20161213_DEMOで見せます！コンプライアンス遵守におけるデータマスキングの必要性と実現方法徹底解説！...

© 2016 Insight Technology, Inc. All Rights Reserved.

DEMOで見せます！コンプライアンス遵守におけるデータマスキングの必要性と現実方法徹底解説！

～ FinTech時代に求められるデータマスキング最前線～

インサイトテクノロジーBig Data SolutionsManager益秀樹

© 2016 Insight Technology, Inc. All Rights Reserved. 2

自己紹介

益秀樹 Masu Hideki• ストレージ専業企業に17年

• プリセールスSE、パートナー担当SE

• プロフェッショナルサービス部マネージャ

• ブラウザーの会社

•金融担当のプログラマーを5年


Agenda

FinTech時代到来の背景

FinTechでどう変わるのか予想してみた

データマスキングの種類

Demo


FinTech時代到来の背景


日本の経済の停滞

Source: 世界経済のネタ帳Source: 世界経済のネタ帳

創業上場

銀行法

金融ビッグバン


銀行規制緩和


2015年12月16日


銀行規制緩和？


銀行規制緩和！


FinTechはどのように役に立つ？


FinTechでどう変わるのか大胆にも予想してみた


FinTechはどのように役に立つ？

家

車保険教育服

レジャー

食事


KYCKnow Your Customer


銀行の勘定系システム

Source: ITPro 金融業界の業務とシステムを知る

名前生年月日住所支店名口座番号出入金種別取引金額


名前生年月日住所銀行名支店名口座番号出入金種別取引金額クレジットカード

子供の情報名前生年月日学校名塾名

車自動車保険交通費

FinTechで得られるかもしれない情報

生命保険損害保険

勘定系データお金を使っている対象

訪問したお店

買った商品

興味を示した商品

興味の対象

家


名前生年月日住所銀行名支店名口座番号出入金種別取引金額クレジットカード

資格GPS情報訪問店履歴興味セグメント購買履歴興味を示した商品子供の属性情報学校塾成績

FinTech前と後でのデータの違い

勘定系データ個人の興味のデータ


秘匿データ

データ量

Data Masking


データマスキングの種類


データマスキングの成熟度モデル• Level 1 – 機密データが混とんとしているレベル

機密データ取り扱いのポリシーやルールが不在。どこに機密データがあり、どのように保護されているのかわからないもしくは属人化している状態。

• Level 2 – 機密データのマスク対象データが認知されているレベル機密データをマスクし保護するために使用される人、プロセス、ツールを適宜見直されている。

• Level 3 – 機密データのマスキングポリシーが標準化されているレベル企業はデータマスキングポリシーを標準化されており、機密データを保護するために必要な組織、プロセス、トレーニングが実施されて反復性がある。

• Level 4 – 機密データに関わるプロセスが整備されているレベルプロセスが整備されており、機密データのインベントリ、マスキング、プロビジョニング、監視、および監査のためのツールが企業全体で統一されている。

• Level 5 – 機密データを積極的にマスクし管理しているレベルユーザー・プロビジョニングは、知る必要があるユーザーのための機密データへの権限を自動的に提供。監視されたデータベースは、このポリシーに対する自動ログとアラートを提供。


Delphix Data Masking Engine

データマスキング？


Delphix Data Masking Engineで実装されているアルゴリズム

アルゴリズム概要説明

Secure Lookup 一貫した方法でマスク値を割り当てます。

Mapping 元データを順番に、ルックアップテーブルに予め設定している値にマップしてマスク値を決定。

Tokenization ランダムに生成されたトークンデータと置換。トークン化環境でのみ使用することを想定。

Segmented Mapping 部分定義に基づいてデータを置換します。例）ACCOUNT NUMBERの初めの数桁はオリジナルのままのデータを保持し、残りの部分を乱数で置換。

Binary Lookup Secure Lookupアルゴリズムに近いが、１つのファイルが特定のカラムにストアされているときのみ使用。

Min/Max データベースの値が指定された範囲の中にあることを確認することに利用。例えば年齢99歳以上という個人の特定を妨げます。

Data Cleansing 元データがマスキングの前に標準的なフォーマットに置換することができます。たとえば、「Ariz」、「Az」、「Arizona」はすべて「AZ」に置換するようなことができます。

Free Text Redaction このアルゴリズムはフリーテキストのカラムを編集またはマスクします。ホワイトリストやブラックリストを使ってマスクする・しないを決定します。このアルゴリズムを使うには事前の相応の設定が必要になります。

汎用データ

特定データ


Demo 1

emp

Delphix Masking Engine

In-Place型データマスキング


Emp_ID JA_lastname1

JA_firstname1

JA_lastname2

JA_firstname2

Lastname Firstname Division Extention Phone_number

Email_address

address

Map Fileとして登録


Demo 2

emp1


emp1On-the-Fly型データマスキング


Demo 2

emp1


emp1

ccdata ccdata

参照整合性のあるデータマスキング


まとめ

テストデータは新しいフェーズに突入！• FinTech時代では機密データの範囲は広くなる

•データマスキング、データセキュリティの意識はより広範囲で求められる

•システムテストでは現実のデータに近いテストデータが求められる


Thank you

20161213_DEMOで見せます！コンプライアンス遵守におけるデータマスキングの必要性と実現方法徹底解説！...

Technology

Transcript of 20161213_DEMOで見せます！コンプライアンス遵守におけるデータマスキングの必要性と実現方法徹底解説！...