Sanitización de datos

Para examinar los casos existentes de políticas de saneamiento de datos y determinar el impacto de no desarrollar, utilizar o seguir estas directrices y recomendaciones, se recopilaron datos de investigación no solo del sector de contratación gubernamental, sino también de otras industrias críticas como Defensa, Energía y Transporte. Estas se seleccionaron porque generalmente también están sujetas a regulaciones gubernamentales y, por lo tanto, las directrices y políticas del NIST (Instituto Nacional de Estándares y Tecnología) también se aplicarían en los Estados Unidos. Los datos primarios provienen del estudio realizado por la empresa de investigación independiente Coleman Parkes Research en agosto de 2019. ^{[ 6 ]} Este proyecto de investigación se dirigió a muchos ejecutivos y responsables políticos de ciberseguridad de alto nivel, encuestando a más de 1800 partes interesadas de alto nivel. Los datos de Coleman Parkes muestran que el 96 % de las organizaciones tienen una política de saneamiento de datos; sin embargo, en los Estados Unidos, solo el 62 % de los encuestados consideró que la política se comunica bien en toda la empresa. Además, revela que los trabajadores remotos y los contratistas eran los menos propensos a cumplir con las políticas de saneamiento de datos. Esta tendencia se ha convertido en un problema más acuciante, ya que muchos contratistas gubernamentales y empresas privadas han estado trabajando de forma remota debido a la pandemia de COVID-19. Es probable que esta situación continúe incluso después de que se retomen las condiciones laborales normales.

El 26 de junio de 2021, una búsqueda básica en Google de "datos perdidos debido a la falta de saneamiento" arrojó más de 20 millones de resultados. Estos incluían artículos sobre: ​​filtraciones de datos y la pérdida de negocios, secretos militares y pérdidas de datos propietarios, PHI (Información de Salud Protegida), ^{[ 7 ]} Información de Identificación Personal (PII), ^{[ 8 ]} y muchos artículos sobre cómo realizar el saneamiento esencial de datos. Muchos de estos artículos también señalan las políticas de saneamiento y seguridad de datos existentes de empresas y entidades gubernamentales, como la Agencia de Protección Ambiental de EE. UU., "Ejemplo de Política y Lenguaje de Orientación para el Saneamiento de Medios Federales". ^{[ 9 ]} Con base en estos artículos y las recomendaciones NIST 800-88, dependiendo de su nivel de seguridad de datos o categorización, los datos deben ser: ^{[ 3 ]}

• Borrado: Proporciona un nivel básico de saneamiento de datos sobrescribiendo sectores de datos para eliminar cualquier resto de datos anteriores que un formato básico no incluiría. Nuevamente, el enfoque está en los soportes electrónicos. Este método se utiliza generalmente si el soporte se va a reutilizar dentro de la organización con un nivel de seguridad de datos similar.
• Purga: Puede emplear métodos físicos (desmagnetización) o lógicos (sobrescritura de sectores) para que el medio de almacenamiento sea ilegible. Se suele utilizar cuando el medio ya no es necesario y su nivel de seguridad de datos es bajo.
• Destrucción total: Este método hace que los datos sean irrecuperables de forma permanente y se utiliza habitualmente cuando un soporte de almacenamiento abandona una organización o ha llegado al final de su vida útil, por ejemplo, mediante la trituración de papel o la destrucción e incineración de discos duros u otros soportes. Este método se suele emplear para soportes que contienen información altamente sensible y secretos de Estado que podrían causar graves daños a la seguridad nacional o a la privacidad y seguridad de las personas.

El estudio de la fuerza laboral cibernética de 2020 del Consorcio Internacional de Certificación de Seguridad de Sistemas de Información muestra que la industria global de ciberseguridad aún tiene más de 3,12 millones de puestos vacantes debido a la escasez de personal cualificado. ^{[ 10 ]} Por lo tanto, quienes poseen las habilidades necesarias para implementar las políticas de NIST 800-88 pueden tener una remuneración superior. Además, es necesario ajustar la dotación de personal y la financiación para satisfacer las necesidades de las políticas y así implementar correctamente estos métodos de saneamiento junto con la categorización adecuada del nivel de datos para mejorar los resultados de seguridad de los datos y reducir la pérdida de datos. Para garantizar la confidencialidad de los datos de clientes, el gobierno y la industria privada deben crear y seguir políticas concretas de saneamiento de datos que se alineen con las mejores prácticas, como las descritas en NIST 800-88. Sin requisitos de políticas consistentes y aplicados, los datos estarán en mayor riesgo de vulneración. Para lograr esto, las entidades deben ofrecer una prima salarial en ciberseguridad para atraer talento cualificado. Para prevenir la pérdida de datos y, por lo tanto, de datos confidenciales, información personal, secretos comerciales e información clasificada, es lógico seguir las mejores prácticas.

