Le masquage des données et ses différences avec la prévention des fuites de données

Lori Mac VittieIngénieur émérite et évangéliste en chef | F5

De nombreuses technologies apparues en 2023 méritent de figurer sur la liste de veille de tout spécialiste des technologies. Parmi elles figure le masquage des données. Malgré des similitudes de mise en œuvre avec la prévention des fuites de données, ces deux technologies répondent à des cas d’usage très différents.

Cette dernière fait partie depuis des années des fonctionnalités de toutes les principales solutions de sécurité des applications web et des API. Mais le besoin de masquage des données commence tout juste à se faire sentir, avec l’essor de technologies telles que l’IA générative.

Qu’est-ce que le masquage des données ?

Le masquage des données est une technique utilisée pour protéger les informations sensibles en remplaçant ou en dissimulant les données d’origine par des données fictives ou brouillées qui conservent une structure et un format similaires. Cette méthode est couramment employée lorsque des données doivent être partagées ou utilisées à des fins de test, de formation ou d’analyse, mais que les informations sensibles réelles doivent rester confidentielles. Le masquage des données aide les organisations à respecter les réglementations relatives à la protection des données, à réduire le risque de violations de données et à protéger la vie privée des personnes dont les informations figurent dans les jeux de données.

Qu’est-ce que la prévention des fuites de données ?

La prévention des fuites de données (DLP) désigne un ensemble de stratégies, de politiques et d’outils conçus pour protéger les informations sensibles contre tout accès, toute divulgation ou toute utilisation abusive non autorisés. Son principal objectif est d’empêcher la fuite accidentelle ou intentionnelle de données confidentielles, telles que des informations personnelles, des éléments de propriété intellectuelle ou des secrets commerciaux, en dehors du réseau ou des systèmes d’une organisation.

Comparons-nous ce qui est comparable ?

On pourrait croire que le marché joue sur les mots en affirmant que les pommes vertes sont différentes des pommes rouges. Après tout, le masquage des données et la DLP s’appuient généralement sur les mêmes technologies pour « masquer » ou « brouiller » les champs de données sensibles utilisés par les applications et les API.

La différence est double.

Premièrement, les principaux utilisateurs du masquage des données sont les développeurs, les data scientists et les équipes MLOps. Il s’agit d’employés ou de partenaires qui doivent effectuer des tests et des entraînements à partir de données clients réelles, ou analyser des données clients réelles. Cela met en danger les clients qui préféreraient rester anonymes et auxquels une politique de confidentialité de l’entreprise a peut-être garanti qu’ils le resteraient. En définitive, les utilisateurs de solutions DLP sont les entreprises. Il incombe à celles-ci de respecter les réglementations qui exigent le masquage des informations sensibles, telles que les numéros de compte et de carte bancaire, et elles subissent les conséquences des fuites de données. On peut avancer que les organisations utilisent la DLP pour protéger les consommateurs — et c’est effectivement le cas —, mais leur principale motivation est généralement la conformité réglementaire.

Deuxièmement, la DLP identifie et masque uniquement un sous-ensemble précis de données personnelles. Lorsque je reçois une facture, mon numéro de compte est masqué, mais pas mon nom ni mon adresse. Dans le cadre du masquage des données, les noms, les adresses et d’autres informations permettant d’identifier une personne sont souvent occultés afin de garantir l’anonymat des clients. Cela est particulièrement vrai lorsque le cas d’usage porte sur l’analyse, qui consiste à rechercher des tendances et des relations entre les clients à des fins de marketing ou de prévision, sans pour autant identifier des clients en particulier.

Le masquage des données doit être sur votre liste de surveillance

Si vous dressez une « liste de technologies à surveiller » en 2024, le masquage des données mérite assurément de figurer parmi les dix premières.

Cela s’explique par sa large applicabilité à de nombreuses initiatives, en particulier celles axées sur l’analyse et l’entraînement de modèles de machine learning afin de mieux comprendre le comportement des clients ou de mettre au jour des tendances utiles à la stratégie d’entreprise.

Alors que l’IA générative — comme l’IA traditionnelle — commence à s’immiscer dans tous les produits et services de la planète, les consommateurs prennent de plus en plus conscience de la nécessité de protéger leur vie privée. La possibilité de masquer les données sensibles permettra aux entreprises de faire avancer leurs initiatives en matière d’IA tout en répondant aux attentes de leurs clients en matière de confidentialité.

À propos de l’auteur

Lori Mac VittieIngénieur émérite et évangéliste en chef | F5

Lori MacVittie est ingénieure émérite et évangéliste en chef au sein du bureau du directeur technique de F5. Elle possède une expertise approfondie dans la fourniture d’applications, les stratégies d’automatisation et les infrastructures. Elle est réputée pour sa capacité à rendre la complexité intelligible, qu’elle définisse des garde-fous pour les agents d’IA, analyse des architectures multicloud fragiles ou explore les limites des systèmes évolutifs. Elle cumule plus de trente ans d’expérience dans le secteur, couvrant le développement d’applications, l’architecture informatique ainsi que l’exploitation des réseaux et des systèmes. Avant de rejoindre F5, elle a été rédactrice spécialisée dans les technologies et a reçu plusieurs distinctions. MacVittie est titulaire d’un master en informatique et est une autrice prolifique dont les publications couvrent la sécurité, le cloud et l’architecture d’entreprise. Elle est également une passionnée de jeux de société et de jeux vidéo, et assume pleinement ses avis bien tranchés sur le fromage.

Autres articles de Lori Mac Vittie