dataintegritet: hvad det betyder, og hvordan man opretholder det

i dagens informationsalder er det absolut kritisk at håndhæve politikker, der beskytter kvaliteten af indsamlede data, da flere stykker information gemmes og analyseres nu end nogensinde.

det første skridt mod at opretholde dine data sikkert er at lære det grundlæggende i dataintegritet.

Hvad Er Dataintegritet?

som forklaret i Vores Cybersikkerhedsordliste henviser dataintegritet til informationsejendom, der ikke er blevet ændret eller ændret af en uautoriseret person. Udtrykket bruges til at henvise til informationskvalitet i en database, datalager eller andre onlineplaceringer.

ved brug af standardprotokoller og retningslinjer pålægges dataintegritet typisk under design og oprettelse af et datalager. Det bevares ved brug af forskellige metoder og valideringsprotokoller til fejlkontrol.

dataintegriteten vurderes ud fra dens ægthed, fuldstændighed og gennemsigtighed. Derudover kræver integriteten af data også at sikre, at organisationer overholder de gældende regler og identificerer sikkerhedsforfald. Denne status opnås ved at håndhæve en række protokoller, instruktioner og kriterier. Grundlæggende opretholdes dataintegritet ved at designe en ramme, hvor data ikke kan tinkeres med eller manipuleres.

dataintegritet vs datakvalitet

Data kan være den vigtigste ressource for en virksomhed – men kun hvis det er data, du faktisk kan stole på.

unøjagtige indsigter, partiske observationer og dårligt anbefalede forslag kan være resultaterne af upålidelige data.

som jeg tidligere nævnte, er dataintegritet et grundlæggende træk ved informationssikkerhed og vedrører kvaliteten og holdbarheden af data indeholdt i en database, datacenter osv. Begrebet dataintegritet kan bruges til at definere en tilstand, en procedure eller en funktion og bruges undertiden ombytteligt med “datakvalitet”.

men “dataintegritet” og “datakvalitet” er to forskellige udtryk.

for at træffe informerede beslutninger skal enhver virksomhed, der forsøger at forbedre kvaliteten, konsistensen og gyldigheden af sine data, forstå forskellen mellem dataintegritet og datakvalitet.

datakvalitet

pålideligheden af data vedrører datakvalitet. Kvaliteten af data er en del af dataintegriteten. For at data skal anses for at have kvalitet, skal de karakteriseres af:

• nøjagtighed: Data skal være tilstrækkeligt nøjagtige til den tilsigtede anvendelse, og selvom de kan have mange applikationer, skal de kun indsamles en gang.
• gyldighed: Data skal indsamles og bruges i overensstemmelse med de gældende betingelser, herunder korrekt anvendelse af love eller standarder. Dette aspekt vil opretholde konsistens, vurdere, hvad der skal måles, på tværs af tider og blandt tilknyttede grupper.
• pålidelighed: Data skal demonstrere stabile og gennemsigtige processer, når de indsamles gennem indsamlingssteder og over tid.
• aktualitet: Data skal indsamles så hurtigt som muligt efter en bestemt aktivitet og være tilgængelige inden for en rimelig tid til den planlagte anvendelse. For at understøtte krav og ikke påvirke service-eller ledelsesbeslutninger skal data være let og hurtigt tilgængelige.
• relevans: i en database skal data løbende være relevante.
• fuldstændighed: Datakravene bør defineres specifikt på grundlag af organisationens informationsbehov og også på de databehandlingsprocedurer, der vedrører disse krav.

datakvalitet burde opfylde alle ovenstående betingelser – ellers ville datakvalitetsaspektet mangle.

ikke desto mindre betyder det kun at håndtere datakvalitet, at det ville være værdifuldt for en virksomhed. Du kan f.eks. opbevare en pålidelig og relevant database med brugerkontaktoplysninger, men hvis du mangler tilstrækkelige understøttende oplysninger, der giver dig baggrunden for bestemte kunder og deres interaktion med din virksomhed, er registreringsdatabasen muligvis ikke så nyttig.

det er her dataintegritet begynder at betyde noget.

