Data governance, suverænitet, privatliv og sikkerhed
Data, der er troværdige, sporbare og beskyttede og opbevares der, hvor loven kræver det
Ingen kan sige, hvor dataene kom fra, eller hvem der kan se dem
Den samme kunde optræder i forskellige former i forskellige systemer. Rapporter kan ikke spores tilbage til deres kilde, og følsomme data kopieres til testsystemer, logfiler og regneark.
Tilsynsmyndighederne spørger nu, hvor personoplysninger opbevares og behandles, og i hvilket land. AI gør det mere alvorligt, fordi en model kan gentage alt det, den har lov til at læse.
Det får du
Data, du kan stole på
Én aftalt version af dine stamdata, hvor kvaliteten måles.
Dataherkomst, du kan følge
Dataherkomst fra hver rapport og model tilbage til kilden.
Dataplacering håndhævet
Regler for dataplacering håndhæves automatisk, ikke kun i politikdokumenter.
Følsomme data beskyttet
Følsomme data krypteres, tokeniseres eller maskeres overalt, hvor de reelle værdier ikke er nødvendige.
Det leverer vi
Stamdata, datakontrakter og automatiseret dataherkomst
Stamdatastyring for kunder, produkter og leverandører, datakontrakter mellem de teams, der producerer og bruger data, og dataherkomst, der registreres automatisk.
Datakvalitet, rensning og observerbarhed
Regler, der måler fuldstændighed, nøjagtighed og aktualitet, rensning af det, der ikke lever op til dem, og alarmer, når en kilde ændres eller går i stykker.
Dataplacering håndhævet på tværs af grænser
Et overblik over, hvor hver type data må lagres og behandles, håndhævet i pipelines, lagring og modelhosting.
Afdækning og klassificering af følsomme data
Hvor personoplysninger, betalingsdata og fortrolige data opbevares, kopieres og sendes hen, med et klassificeringssystem og den beskyttelse, hver klasse kræver.
Kryptering og nøglehåndtering
Data krypteres i hvile og under overførsel, med nøgler, der genereres, roteres og tilbagekaldes i et nøglelager eller et hardwaresikkerhedsmodul, som du kontrollerer.
PII-tokenisering, maskering og syntetiske testdata
Følsomme værdier erstattes af tokens eller maskerede kopier, hvor systemerne ikke har brug for dem, og syntetiske testdata bevarer de rigtige formater uden rigtige kunder.
Adgangsregler før AI-inferens
Adgangsregler på række- og rolleniveau, der anvendes, før en sprogmodel læser dataene, så et svar aldrig indeholder noget, som spørgeren ikke må se.
Forebyggelse og overvågning af lækager
Kontroller og alarmer, når følsomme data forlader det sted, hvor de skal blive, via e-mail, lagring, enheder eller API’er.
Opbevaring og sletning
Hvor længe hver slags data opbevares, og sletning, der også når kopier og sikkerhedskopier.
Dokumentation til revisioner
Dataflows, beslutninger om beskyttelse og procedurer for nøgler skrevet ned, så du kan vise, hvordan dine data er beskyttet.
Sådan fungerer det
Vi designer kunders platforme, så de består inspektioner efter GDPR, EU’s AI-forordning, DORA og PDPL i MENA inde i kundens eget miljø.
Find dataene
Vi sporer, hvor kritiske og følsomme data oprettes, lagres, kopieres og sendes, herunder sikkerhedskopier, logfiler og leverandører.
Aftal reglerne
Vi aftaler ejere, definitioner, kvalitetstærskler, klasser og regler for dataplacering med dine forretnings-, risiko- og juridiske teams.
Design kontrollerne
Vi beslutter, hvor der skal krypteres, tokeniseres eller maskeres, hvordan dataherkomst og kvalitet registreres, og hvem der må se de reelle værdier.
Implementer i etaper
Vi indfører kontrollerne ét domæne eller system ad gangen og tester ydelsen og de applikationer, der afhænger af det.
Kontroller og overdrag
Vi kontrollerer kontrollerne med tests, scanninger og adgangsgennemgange og overdrager derefter procedurerne eller udfører dem sammen med dig.
Teknologier og standarder
Adgangskontrol håndhæves på række- og rolleniveau før enhver inferens i en sprogmodel. Datasikkerhed omfatter kryptering, PII-tokenisering, datamaskering og syntetiske testdata, og dataplacering håndhæves på tværs af landegrænser.
- Cloud
- Amazon Web Services
- Google Cloud
- Metoder og praksis
- Stamdatastyring (MDM)
- Datakontrakter og dataherkomst
- PII-tokenisering og maskering
- Syntetiske testdata
Sådan begynder du
Hvor reglerne for dataplacering eller kryptering stadig er uklare, kortlægger Blueprint Studio dem først. Dens matrix for sikkerhed, dataplacering og regulering bliver planen for dette arbejde.
Det sker der nu
Parathedsanalyse
I en gratis parathedsanalyse på 48 timer tjekker en ledende arkitekt dit projekt op mod de 6 punkter i Definition of Ready og anbefaler det spor, der passer.
Blueprint Studio
Strukturerede workshops gør dit mål til et blueprint, der er klar til udvikling. Niveau 1 tager 1 til 2 uger, niveau 2 3 til 4 uger og niveau 3 4 til 6 uger, hver til et fast honorar, der er angivet i forslaget.
