در این هالووین، مطمئن شوید که اطلاعات حساس شما ماسک زده است

اگر به اندازه کافی در زمینه امنیت سایبری کار کنید، متوجه می‌شوید که ما واقعا عاشق یک قیاس یا استعاره هستیم و در ماه اکتبر به سختی می‌توانید درباره کابوس‌های امنیتی، هیولاهای سایبری و تهدیدهایی که در سایه‌ها کمین کرده‌اند صحبت کنید.

من مثل هر کس دیگری از یک قیاس خوب لذت می برم، اما یک مقایسه هالووین وجود دارد که اغلب نمی شنوم. و حداقل برای امنیت داده‌ها، فکر می‌کنم ممکن است در حال حاضر مفیدترین مورد باشد: ماسک.

ماسک چیزی را که زیر آن است ناپدید نمی کند. این به سادگی به این معنی است که شما مجبور نیستید هویت واقعی آن را برای هر کسی که با آن روبرو می‌شود فاش کنید، و این چیزی است که ما در تلاشیم تا با داده‌های حساس به آن برسیم.

توسعه دهندگان برای آزمایش برنامه ها به داده ها نیاز دارند، تحلیلگران برای یافتن الگوها به آن نیاز دارند و ابزارها و عوامل هوش مصنوعی به طور فزاینده ای برای انجام کارهای مفید نیاز به دسترسی به اطلاعات سازمانی دارند. اما نیاز به استفاده از این داده ها لزوما با نیاز به دیدن هر مقدار حساس موجود در آن یکسان نیست.

این دقیقا جایی است که پوشاندن داده وارد می شود. با جایگزینی اطلاعات حساس با مقادیر واقعی اما غیرقابل استفاده، سازمان ها می توانند مفید بودن داده ها را بدون افشای غیرضروری آنچه در زیر است حفظ کنند.

با افزایش چشمگیر هوش مصنوعی به جایی که داده ها می توانند منتقل شوند، چه کسی می تواند آن را پیدا کند و چه چیزی می تواند بر اساس آن عمل کند، این تمایز بسیار مهم تر می شود.

مبدلی با هدفی جدی

در هسته خود، پوشش داده، اطلاعات حساس را با مقادیر واقعی اما غیرقابل استفاده جایگزین می کند. مجموعه داده حاصل می تواند ویژگی های لازم برای توسعه، آزمایش، تجزیه و تحلیل و سایر فرآیندهای تجاری را بدون افشای غیر ضروری اطلاعات حساس زیر آن حفظ کند. آن را به عنوان یک لباس هالووین با هدف امنیتی در نظر بگیرید. داده ها همچنان می توانند بدون افشای هویت واقعی آن به حزب نشان داده شوند.

این تمایز مهم است زیرا محافظت از داده ها نباید صرفا به معنای جلوگیری از استفاده افراد از آن باشد. کسب‌وکارهای مدرن به توانایی تجزیه و تحلیل، تست کردن و آموزش یا زمین‌گیری سیستم‌های هوش مصنوعی در اطلاعات سازمانی وابسته هستند. در عوض، این سوال باید این باشد: آیا این شخص، برنامه یا سیستم هوش مصنوعی واقعا برای انجام این کار به مقدار حساس اصلی نیاز دارد؟

برای مثال، توسعه‌دهنده‌ای که برنامه‌ای را آزمایش می‌کند، ممکن است به داده‌های نماینده مشتری نیاز داشته باشد، اما لزوما به هویت مشتری واقعی نیاز ندارد. حجم کاری تجزیه و تحلیل ممکن است نیاز به حفظ روابط و الگوها بدون فاش کردن هر شماره حساب یا شناسه شخصی داشته باشد.

اگر ارزش واقعی مورد نیاز نباشد، افشای آن بدون ایجاد ارزش تجاری مربوطه، ریسک ایجاد می کند.

پوشاندن آن قرار گرفتن در معرض غیر ضروری را از بین می برد. بسته به مورد استفاده، سازمان ها همچنین می توانند از تکنیک هایی از جمله رمزگذاری و رمزگذاری استفاده کنند. اصل مهم این است که حفاظت را با نحوه استفاده از اطلاعات به جای پیش‌فرض برای افشای داده‌های حساس خام مطابقت دهیم.

شما نمی توانید چیزی را که نمی توانید پیدا کنید ماسک کنید

یک عارضه آشکار وجود دارد: قبل از تصمیم گیری در مورد اینکه چه چیزی باید از ماسک استفاده کنند، کسب و کارها باید بدانند اطلاعات حساس آنها کجاست.

که به طرز شگفت آوری دشوار است.

گزارش تهدید داده های Thales در سال 2026 نشان داد که تنها 34 درصد از سازمان های مورد بررسی از محل ذخیره داده های خود آگاهی کامل داشتند. فقط 39 درصد گفتند که می توانند همه آن را طبقه بندی کنند. در همین حال، متوسط ​​سازمان گزارش داده است که از هفت ابزار مختلف برای حفاظت و نظارت بر داده ها استفاده می کند.

زیرساخت ابری مشکل را تشدید می کند. اطلاعات را می توان در دریاچه های داده، پلت فرم های SaaS، محیط های توسعه و پشتیبان گیری کپی کرد. اسناد بدون ساختار می توانند حاوی اطلاعات حساسی باشند که هیچ کس متوجه وجود آن نشده است. برنامه‌هایی که سال‌ها پس از جمع‌آوری داده‌ها ایجاد شده‌اند، می‌توانند ناگهان به آن دسترسی پیدا کنند.

