Spor 3: Det nyeste inden for databeskyttelse

Transkript

1 Spr 3: Det nyeste inden fr databeskyttelse

2 Indhld 1. Udfrdringen med persndata 2. Hvad siger GDPR m beskyttelsesteknikker? 3. Tre gammelkendte teknikker til beskyttelse 4. T nye teknikker til beskyttelse 5. Teknik står ikke alene 6. Åben diskussin

3 Udfrdringen med persndata GDPR m.fl. stiller krav g pålægger restriktiner fr brug af persndata. Behvet fr at frstå sine kunder bedre g nye business trends, eksempelvis big data, clud g machine learning, øger behvet fr at arbejde med persndata. Hvrdan beskytter man sine persndata g sikrer dem md at falde i frkerte hænder?

4 Dataminimering g behandlingssikkerhed Sikkerhed: Kryptering & pseudnymisering Tekniske g rganisatriske franstaltninger til at sikre et passende sikkerhedsniveau (art. 32) Design: pseudnymisering Tekniske g rganisatriske franstaltninger, der er designet til effektivt at gennemføre princippet m dataminimering (art. 25) Princip: dataminimering Grundprincip fr behandling af persndata Relevans, nødvendighed g prprtinalitet (art. 5)

5 Designstrategier til dataminimering Persndatabeskyttelse skal indlejres i designet af it arkitektur, systemer g applikatiner: Design strategi Minimér Gem & skjul Aggregér Separér Eksempel på designmønster Vælg før du indsamler Pseudnymisering Annymisering Kryptering g hashing Skjulte trafikmønstre på metadata Segmentering Annymisering Adskil behandling fra pbevaring Blckchain

6 Klassisk kryptering Kryptering Dekryptering Under pbevaring g/eller under transprt. Det er ikke muligt at arbejde på krypterede data.

7 Pseudnymisering Emil Pseudnymisering Mdpe Nrmalisering Emil Uped Thr Passpi Thr Emil Mdpe Uped Emil Mdpe Uped Uped Thr Passpi Thr Passpi Data kan verføres, gemmes g behandles sm nrmalt. Pas gdt på dine pseudnymiseringstabeller.

8 Annymisering A n n y m i s e r i n g O f f e n t l i g g ø r e l s e

9 Annymisering Metder: Fjern identificerende attributter, Generalisér, Randmisér. Eksempel: Jnas Lindstrøm, 34 år, Aarhus A n n y m i s e r i n g Mand, år, 8000

10 Frmatbevarende kryptering

11 Frmatbevarende kryptering Emil Kryptering Mdpe Dekryptering Emil Uped Thr Passpi Thr Uped Data kan verføres, gemmes g behandles sm nrmalt. Du skal kun passe på en nøgle.

12 Multiparty Cmputatin

13 Interne regler Drift & vedligehld Læring g kultur Teknik står ikke alene Organisatriske franstaltninger Plitik Prcedure Vejledning Checkliste Integratin Adfærdsdesign Kntrller Evaluering Uddannelse af medarbejdere Kmmunikatinskampagner Dkumentatin Rapprtering

14 Knklusin Frmatbevarende kryptering g multiparty cmputatin lader dig kryptere data g verføre, pbevare g behandle dem uden at dekryptere dem undervejs. Teknikkerne kan derved øge sikkerheden g på samme tid facilitere at data kan bruges bredere. Frudsat at teknikkerne implementeres rigtigt g i samspil med de rette øvrige kntrller.

15 Kntaktinfrmatin Birgitte Kfd Olsen Partner, PhD Carve Cnsulting Nørre Vldgade 11, København K bk@carve.dk carve.dk Martin Staal Besgaard CEO & Funder PII Guard Applebys Plads København K msb@piiguard.cm piiguard.cm Jnas Lindstrøm Senir Security Architect, PhD Alexandra Instituttet Åbgade Aarhus N jnas.lindstrm@alexandra.dk alexandra.dk