dataintegritet

selvom datakvaliteten vedrører, om oplysningerne er korrekte og pålidelige, overskrider dataintegriteten kvaliteten af data. Dataintegriteten skal sikre, at data er fuldstændige, pålidelige, klare og relevante.

dataintegritet er det, der virkelig gør dataene værdifulde for dens operatør. En del af det er datakvalitet, men dette er ikke dets eneste komponent.

dataintegritet bygger på fire centrale principper:

• Integration: uafhængigt af dens primære kilde skal data flettes ubesværet i ældre strukturer, databasesystemer eller cloud-datacentre for at opnå hurtig indsigt.
• kvalitet: for at være værdifuld til beslutningstagning skal data være komplette, relevante, nøjagtige, rettidige og pålidelige.
• Location intelligence sikrer identifikation af lokationsbaserede data af organisationer og øger data gennemsigtighed ved at sikre bedre præcision og kontinuitet.
• berigelse: ved at øge dine interne data med information fra flere kilder tilføjer det mere mening, dybde og betydning for det. Inkorporering af forskellige oplysninger såsom firma -, kunde-eller placeringsdata giver dig et mere komplet og korrekt perspektiv på din organisations resultater.

Data er en uvurderlig forretningsvare, og for virksomheder, der søger at træffe datadrevne valg, er både datanøjagtighed og dataintegritet kritiske. Kvaliteten af data er et stærkt indledende skridt, men dataintegritet øger graden af relevans og intelligens i en virksomhed og fører til sidst til bedre strategier.

man skal først løse datakvalitetsproblemer for at kunne bevæge sig mod dataintegritet. Virksomheder, der gør et systematisk forsøg på at løse datakvalitet og dataintegritet udfordringer vil helt sikkert opleve højere ydeevne.

typer af dataintegritet

fysisk integritet

når vi diskuterer den fysiske integritet af data, henviser vi til beskyttelsen af helheden og nøjagtigheden af disse data, når de gemmes og gendannes. I tilfælde af naturkatastrofer, blackouts eller cyberangreb kompromitteres fysisk integritet. Derudover kan menneskelige fejl, lagringserosion og en lang række problemer også gøre det umuligt at få præcise data.

logisk integritet

når data administreres og behandles, er der en mulighed for, at de kan blive beskadiget – skadeligt eller utilsigtet. Bevarelse af dataintegriteten hjælper med at sikre, at oplysningerne forbliver uændrede og uændrede i hele dens levetid. For eksempel, en bruger kan fejlagtigt indsætte et telefonnummer i en dato sektion. Skulle databasen opretholde dataintegriteten, ville det forhindre disse fejl i at ske.

vedligeholdelse af dataintegritet bør blive en prioritet, når man bygger databaser. Af denne grund, når det er muligt, en ordentlig database vil pålægge dataintegritet.

i forhold til databaser er der fire kategorier af logisk integritet:

#1. Enhedsintegritet

enhedsintegriteten sikrer, at hver række i en tabel er unik (to rækker kan aldrig være identiske). En primær nøgleværdi kan etableres for at opnå dette. Der vil være en unik identifikator i feltet primær nøgle, og to rækker har ikke den samme unikke identifikator.

#2. Referentiel integritet

referentiel integritet er forbundet med relationer, hvilket antyder, at vi skal garantere, at den fremmede nøgleværdi matcher den primære nøgleværdi til enhver tid, når to eller flere tabeller har en relation. At komme på tværs af et scenario, hvor en fremmed nøgleværdi i den primære tabel ikke har nogen matchende primærnøgleværdi, skal undgås, da dette vil føre til, at posten bliver forældreløs.

Referenceintegritet forbyder brugere at knytte poster til en relateret tabel, hvis den primære tabel ikke har en tilknyttet post, ændre værdier, der resulterer i forældreløse poster i en relateret tabel i den primære tabel eller slette poster fra en primær tabel, hvis lignende poster matches.

#3. Domæneintegritet

domænets integritet indebærer ægtheden af poster for en bestemt kolonne. Det allerførste skridt i at bevare domæneintegriteten er at vælge den passende datatype til en kolonne. Yderligere foranstaltninger kan omfatte oprettelse af relevante begrænsninger og regler for at bestemme dataformatet og/eller begrænsning af antallet af potentielle værdier.