هوش مصنوعی این مشکل دید را به طور قابل توجهی مهم تر می کند زیرا یافتن اطلاعات دقیقا همان چیزی است که این سیستم ها در آن بسیار خوب می شوند.

اینجاست که مدیریت وضعیت امنیت داده (DSPM) اهمیت پیدا می کند. به جای اینکه امنیت داده را صرفا به عنوان یک سؤال دفاع از زیرساخت تلقی کند، DSPM با خود داده ها شروع می کند: کشف و طبقه بندی اطلاعات حساس و درک مکان آن، چه کسی یا چه چیزی می تواند به آن دسترسی داشته باشد، چگونه استفاده می شود و آیا حفاظت از آن مناسب است یا خیر.

هنگامی که یک سازمان داده‌های حساس غیرضروری را شناسایی می‌کند، می‌تواند تصمیم بگیرد که آیا دسترسی باید با استفاده از کنترل‌هایی مانند پوشاندن، رمزگذاری یا رمزگذاری حذف، محدود یا محافظت شود.

داده های هوش مصنوعی: ترفند یا درمان؟

این امر به ویژه با پیشرفت کسب‌وکارها از آزمایش هوش مصنوعی مولد به سمت تعبیه هوش مصنوعی در عملیات روزمره اهمیت می‌یابد.

برنامه های کاربردی هوش مصنوعی به داده نیاز دارند. عامل ها ممکن است به مقدار قابل توجهی بیشتری از آن نیاز داشته باشند زیرا آنها نه صرفا برای تولید محتوا بلکه برای بازیابی اطلاعات، تصمیم گیری و انجام اقدامات بالقوه در سیستم های مختلف طراحی شده اند.

پیامدهای امنیتی در حال حاضر قابل مشاهده است. همان تحقیق نشان داد که 61 درصد از سازمان‌ها گزارش دادند که برنامه‌های هوش مصنوعی آنها توسط مهاجمان هدف قرار می‌گیرد و داده‌های حساس هدف اصلی آنهاست. تغییر سریع در اکوسیستم هوش مصنوعی نیز رایج ترین خطر امنیتی هوش مصنوعی بود.

اما سوال مهم این نیست که آیا می توان هوش مصنوعی را ایمن کرد یا خیر. سازمان ها همچنین باید یک سوال اساسی تر بپرسند:

ما در وهله اول به هوش مصنوعی اجازه می دهیم چه داده هایی را ببیند؟

دادن دسترسی یک برنامه هوش مصنوعی به پایگاه داده نباید به طور خودکار به معنای دسترسی آن به هر مقدار حساس خام موجود در آن باشد. همان اصل کمترین امتیازی که برای هویت‌های انسانی استفاده می‌شود را می‌توان در مورد داده‌ها نیز به کار برد: آنچه را که برای انجام وظیفه ضروری است را افشا کنید و از آنچه که نیست محافظت کنید.

این می تواند به معنای پنهان کردن اطلاعات شخصی قبل از رسیدن به محیط های توسعه و آزمایش باشد. این می تواند به معنای توکن کردن مقادیر بسیار حساس مورد استفاده توسط یک برنامه باشد. این می تواند به معنای رمزگذاری اطلاعات و کنترل دقیق هویت هایی باشد که می توانند آن را رمزگشایی کنند. و در برخی شرایط، باید به معنای جلوگیری از دسترسی یک سیستم هوش مصنوعی به مجموعه داده ها باشد.

امنیت هوش مصنوعی را سخت‌تر از آنچه باید باشد، نکنید

این تمایل وجود دارد که امنیت هوش مصنوعی را به عنوان یک رشته کاملا جدید در نظر بگیریم که به پاسخ های کاملا جدیدی نیاز دارد.

برخی از خطرات مطمئنا جدید هستند. اما یکی از مفیدترین کارهایی که سازمان ها می توانند انجام دهند این است که اصول امنیت داده ها را در این محیط جدید اعمال کنند.

بدانید که داده های حساس در کجا قرار دارند. زمینه آن را درک کنید. دسترسی های غیر ضروری را به حداقل برسانید. ارزش اساسی را با توجه به نحوه استفاده از آن محافظت کنید. و با تغییر برنامه‌ها و سیستم‌های هوش مصنوعی، به طور مداوم آن تصمیم‌ها را مورد ارزیابی مجدد قرار دهید.

هوش مصنوعی ممکن است به طور چشمگیری میزان ارزشی را که سازمان ها می توانند از داده های خود استخراج کنند افزایش دهد. به این معنی نیست که هر سیستمی که آن مقدار را استخراج می کند، نیاز به دیدن همه چیز در زیر ندارد.

هالووین فقط یک بار در سال می آید. با این حال، برای داده‌های حساس، داشتن گزینه استفاده از ماسک قانع‌کننده در تمام طول سال غیرقابل مذاکره است.

ما بهترین خدمات حذف داده را بررسی و رتبه بندی کرده ایم.

این مقاله به عنوان بخشی از TechRadar Pro Perspectives، کانال ما برای معرفی بهترین و باهوش ترین ذهن ها در صنعت فناوری امروز تهیه شده است.

نظرات بیان شده در اینجا نظرات نویسنده است و لزوما نظرات TechRadarPro یا Future plc نیست. اگر مایل به مشارکت هستید، اطلاعات بیشتری را در اینجا بیابید: https://www.techradar.com/pro/perspectives-how-to-submit