Muitas tecnologias ganharam destaque em 2023 e merecem estar na lista de tendências a serem acompanhadas por qualquer profissional de tecnologia. Entre elas está o mascaramento de dados. Apesar da semelhança na implementação com a prevenção contra vazamento de dados, o mascaramento de dados e a prevenção contra vazamento de dados têm casos de uso muito diferentes.
Há anos, a prevenção contra vazamento de dados é um recurso presente em todas as principais soluções de segurança para aplicações web e APIs. No entanto, a necessidade do mascaramento de dados só agora começa a se tornar evidente, graças à ascensão de tecnologias como a IA generativa.
O que é mascaramento de dados?
O mascaramento de dados é uma técnica usada para proteger informações confidenciais, substituindo ou ocultando os dados originais com dados fictícios ou embaralhados que mantêm estrutura e formato semelhantes. Esse método é comumente utilizado em situações nas quais os dados precisam ser compartilhados ou usados para fins de teste, treinamento ou análise, mas as informações confidenciais reais devem permanecer em sigilo. O mascaramento de dados ajuda as organizações a cumprir as regulamentações de privacidade de dados, reduzir o risco de violações de dados e proteger a privacidade das pessoas cujas informações estão contidas nos conjuntos de dados.
O que é prevenção contra vazamento de dados?
A Prevenção contra Vazamento de Dados (DLP) é um conjunto de estratégias, políticas e ferramentas desenvolvidas para proteger informações confidenciais contra acesso, divulgação ou uso indevidos. O principal objetivo da DLP é impedir o vazamento acidental ou intencional de dados confidenciais, como informações pessoais, propriedade intelectual ou segredos comerciais, para fora da rede ou dos sistemas de uma organização.
Comparando coisas equivalentes?
Pode parecer que o mercado está sendo excessivamente rigoroso ao afirmar que maçãs verdes são diferentes de maçãs vermelhas. Afinal, tanto o mascaramento de dados quanto a DLP costumam recorrer às mesmas tecnologias para “mascarar” ou “ofuscar” campos de dados confidenciais usados por aplicações e APIs.
A diferença tem dois aspectos.
Primeiro, os principais usuários do mascaramento de dados são desenvolvedores, cientistas de dados e profissionais de MLOps. Eles são funcionários ou parceiros que precisam testar e treinar modelos com dados reais de clientes ou analisá-los: dados reais de clientes. Isso coloca em risco os clientes que preferem permanecer anônimos e que podem ter recebido a garantia, por meio de uma política corporativa de privacidade, de que seu anonimato seria preservado. Em última análise, quem utiliza a DLP é a empresa. É responsabilidade corporativa cumprir as regulamentações que exigem o mascaramento de informações confidenciais, como números de contas e cartões de crédito, e a empresa sofre quando há vazamento de dados. Pode-se argumentar que as organizações empregam a DLP para proteger os consumidores — e de fato o fazem —, mas o principal motivador geralmente é a regulamentação.
Em segundo lugar, a DLP identifica e mascara apenas um subconjunto específico de informações pessoais. Quando recebo uma fatura, o número da minha conta é mascarado, mas meu nome e endereço não. Com o mascaramento de dados, é comum que nomes, endereços e outras informações de identificação sejam ofuscados para garantir que os clientes permaneçam anônimos. Isso é particularmente relevante quando o caso de uso envolve análises nas quais se buscam padrões e relações entre clientes para fins de marketing ou previsão, mas há motivos para não identificar clientes específicos.
O mascaramento de dados deve estar no seu radar
Se você está fazendo uma “lista de tecnologias para ficar de olho” em 2024, o mascaramento de dados definitivamente merece um lugar entre as dez primeiras.
Isso se deve à ampla aplicabilidade em diversas iniciativas — especialmente naquelas voltadas à análise e ao treinamento de modelos de aprendizado de máquina para obter insights sobre o comportamento dos clientes ou identificar padrões que orientem a estratégia de negócios.
À medida que a IA generativa — e a tradicional — começou a se infiltrar em todos os produtos e serviços do planeta, os consumidores passaram a estar cada vez mais conscientes da necessidade de privacidade. A capacidade de mascarar dados confidenciais permitirá que uma empresa avance com iniciativas de IA e atenda à necessidade de privacidade de seus clientes.
Sobre o autor
Lori MacVittie é engenheira distinta e evangelista-chefe no Escritório do CTO da F5, com ampla experiência em entrega de aplicações, estratégia de automação e infraestrutura. Ela é conhecida por transformar complexidade em clareza, seja definindo diretrizes para agentes de IA, analisando arquiteturas multinuvem frágeis ou investigando os limites de sistemas escaláveis. Ela acumula mais de trinta anos de experiência no setor, abrangendo desenvolvimento de aplicações, arquitetura de TI e operações de redes e sistemas. Antes de ingressar na F5, atuou como editora de tecnologia e recebeu diversos prêmios. MacVittie tem mestrado em Ciência da Computação e é uma autora prolífica, com publicações que abrangem segurança, nuvem e arquitetura empresarial. Ela também é uma entusiasta de jogos de tabuleiro e videogames, além de ter opiniões assumidamente fortes sobre queijos.
Mais publicações de Lori Mac VittiePublicações relacionadas no blog
O estado da maturidade digital empresarial: a transformação digital ainda não terminou
Explore como a IA impacta as empresas, as aplicações da IA generativa, as estratégias para modernizar as operações de TI e os benefícios da maturidade digital com a F5.
Como a IA generativa acelera a transformação digital
Veja como a IA generativa impulsiona a transformação digital nas empresas, acelerando tendências como a integração de APIs, os desafios dos modelos operacionais de TI híbrida e a adoção de AIOps.
Seis capacidades técnicas para acelerar a transformação digital
As arquiteturas empresariais atuais carecem dos fatores necessários de agilidade, escalabilidade, segurança e observabilidade, essenciais para impulsionar a mudança tecnológica. No entanto, estas seis capacidades fundamentais ajudarão as empresas a gerenciar riscos e desafios ao longo de sua transformação digital.
Inverter a API é a transformação digital de que as empresas precisam para participar e competir em uma economia de APIs
As organizações detêm um valor latente — na forma de APIs internas — que precisam explorar para competir em uma economia de APIs. Embora os desafios técnicos e de segurança possam desestimular algumas delas, as empresas precisam reconhecer que inverter suas APIs permitirá liberar o valor da organização como plataforma.
A modernização da TI começa pela infraestrutura
O hardware e o software evoluíram rapidamente desde os primórdios da internet, mas, para aproveitar ao máximo os benefícios resultantes dessa evolução, as organizações precisam avaliar e modernizar sua infraestrutura e a entrega de aplicativos. Acelere os esforços de modernização com a nova F5 rSeries.