#4. Brugerdefineret integritet

brugerdefineret integritet gør det muligt for brugeren at anvende regler, der ikke er beskyttet af nogen af de tre andre former for dataintegritet i databasen.

Dataintegritetstrusler

• sikkerhedsfejl er en hyppig risiko for dataintegritet, som mange organisationer står overfor. Da virkningerne af datasårbarheder er meget kritiske, bliver virksomheder også nødt til at anvende ekstra sikkerhedsbeskyttelsesforanstaltninger. For eksempel investerede vi i identitetsbeskyttelsespakker til sine kunder efter deres berygtede databrud.
• regler manglende overensstemmelse. En anden typisk risiko for dataintegritet er manglende overholdelse af datareglerne. Der gives betydelige bøder til organisationer, der ikke overholder visse love som GDPR. I visse tilfælde kan de ud over disse store betalinger også retsforfølges.
• upålidelige data – reducerer en organisations konkurrenceevne og ydeevne. Det refererer til rekordafskedigelser, ufuldstændige data og uidentificerbare datakilder, som begrænser organisationer fra at foretage præcise vurderinger, hvilket fører til yderligere driftsomkostninger.
• menneskelig fejl (indtastning af forkerte detaljer, duplikering af data, sletning ved et uheld osv.) er også en af de mest almindelige dataintegritetstrusler.

Sådan bevares din dataintegritet

da faren for dataintegritet er blevet så skadelig for organisationer og informationssystemer, skal der indføres en række taktiske trin for at minimere disse risici. Ikke desto mindre, da det ville være umuligt at udrydde alle risici i et enkelt slag, anbefaler vi at bruge en blanding af forskellige strategier og værktøjer.

nedenfor finder du de 10 bedste foranstaltninger, der reducerer truslerne mod dataintegriteten.

#1. Uddannelse af dine medarbejdere og fremme af en kultur af integritet

støtte til et miljø af integritet mindsker på mange måder risikoen for dataintegritet. Det hjælper ved at tilskynde medarbejderne til at være ærlige om deres egne job såvel som om deres kollegers bestræbelser. Medarbejdere i et dataintegritetsbaseret samfund er ofte mere tilbøjelige til at afsløre sager, når folk handler uansvarligt eller ikke udfører deres opgaver i overensstemmelse med dataintegritetspolitikker.

#2. Indførelse af foranstaltninger til kvalitetssikring

kvalitetskontrolmekanismer kræver, at enkeltpersoner og procedurer kontrollerer, at arbejdstagere opererer med data i overensstemmelse med fortrolighed og i overensstemmelse med datastyringspolitikker.

#3. At have et revisionsspor

et revisionsspor er en særlig effektiv måde at minimere faren for at miste dataintegritet. Gennem de forskellige faser af deres livscyklus er revisionsspor afgørende for at forstå, hvad der skete med data, nemlig hvor de stammer fra, og hvordan de blev transformeret og brugt.

#4. Kortlægningsprocesser for dine data

organisationer har bedre kontrol over deres aktiver ved at kortlægge dem – helst inden nogen data bruges. Disse kort er afgørende for gennemførelsen af effektive sikkerheds-og lovgivningsmæssige håndhævelsesforanstaltninger.

#5. Fjernelse af sårbarheder

for at hjælpe med at afbøde dataintegritetstrusler i forbindelse med sikring af data er det nødvendigt at fjerne sikkerhedssårbarheder. Denne risikoreduktionsmetode involverer identifikation af kendte sikkerhedssårbarheder og håndhævelse af trin for at fjerne dem, for eksempel ved at installere sikkerhedsrettelser rettidigt.

når automatiske opdateringer er aktiveret, kan vores kunder, der bruger Heimdal Larra Patch & Asset Management, være sikre på, at de til enhver tid er sikre og kompatible. Hver måned installerer næsten 50% af vores brugere deres sikkerhedsrettelser inden for 3 dage efter frigivelsen, mens resten har en tendens til at stoppe processen med at lappe i henhold til deres egen tidsplan.