Ready-to-Build Blueprint-pakke
Du modtager en Ready-to-Build Blueprint-pakke med 6 leverancer: produkt- og funktionsspecifikationen, blueprintet for arkitektur og teknologistak, specifikationen af integrations- og datakontrakter, en interaktiv prototype af brugerfladen, matricen for sikkerhed og regulering og et bindende forslag til byggeprojektet til fast pris. Du ejer 100 % af blueprintet, når honoraret er betalt, og det er skrevet i leverandøruafhængige standarder, som du kan bruge med XSIS eller med en anden udbyder.
Honoraret modregnes i byggeprojektet
100 % af Blueprint-honoraret modregnes i byggeprojektet, når du vælger XSIS til at bygge det. Modregningen gælder i 60 kalenderdage efter levering af blueprintet for en byggekontrakt på mindst 8× Blueprint-honoraret.
Spørgsmål og svar
Hvor skal vi starte, hvis vi ikke ved, hvor vores følsomme data er?
Med afdækning. Vi sporer de systemer, datalagre, sikkerhedskopier og fildelinger, der indeholder personoplysninger, betalingsdata eller fortrolige data, og dataflowene til dine leverandører. Oversigten viser de største risici først.
Hvorfor har vi brug for stamdatastyring?
Fordi hvert system har sin egen kopi af kunder, produkter og leverandører, og kopierne glider fra hinanden. Stamdatastyring fastlægger én version, holder den opdateret og sender den tilbage til systemerne, så rapporter og modeller holder op med at modsige hinanden.
Hvem har krypteringsnøglerne?
Det gør du. Nøglerne forbliver i et nøglelager eller et hardwaresikkerhedsmodul, som du kontrollerer. Vores ingeniører bruger dem kun gennem de roller og procedurer, du godkender, og ingen enkeltperson kan eksportere eller slette nøgler alene.
Hvad er forskellen mellem kryptering, tokenisering og maskering?
Kryptering gør data ulæselige uden en nøgle. Tokenisering erstatter en værdi, såsom et kortnummer, med et token, der intet betyder uden for et beskyttet tokenlager. Maskering skjuler en del af eller hele en værdi, ofte for at skabe realistiske testdata.
Hvordan får vi realistiske testdata uden at kopiere produktionen?
Vi maskerer eller tokeniserer kopier af produktionsdata eller genererer syntetiske data, der følger de samme regler. Testdataene bevarer de formater og grænsetilfælde, dine tests har brug for, uden at afsløre rigtige kunder.
Hvordan forhindrer I, at en AI-assistent lækker data?
Søgningen (retrieval) anvender dine adgangsregler på række- og rolleniveau, før nogen tekst når modellen. Modellen ser kun det, som den person, der spørger, må læse, og følsomme felter kan maskeres først.
Kan I hjælpe os med at overholde regler som GDPR og PDPL?
Ja. Vi kortlægger, hvor personoplysninger opbevares og behandles, beskytter dem i et omfang, der svarer til risikoen og dokumenterer beslutningerne. Vi yder ikke juridisk rådgivning: dit juridiske team afgør, hvordan reglerne gælder, og vi arbejder sammen med det.
Hvad sker der efter projektet?
Kvalitetsovervågning, nøglerotation, adgangsgennemgange og klassificering af nye data skal fortsætte. Vi overdrager disse procedurer til dit team med driftsmanualer og oplæring, eller vi udfører dem sammen med dig under en supportaftale.
Vil kryptering bremse vores systemer?
Som regel ikke mærkbart. Moderne processorer krypterer hurtigt, og de fleste databaser og lagringssystemer krypterer i hvile med lille overhead. Kryptering af enkelte felter inde i en applikation koster mere. Vi tester ydelsen på dine workloads før udrulning og vælger den tilgang, der står mål med risikoen uden at bremse forretningen.
Hvad bestemmer omkostningerne ved et datasikkerhedsprojekt?
De vigtigste omkostningsdrivere er antallet af systemer og datalagre, der indeholder følsomme data, og hvor godt de er dokumenteret. Omkostningerne afhænger også af, om applikationer skal ændres for at bruge kryptering eller tokens, og af de regler, du skal overholde. Produkter og licenser til nøglestyring er særskilte omkostninger, som vises, før du forpligter dig. Når omfanget er klart, modtager du et forslag med etaperne og prisen.
Start med en samtale, ikke en kontrakt.
Fortæl os, hvad du skal bygge, forbinde eller sikre. En arkitekt gennemgår det med dig og anbefaler derefter, hvor du skal starte.
Det sker der nu
Aftale om tidspunkt
Vores team sender dig en e-mail for at aftale et tidspunkt for sessionen.
Forhåndskonsultation
En gratis online forhåndskonsultation på 30 minutter: vi gennemgår dine mål, systemer og begrænsninger.
Parathedsanalyse
I en gratis parathedsanalyse på 48 timer tjekker en ledende arkitekt dit projekt op mod de 6 punkter i Definition of Ready og anbefaler det spor, der passer.
Valg af spor
Projekter med et klart omfang modtager et bindende forslag inden for 3 til 5 hverdage. Projekter i konceptfasen starter i Blueprint Studio. Et system i drift, der fejler, er udokumenteret eller skal integreres, starter med en diagnosticering på 1 til 2 uger. Blueprint Studio og diagnosticeringen har hver et fast honorar, som er angivet i forslaget.