La política de saneamiento de datos debe ser integral e incluir los niveles de datos y los métodos de saneamiento correspondientes. Toda política de saneamiento de datos que se cree debe ser integral y abarcar todos los formatos de soporte, tanto en formato digital como en papel . Asimismo, se deben definir las categorías de datos para que se establezcan los niveles de saneamiento adecuados en la política. Esta política debe definirse de manera que todos los niveles de datos se ajusten al método de saneamiento apropiado. Por ejemplo, la información no clasificada controlada en dispositivos de almacenamiento electrónico puede borrarse o eliminarse, pero aquellos dispositivos que almacenan material clasificado secreto o ultrasecreto deben destruirse físicamente.

Cualquier política de saneamiento de datos debe ser aplicable y mostrar qué departamento y estructura de gestión tiene la responsabilidad de garantizar que los datos se saniticen adecuadamente. Esta política requerirá un líder de alta dirección (normalmente el Director de Seguridad de la Información u otro equivalente de la alta dirección) para el proceso y para definir responsabilidades y sanciones para las partes en todos los niveles. Este líder de la política incluirá la definición de conceptos como el Propietario del Sistema de Información y el Propietario de la Información para definir la cadena de responsabilidad para la creación de datos y su eventual saneamiento. ^{[ 11 ]} El CISO u otro líder de la política también debe garantizar que se asignen fondos a trabajadores adicionales de ciberseguridad para implementar y hacer cumplir el cumplimiento de la política. Los requisitos de auditoría también se incluyen normalmente para demostrar la destrucción de los medios y deben ser gestionados por este personal adicional. Para las pequeñas empresas y aquellas sin una amplia experiencia en ciberseguridad, hay recursos disponibles en forma de plantillas de políticas de saneamiento de datos editables. Muchos grupos, como el IDSC (Consorcio Internacional de Saneamiento de Datos), los proporcionan de forma gratuita en su sitio web https://www.datasanitization.org/ .

Sin capacitación en seguridad de datos y principios de saneamiento, es inviable esperar que los usuarios cumplan con la política. Por lo tanto, la Política de Saneamiento debe incluir una matriz de instrucciones y frecuencia por categoría laboral para garantizar que los usuarios, en todos los niveles, comprendan su responsabilidad en el cumplimiento de la política. Esta tarea debería ser sencilla, ya que la mayoría de los contratistas gubernamentales ya están obligados a impartir capacitación anual en seguridad de la información a todos sus empleados. Por consiguiente, se puede agregar contenido adicional para garantizar el cumplimiento de la política de saneamiento de datos.

El borrado físico implica la destrucción manual de los datos almacenados. Este método utiliza trituradoras mecánicas o desmagnetizadores para desintegrar dispositivos como teléfonos, ordenadores, discos duros e impresoras en pequeños fragmentos. Los distintos niveles de seguridad de los datos requieren diferentes niveles de destrucción.

La desmagnetización se utiliza con mayor frecuencia en discos duros (HDD) y consiste en la aplicación de campos magnéticos de alta energía para interrumpir permanentemente la funcionalidad y el almacenamiento de memoria del dispositivo. Cuando los datos se exponen a este campo magnético intenso, cualquier almacenamiento de memoria se neutraliza y no se puede recuperar ni volver a utilizar. La desmagnetización no se aplica a las unidades de estado sólido (SSD), ya que los datos no se almacenan mediante métodos magnéticos. Cuando se trata de datos especialmente sensibles, se suelen utilizar procesos como la pulpa de papel, la grabación especial y la conversión a estado sólido. ^{[ 13 ]} Esto garantiza la destrucción adecuada de todos los soportes sensibles, incluidos papel, soportes de copia impresa y digital, soportes ópticos y hardware informático especializado.