#6. At have en sikkerhedskopieringsproces på plads

vi foreslår en plan for sikkerhedskopiering og gendannelse af data, der skal implementeres i tilfælde af en enhedsfejl, programfejl eller sletning af data. Med en sikkerhedskopi kan gendannelse og gendannelse af manglende datafiler finde sted mere glat, hvilket hjælper med at bevare dataintegriteten for Gendannede poster.

#7. Kryptering af dine data

kryptering er den mest kraftfulde måde at opretholde sikkerheden på dine filer. På denne måde, selvom dine data er overtrådt, ville det blive utilgængeligt for ondsindede aktører.

#8. Implementering af multifaktorgodkendelse

i en tid, hvor simpel adgangskodebeskyttelse ikke længere er tilstrækkelig, udsættes vi løbende for adgangskodetrusler som f.eks. Ud over at implementere en stærk adgangskodepolitik for at undgå almindelige adgangskodesikkerhedsfejl er multifaktorgodkendelse derfor kritisk for dagens virksomhedssikkerhed.

#9. Håndhævelse af princippet om mindst privilegium og privilegeret adgangsstyring

de konti, som ubudne gæster ønsker at få adgang til mest, er privilegerede konti. Mange IT-fagfolk forstår ikke fuldt ud de farer, der er forbundet med privilegeret kontokompromis og misbrug, hvilket gør dem (og dermed de organisationer, de arbejder i) mere modtagelige for angreb.

på grund af den ubegrænsede adgang, de tilbyder, er privilegerede konti fokus for ondsindede hackere, og desværre har mange virksomheder gjort angribernes job let ved at give lokale administratorrettigheder til de fleste medarbejdere. For at lære mere om denne trussel foreslår jeg, at du også tjekker artiklen, hvor min kollega forklarede, hvad princippet om mindst privilegium er.

Heimdal Priviliged Access Management fjerner byrden ved administration af administratorrettigheder og sikrer skalerbarhed, overholdelse af databeskyttelse og meget mere. Når det bruges i tandem med Heimdal prices næste generations Endpoint Antivirus eller Heimdal prices Threat Prevention, bliver det det eneste Pam-værktøj på markedet, der automatisk fjerner administratorrettigheder, når trusler opdages på en maskine.

#10. Proaktivt jagt, opdagelse og blokering af kendte og ukendte trusler

Cyber threat hunting bør udføres af organisationer, der konfronterer den voksende mængde potentielle trusler. Ikke kun det, men virksomheder bør også vælge de passende detektions-og reaktionsmekanismer til at reagere på nye trusler. Det er her EPDR kommer i spil.

EPDR (Endpoint Prevention, Detection and Response) er en af de seneste udviklinger inden for cybersikkerhed og en af de bedste sikkerhedsmetoder, du kan stole på for proaktiv sikkerhed i realtid. Heimdals EPDR-tilbud indeholder Maskinlæringsdrevet sikkerhed, HIPS/HIDS og ioas/IOCs, integration med forskellige værktøjer, automatisk patching af sårbarhed og administration af administratorrettigheder for at beskytte din organisation fra flere vinkler og bevare din dataintegritet.

konklusion

ubestrideligt opererer vi i en datadrevet verden, hvor data er hjørnestenen i nutidens økonomi og erhvervsmiljø. Organisationer er konstant afhængige af data i forhold til deres operationer, kunder, finansielle aktiviteter og så videre. Denne voksende tendens er blevet ledet af den eksponentielle vækst af teknologi. Ikke desto mindre, da mængden af data, vi modtager og bruger, er steget utroligt hurtigt, integriteten af data tages ikke i betragtning alt for ofte.

organisationer skal sikre, at deres dataintegritetspolitikker implementeres korrekt, forstås og accepteres i hele virksomheden. Da data er blevet en uvurderlig organisatorisk ressource, skal det være din prioritet at sikre dens integritet. I sidste ende, jo bedre du bevare din dataintegritet, jo mere vil det positivt påvirke din virksomhed.