati complete per Amazon Aurora e altre piattaforme di database. Visiti il nostro sito web per una demo online e per esplorare come possiamo aiutare a proteggere i suoi preziosi asset di dati.