Datenmissbrauch verhindern - Sensible Daten in Cloud-Datenbank finden und Datenmaskierung in JSON, PDF, Bild oder MS-Dokumenten

PII in Dark Data Dateien (EDI, Dokumente, Bilder usw.) verschlüsseln, auch wenn sie neu sind oder aktualisiert werden ❗ Definieren, Erkennen und De-Identifizieren von PII in Dark Data Dateien: Mit IRI DarkShield können Sie sensible Informationen in verschiedenen strukturierten, semistrukturierten und unstrukturierten Quellen klassifizieren, finden und löschen oder anderweitig maskieren, einschließlich: Text, PDF- und MS Office-Dokumente, Parquet- und Bilddateien, relationale und NoSQL-Sammlungen und sogar Gesichter. DarkShield nutzt gemeinsam genutzte Datenklassen, benutzerdefinierte Suchkombinationen und konsistente Maskierungsfunktionen für alle Quellen vor Ort und in der Cloud. Mit DarkShield können Sie auch Job-Ergebnisse (und die dazugehörigen Datei-Metadaten) in seiner Eclipse oder Ihrer SIEM-Umgebung extrahieren, freigeben und anzeigen.

Wie DarkShield funktioniert: DarkShield nutzt Datenklassifizierungsdialoge und Assistenten für die Erkennung von Dark Data in der kostenlosen IRI Workbench IDE, die auf Eclipse™ aufbaut, um die Daten zu katalogisieren, die Ihnen wichtig sind, und um Such- und Maskierungsspezifikationen in Metadaten-Dateien zu konfigurieren, die leicht weitergegeben, gesichert und geändert werden können. Zur Ausführung können die gespeicherten Konfigurationen von der Workbench oder einer beliebigen Anwendung über CLI oder RPC API gestartet werden.Sie können DarkShield ausführen, um nur nach versteckten Werten zu suchen und über deren Standorte und Metadaten der zugehörigen Dateien zu berichten. Oder Sie können es mit aktivierter Korrektur ausführen, um personenbezogene Daten (PII) zur Einhaltung der Datenschutzgesetze mit einer Vielzahl von Maskierungsfunktionen zu verschleiern. Ihre Such- und Maskenoperationen können einzeln oder gleichzeitig ausgeführt werden.Große Aufträge können über die API mithilfe eines NGNIX-Reverse-Proxys ausgeglichen werden. Bilder können vorverarbeitet werden, um die Scangenauigkeit zu verbessern. Gesichter können erkannt und unscharf gemacht oder speziell aus Ihrer Modellbibliothek wiedererkannt werden.Sie können auch NGNIX zur Authentifizierung von Benutzern und einen Schlüsseltresor wie Azure zur Verwaltung von Verschlüsselungsschlüsseln verwenden, um den Zugriff bei der Wiederherstellung von Daten zu differenzieren.