La destrucción física suele garantizar que los datos se borren por completo y no se puedan recuperar. Sin embargo, los subproductos físicos de los residuos mecánicos derivados de la trituración mecánica pueden ser perjudiciales para el medio ambiente, pero una tendencia reciente a aumentar la cantidad de residuos electrónicos recuperados mediante el reciclaje ha contribuido a minimizar el impacto ambiental. La trituración no destruye los datos, sino que simplemente dificulta su acceso al dañar la unidad. La recuperación de datos de una unidad triturada es físicamente posible, como se ha confirmado experimentalmente. ^{[ 14 ]} Además, una vez que los datos se destruyen físicamente, ya no se pueden revender ni utilizar de nuevo. Por estas razones, la trituración no tiene mucho sentido y se recomienda optar por otros métodos que sí destruyan los datos. ^{[ 15 ]}

El borrado criptográfico implica la destrucción de la clave de seguridad o contraseña utilizada para proteger la información almacenada. El cifrado de datos implica el desarrollo de una clave de seguridad que solo permite el acceso a los datos almacenados a las partes autorizadas. El borrado permanente de esta clave garantiza que los datos privados almacenados ya no sean accesibles. El borrado criptográfico suele ser instalado por los fabricantes del propio dispositivo, ya que el software de cifrado a menudo viene integrado en el mismo. El cifrado con borrado de clave implica cifrar todo el material sensible de forma que se requiera una clave de seguridad para descifrar la información cuando sea necesario utilizarla. ^{[ 16 ]} Cuando se necesita eliminar la información, se puede borrar la clave de seguridad . Esto proporciona una mayor facilidad de uso y un borrado de datos más rápido que otros métodos de software, ya que implica la eliminación de una sola información segura en lugar de cada archivo individual. ^{[ 1 ]}

El borrado criptográfico se utiliza a menudo para el almacenamiento de datos que no contienen tanta información privada, ya que existe la posibilidad de que se produzcan errores debido a fallos de fabricación o errores humanos durante el proceso de destrucción de claves. Esto genera un mayor abanico de posibles resultados del borrado de datos. Este método permite que los datos sigan almacenándose en el dispositivo y no requiere que este se borre por completo. De esta forma, el dispositivo puede revenderse a otra persona o empresa, ya que se mantiene su integridad física. Sin embargo, esto presupone que el nivel de cifrado de datos del dispositivo es resistente a futuros ataques de cifrado. Por ejemplo, un disco duro que utiliza borrado criptográfico con una clave AES de 128 bits puede ser seguro ahora, pero en 5 años podría ser común vulnerar este nivel de cifrado. Por lo tanto, el nivel de seguridad de los datos debe declararse en una política de saneamiento de datos para garantizar la protección del proceso a futuro .

El proceso de borrado de datos implica enmascarar toda la información a nivel de byte mediante la inserción de ceros y unos aleatorios en todos los sectores del equipo electrónico que ya no está en uso. ^{[ 1 ]} Este método basado en software garantiza que todos los datos previamente almacenados queden completamente ocultos e irrecuperables, lo que asegura una sanitización total de los datos. La eficacia y precisión de este método de sanitización también pueden analizarse mediante informes auditables. ^{[ 17 ]}

El borrado de datos suele garantizar una eliminación completa, manteniendo al mismo tiempo la integridad física del equipo electrónico para que pueda revenderse o reutilizarse. Esta capacidad de reciclar dispositivos tecnológicos convierte al borrado de datos en una alternativa más ecológica a la eliminación segura de datos. Este método también es el más preciso y completo, ya que la eficacia del enmascaramiento de datos puede comprobarse posteriormente para garantizar su eliminación total. Sin embargo, el borrado de datos mediante mecanismos basados ​​en software requiere más tiempo que otros métodos.

Varios conjuntos de medios de almacenamiento admiten un comando que, al pasarse al dispositivo, hace que este realice un procedimiento de saneamiento integrado. Los siguientes conjuntos de comandos definen dicho comando estándar:

• ATA (incluido SATA) define un comando de borrado de seguridad . Se definen dos niveles de exhaustividad. ^{[ 18 ]}
• SCSI (incluidas las conexiones físicas SAS y otras) define un comando SANITIZE. ^{[ 19 ]}
• NVMe define el formateo con borrado seguro. ^{[ 20 ]}
• La especificación de almacenamiento Opal especifica un conjunto de comandos para unidades de autocifrado y borrado criptográfico, disponible además de los métodos del conjunto de comandos.

