Minimaliseren en anonimiseren van Big Data ISC2 mee5ng 23 oktober PTA security

Transcriptie

1

2 Stenden Brunel ICT Provincie Groningen Gemeente Groningen Systeem & Storage beheer Projectleider ICT infrastructuur architect Security Officer HEAOBI CISSP Cer5fied Informa5on System Security Professional CEH Cer5fied Ethical Hacker CISA Cer5fied Informa5on System Auditor Advies Beleid & Techniek Audits en onderzoeken Security testen

3 Hoe ga je om met persoonsgegevens? Audi5ng Data vault 2.0 (vroeger data vault modeling) Record source & load date azributen

4 SubseZen Voordelen van het subsezen van data Anonimiseren Voordelen van het anonimiseren en maskeren Minimaliseer datagebruik Beschermen van rela5es Verkort doorloop5jden Voldoen aan wetgeving Efficiënter data beheer Voorkom imagoschade

5 Datamodel classifica5e Bepalen welke delen van de data overgezet moeten worden. Filteren Proces data Voorbeeld: en, Orders, Contracten, Facturen Volledig Master data Voorbeeld: Applica5e data, Inrich5ng, Stamtabellen Leeg Logging, overbodige historie Voorbeeld: Log tabellen, temp tabellen, overbodige historie

6 Keten Methodes om over de keten heen te subsezen Start Filter Alle klanten uit Groningen Start Filter Alle orders van klanten die in de vorige subset zizen. Produc5e Test/Ontwikkel

7 Persoonsgegevens Elk gegeven over een geïden5ficeerde of iden5ficeerbare natuurlijke persoon Bron: Wet Bescherming Persoonsgegevens Naam Banksaldo Geboortedatum Schulden Iden0ficerende Bankrekening nummer Medicijn gebruik Kenmerkende Ziekte BSN nummer Geloofsovertuiging Adres Poli5eke voorkeur Polisnummer Salaris Telefoonnummer Telefoonhistorie Etc Etc

8 Technieken

9 Shuffle Verwissel waarden binnen een kolom + Condi0oneel Maskeer gespecificeerde delen van tabellen Voornaam Naam Soort Frans Jan Dirk Jansen de Boer Huisman DATPROF Leverancier

10 Blank Verwijder waarden uit kolom Scramble Vervang bestaande karakters Voornaam Naam Soort Opmerking 321 Frans de Boer Zwager van D.Jansen Jan Huisman Dirk Jansen Heeft schulden DATPROF Leverancier

11 KeyShuffle Verwissel primary keys en foreign keys consistent. Uniek klantnummer dat op pasjes en polissen wordt gedrukt Nr. Voornaam Naam Soort Opmerking Frans de Boer 456 Jan Huisman 789 Dirk Jansen 321 DATPROF Leverancier Nr Polis Basis + AV Standaard Basis

12 First day Verander datum velden naar de 1 e van dezelfde maand of jaar Nr. Voornaam Naam Soort Opm.. Geboortedatum 321 Frans de Boer xxxxxxx@xxxx.xx Jan Huisman Xxxxxxx@xxxx.xx Dirk Jansen xxxxx@xxxxxxxxxx.xx DATPROF Leverancier Geboortedatum 1 e van de maand 1 e van het jaar Postcode 87% 3.7% 0.04% Bron: onderzoek anonimiteit door Prof. Dr. Latanya Sweeney (Harvard University)

13 Lookup Vervang waarden met waarden uit een andere tabel Voornamen Daan Thomas Nr. Voornaam Naam Soort Opm.. Gebdatum Tim Tim 321 Frans de Boer Lars 789 Jan Huisman Ruben Ruben 123 Dirk Jansen Levi DATPROF Leverancier Luuk Referentiedata

14 Expression Maak gebruik van standaard of eigen func5es Nr. Voornaam Naam Soort Opm.. Geboortedatum 321 Thomas de Boer Fictief Tim Huisman Fictief Ruben Jansen Fictief DATPROF Leverancier

15 Importeren Meta data Definiëren regels 3. Deployment

16 Enterprise Service Bus

17 Nieuwe Europese Privacy Verordening Profiling en gebruik van pseudonieme gegevens

18 Tools

19 Quickscan Big Data omgeving Inzicht in beveiliging, efficiën0e & regelgeving Een analyse van de inrich5ng en beveiliging van uw Big Data omgeving Een analyse van de op uw Big Data omgeving van toepassing zijnde wet en regelgeving Een overzicht van de risico s die u loopt door tekortkomingen in uw Big Data omgeving Een concreet advies voor het aanpakken van de geconstateerde bevindingen.

20 Minimaliseren en anonimiseren van Big Data ISC2 mee5ng 23 oktober 2014 PTA security