המחצית הראשונה של 2024 ראתה עלייה חדה במספר פרצות אבטחה, כאשר מידע רגיש נופל לידיים הלא נכונות בקצב הולך וגובר. פרצות הנתונים המובילות שעלו לכותרות בחדשות אבטחת הסייבר כוללות את תקרית HealthEquity ביולי, שפגעה במידע של 4.3 מיליון מטופלים, פרצת נתונים ענקית של AT&T שחשפה את יומני השיחות של 109 מיליון לקוחות, ו -1.2TB של נתונים שלכאורה התקבלו מדיסני ב-15 ביולי.
פתרונות הגנה על נתונים חייבים לזהות, להגן ולהגן ביעילות על נתונים רגישים בסביבות מגוונות. בתגובה לאתגרים הגוברים אלה, OPSWAT Proactive DLP™ כולל כעת שתי תכונות חדשות ומתקדמות שנועדו לשפר את אבטחת הנתונים והפרטיות: ניצול משופר של בינה מלאכותית בזיהוי PII (מידע אישי מזהה) (נכון לעכשיו בגרסת בטא) ואנונימיזציה של PCAP.
מידע אישי מזהה אחראי ל-46% מהפרצות
העלות הממוצעת העולמית של פרצת נתונים עלתה ב-10% והגיעה ל-4.88 מיליון דולר - הזינוק הגבוה ביותר מאז המגפה. זינוק זה נבע בעיקר משיבושים עסקיים מוגברים ופרוטוקולי תגובה לאחר פרצה. ארה"ב מובילה את הרשימה כמדינה עם עלות הפרצת הנתונים הממוצעת הגבוהה ביותר (9.36 מיליון דולר).
פרצות מידע אישי של לקוחות היו הנפוצות ביותר השנה, והיוו 46%. פרצות הכרוכות במידע אישי היו יקרות במיוחד עבור הארגונים שנפגעו, דבר המדגיש את ההשפעה הכספית של אובדן נתוני לקוחות רגישים.
בינה מלאכותית משופרת לזיהוי PII
אחד האתגרים המרכזיים בהגנה על נתונים הוא זיהוי והגנה מדויקים על מידע אישי מזהה. שיטות מסורתיות מתקשות לעיתים קרובות לעמוד בקצב האופי המתפתח של נתונים, מה שמותיר ארגונים פגיעים לדליפות נתונים. יכולות הבינה המלאכותית המשופרות של Proactive DLP מטפלות באתגר זה על ידי מתן:
זיהוי מידע אישי רחב ומדויק יותר
אלגוריתמי הבינה המלאכותית שלנו שוכללו כדי לזהות מגוון רחב יותר של דפוסי מידע אישי (PII), כולל פורמטים מורכבים ומעורפלים של נתונים.
כיסוי משופר של PII במקורות נתונים שונים
הרחבנו את יכולות הבינה המלאכותית שלנו כדי לסרוק ביעילות מקורות נתונים מגוונים, תוך הבטחת הגנה מקיפה מפני פרטים אישיים מזהים.
פרטיות נתונים ותאימות משופרים
על ידי זיהוי והגנה מדויקים של מידע אישי מזהה, הפתרון שלנו מסייע לארגונים לעמוד בתקנות מחמירות של פרטיות נתונים ולשמור על אמון הלקוחות.
כיסוי רחב של תמיכה בשפות
מודל הבינה המלאכותית שלנו מכסה יותר משש שפות, כולל אנגלית, צרפתית, פורטוגזית, גרמנית, ספרדית ואיטלקית.

תמיכה באנונימיזציה של PCAP
ניתוח תעבורת רשת חיוני לזיהוי איומי אבטחה פוטנציאליים ופרצות נתונים. עם זאת, פתרונות מסורתיים להגנה על נתונים מתעלמים לעתים קרובות מהמידע הקריטי הכלול בקבצי Packet Capture (PCAP). Proactive DLP תמיכת האנונימיזציה החדשה של PCAP מטפלת בפער זה על ידי מתן אפשרות ל:
יכולות עיבוד נתונים מורחבות
הפתרון שלנו יכול כעת לעבד ביעילות קבצי PCAP, לחלץ תובנות חשובות ולזהות נתונים רגישים.
אנונימיזציה של מידע רגיש
Proactive DLP יסתיר את כתובות ה-IP של המקור והיעד, כתובות ה-MAC ומספרי הפורטים בקובץ הפלט, תוך שמירה על זרימת קובץ ה-PCAP. זה מבטיח שניתן יהיה לשתף את הקובץ מבלי לפגוע במידע רגיש.
ניהול נתונים ואבטחה משופרים
על ידי מתן הגנה מקיפה לקבצי PCAP, אנו עוזרים לארגונים לשמור על שליטה על הנתונים שלהם ולצמצם את הסיכון לפריצות נתונים.

אבטחה ותאימות Proactive DLP
Proactive DLP השילוב של בינה מלאכותית משופרת לזיהוי PII ואנונימיזציה של PCAP יוצר סינרגיה רבת עוצמה בין אבטחה לתאימות.
היכולות המתקדמות שלנו בזיהוי והגנה על מידע אישי ונתונים רגישים מפחיתות משמעותית את הסיכון לדליפות נתונים. על ידי ניהול ושליטה יעילים בנתונים, ארגונים יכולים לשמור על עמידה בחוקי ותקנות פרטיות המידע, כגון GDPR, HIPAA, PCI DSS ו-CCPA. הפתרון שלנו מייעל את תהליכי הגנת המידע, מפחית את נטל מאמצי הציות ומאפשר לארגונים להתמקד ביעדי העסק המרכזיים.
אסטרטגיות אבטחה ותצפית מקיפות בסביבות היברידיות ורב-עננים מורכבות חייבות להגן על נתוני הרשת. על ידי לכידת וניתוח קפדני של תעבורת רשת באמצעות PCAP, ארגונים זוכים לנראות חסרת תקדים לנוף התפעולי שלהם. נראות משופרת זו מעצימה צוותי אבטחה ו-IT לזהות ולמתן איומים פוטנציאליים באופן יזום, להגיב במהירות לאירועים ובדייקנות ולבצע חקירות פורנזיות מעמיקות כדי לחשוף את גורמי השורש של פרצות אבטחה. יתר על כן, היכולת ללכוד ולנתח נתוני רשת חיונית לעמידה בדרישות הרגולציה, כולל צו נשיאותי 14028 ו- OMB M-21-31 .