La unidad suele realizar un borrado criptográfico rápido cuando los datos están cifrados, y un borrado de datos más lento mediante sobrescritura en caso contrario. ^{[ 20 ]} SCSI permite solicitar un tipo de borrado específico. ^{[ 19 ]}

Si se implementa correctamente, la función de saneamiento integrada es suficiente para que los datos sean irrecuperables. El NIST aprueba el uso de esta función. ^{[ 21 ] [ 22 ]} Se han reportado algunos casos de fallos al borrar parte o la totalidad de los datos debido a un firmware defectuoso , a veces fácilmente evidente en un editor de sectores. ^{[ 23 ] [ 24 ] [ 25 ]}

La minería de datos que preserva la privacidad (PPDM, por sus siglas en inglés) es el proceso de minería de datos que mantiene la privacidad de la información sensible. La minería de datos implica el análisis de grandes conjuntos de datos para obtener nueva información y extraer conclusiones. La PPDM tiene una amplia gama de usos y es un paso fundamental en la transferencia o el uso de cualquier conjunto de datos extenso que contenga información sensible.

La sanitización de datos es un paso fundamental en la minería de datos que preserva la privacidad, ya que los conjuntos de datos privados deben sanitizarse antes de que puedan ser utilizados por individuos o empresas para su análisis. El objetivo de la minería de datos que preserva la privacidad es garantizar que la información privada no pueda ser filtrada ni accedida por atacantes, y que los datos confidenciales no sean rastreables hasta las personas que los enviaron. ^{[ 31 ]} La minería de datos que preserva la privacidad busca mantener este nivel de privacidad para los individuos, al tiempo que mantiene la integridad y la funcionalidad del conjunto de datos original. ^{[ 32 ]} Para que el conjunto de datos pueda utilizarse, es necesario proteger los aspectos esenciales de los datos originales durante el proceso de sanitización. Este equilibrio entre privacidad y utilidad ha sido el objetivo principal de los métodos de sanitización de datos. ^{[ 32 ]}

Una forma de lograr esta optimización de la privacidad y la utilidad es mediante el cifrado y descifrado de información sensible utilizando un proceso llamado generación de claves . ^{[ 32 ]} Después de que los datos se sanitizan, la generación de claves se utiliza para garantizar que estos datos sean seguros y no puedan ser manipulados. Enfoques como el Algoritmo de Optimización de Rider (ROA), también llamado ROA Aleatorizado (RROA), utilizan estas estrategias de generación de claves para encontrar la clave óptima de modo que los datos puedan transferirse sin filtrar información sensible. ^{[ 32 ]}

Algunas versiones de generación de claves también se han optimizado para adaptarse a conjuntos de datos más grandes. Por ejemplo, una novedosa estrategia de minería de datos distribuida que preserva la privacidad, basada en métodos, permite aumentar la privacidad y ocultar material sensible mediante la generación de claves. Esta versión de saneamiento permite sanitizar grandes cantidades de material. Para las empresas que buscan compartir información con varios grupos diferentes, esta metodología puede ser preferible a los métodos originales, que requieren mucho más tiempo de procesamiento. ^{[ 33 ]}

Ciertos modelos de saneamiento de datos eliminan o añaden información a la base de datos original con el fin de preservar la privacidad de cada sujeto. Estos algoritmos heurísticos están ganando popularidad, especialmente en el campo de la minería de reglas de asociación. Los métodos heurísticos emplean algoritmos específicos que utilizan ocultación de patrones, reglas y secuencias para mantener oculta información específica. Este tipo de ocultación de datos puede utilizarse para cubrir patrones generales, pero no es tan eficaz para la protección de información específica. Los métodos heurísticos no son tan adecuados para el saneamiento de grandes conjuntos de datos; sin embargo, los avances recientes en este campo han analizado formas de abordar este problema. Un ejemplo es el enfoque MR-OVnTSA, un método heurístico de ocultación de patrones sensibles para big data , presentado por Shivani Sharma y Durga Toshniwa. ^{[ 27 ]} Este enfoque utiliza un método heurístico denominado «Enfoque de selección óptima de elementos y transacciones de víctimas basado en MapReduce», también conocido como MR-OVnTSA, que busca reducir la pérdida de datos importantes al tiempo que elimina y oculta información sensible. Aprovecha algoritmos que comparan pasos y optimizan la sanitización. ^{[ 27 ]}

