Livre Blanc: Libelle DataMasking – L’anonymisation des données automatisée et optimisée

Le Règlement général sur la protection des données (RGPD) définit un standard minimum de protection des données pour l’Union Européenne (UE). Ce Règlement pourra également être renforcé au niveau national. Pour les sociétés, ces évolutions réglementaires influent nécessairement sur la gestion des données sensibles. Cela est notamment vrai pour des environnements jusqu’alors peu protégés : les environnements hors-production tels que les environnements de tests et de développement.

Afin de prévenir les risques d’accès frauduleux aux données ou encore de fuite des données, le Règlement propose entre autres la technique de la pseudonymisation des données (art. 4.5). Cela étant, la pseudonymisation est un mécanisme de facto réversible. Dès lors, il permet de tirer des conclusions quant aux données d’origine. L’anonymisation, quant à elle, offre un niveau de sécurité supplémentaire en ajoutant le critère de l’irréversibilité.

Quel que soit le mécanisme retenu par une organisation, les relations logiques entre les données doivent être prises en compte. En effet, si elles sont ignorées, les résultats des tests portant sur le processus de qualité, la cohérence des données, ou encore l’exactitude logique d’un processus métier, ne seront que partiellement fiables.

Libelle DataMasking (LDM) permet l’anonymisation et la pseudonymisation des données critiques dans les systèmes hors-production en prenant en compte le contexte logique de la donnée.  LDM peut être utilisé indépendamment de l’application utilisée, tant pour des systèmes isolés que pour des paysages variés…..

Télécharger le Livre Blanc