Un objetivo importante de PPDM es lograr un equilibrio entre la protección de la privacidad de los usuarios que han enviado los datos y, al mismo tiempo, permitir que los desarrolladores aprovechen al máximo el conjunto de datos. Muchas medidas de PPDM modifican directamente el conjunto de datos y crean una nueva versión que hace que la original sea irrecuperable. Borra por completo cualquier información sensible y la hace inaccesible para los atacantes.

Un tipo de saneamiento de datos es PPDM basado en reglas, que utiliza algoritmos informáticos definidos para limpiar conjuntos de datos. La ocultación de reglas de asociación es el proceso de saneamiento de datos aplicado a bases de datos transaccionales. ^{[ 34 ]} Las bases de datos transaccionales son el término general para el almacenamiento de datos utilizado para registrar las transacciones que realizan las organizaciones. Algunos ejemplos incluyen pagos de envío, pagos con tarjeta de crédito y pedidos de venta. Esta fuente analiza cincuenta y cuatro métodos diferentes de saneamiento de datos y presenta sus cuatro principales hallazgos sobre las tendencias.

Algunos métodos nuevos de saneamiento de datos se basan en el aprendizaje profundo automático. Existen varias debilidades en el uso actual del saneamiento de datos. Muchos métodos no son lo suficientemente complejos ni detallados para proteger contra ataques de datos más específicos. ^{[ 35 ]} Este esfuerzo por mantener la privacidad al tiempo que se almacenan datos importantes se conoce como minería de datos que preserva la privacidad. El aprendizaje automático desarrolla métodos más adaptados a diferentes tipos de ataques y puede aprender a afrontar una gama más amplia de situaciones. El aprendizaje profundo puede simplificar los métodos de saneamiento de datos y ejecutar estas medidas de protección de una manera más eficiente y que requiere menos tiempo.

También han existido modelos híbridos que utilizan métodos basados ​​en reglas y de aprendizaje profundo automático para lograr un equilibrio entre ambas técnicas.

Los sistemas de almacenamiento en la nube basados ​​en navegadores dependen en gran medida de la sanitización de datos y se están convirtiendo en una vía cada vez más popular para el almacenamiento de datos. ^{[ 36 ]} Además, la facilidad de uso es importante para las empresas y los lugares de trabajo que utilizan el almacenamiento en la nube para la comunicación y la colaboración. ^{[ 28 ]}

Blockchain se utiliza para registrar y transferir información de forma segura, y se requieren técnicas de saneamiento de datos para garantizar que esta información se transfiera de manera más segura y precisa. Es especialmente aplicable para quienes trabajan en la gestión de la cadena de suministro y puede ser útil para quienes buscan optimizar el proceso de la cadena de suministro. ^{[ 28 ]} Por ejemplo, el Algoritmo de Optimización de Ballenas (WOA) utiliza un método de generación segura de claves para garantizar que la información se comparta de forma segura a través de la técnica blockchain. ^{[ 28 ]} La necesidad de mejorar los métodos blockchain se vuelve cada vez más relevante a medida que aumenta el nivel de desarrollo global y se vuelve más dependiente de la tecnología electrónica.

El sector sanitario es fundamental, ya que depende en gran medida de la minería de datos y del uso de conjuntos de datos para almacenar información confidencial de los pacientes. El uso del almacenamiento electrónico también ha aumentado en los últimos años, lo que exige una investigación más exhaustiva y una mayor comprensión de los riesgos que puede conllevar. Actualmente, las técnicas de minería y almacenamiento de datos solo permiten almacenar cantidades limitadas de información. Esto reduce la eficacia del almacenamiento de datos y aumenta sus costes. Los nuevos métodos avanzados de almacenamiento y minería de datos, basados ​​en sistemas en la nube, están ganando popularidad, ya que permiten extraer y almacenar mayores cantidades de información.