DLP · 資料外洩防護
Data Loss Prevention
什麼是 DLP?
- 不是防範外部攻擊,而是監看從內部流出的資料
- AI 輸入框成為新增的外洩管道
- 先以警示與紀錄開始,再逐步縮小阻擋範圍
許多人把 DLP 理解為防範外部駭客的裝置,但這套工具監控的方向正好相反。它看的是從內部流向外部的資料。而且實際被攔下的,大多不是惡意外洩,而是急著做事時犯的錯。例如把學員名單寄到個人信箱,回家繼續處理;或為了摘要評量資料,把整份內容貼進生成式 AI的輸入框。DLP 與其說是監控工具,不如說是攔下失誤的安全網。
運作分為三個步驟。首先,判定哪些是重要資料,依據是居民登錄號碼或帳戶號碼等固定格式的模式、特定關鍵字,以及文件上標示的機密等級。接著,監控資料流出的管道:電腦的 USB、列印與螢幕截圖、電子郵件與網頁上傳,以及雲端儲存空間是主要管道。最後決定如何處置:僅留下紀錄、跳出警示視窗、要求填寫事由後再允許,或是直接阻擋。
生成式 AI 普及後,多了一個外洩管道:瀏覽器的AI 輸入框中貼上的文字與上傳的檔案。企業 AI 運用指引若只寫'不要輸入客戶資訊',也無從得知是否有人遵守;DLP 則能讓這句話真正發揮作用。一開始先以警示與紀錄為主,而非阻擋,觀察一兩個月哪些部門、哪些內容被攔下,再逐步縮小阻擋範圍,這樣最為穩妥。
實務上最容易出錯的是過度阻擋。第一天就封鎖所有出口,正常業務會停擺,員工則會找到用手機拍下畫面再傳出去的變通方法。外洩風險依舊存在,只是紀錄消失了。誤判一多,警示視窗就會變成被直接關掉的對象。此外,這套工具是在監看員工的郵件與螢幕活動,若沒有先讓員工知道收集什麼、為什麼收集的程序就導入,很可能演變成隱私侵害與勞資衝突。導入前,法務與勞務審查及員工告知必須同步進行。
指的是一類資安產品,用來依內容辨識並管控從內部流向外部的重要資料。它沒有特定的創始人,而是在資安業界作為產品類別的名稱固定下來的。同一縮寫也常展開為 Data Leakage Prevention,意思相同。
以虛構案例來看。全體員工 600 人的金融 IT 企業 A 公司,已發布企業內 AI 運用指引,也完成全員教育。結果三個月後,人資部門的一名員工把 80 人份的考核意見貼進外部 AI 服務做摘要,此事偶然曝光。
- 資訊保護組長在高階主管會議上報告:"有指引,卻沒有辦法確認是否有人遵守。目前連到底發生了幾件都不知道。"
- 公司導入 DLP,但前兩個月不阻擋,只開啟紀錄與警示。在 AI 輸入框、個人郵件、USB 三個管道中,每月攔截到 1,400 筆。
- 分析結果,1,400 件中有 900 件是把員工編號誤判為居民登錄號碼格式的誤判。負責人修正偵測規則後,實際件數整理為每月 310 件。
- 人資主管表示:「如果沒有能摘要評量資料的方法,他們還是會再貼上去。」公司開放了企業核准的 AI 工具,並允許在該工具中輸入資料。
- 人資負責人已向全體員工發出說明書,載明收集項目與目的;勞資協議會也決議,將紀錄的調閱權限限定為資訊保護組 2 人。
- 第三個月起,只把韓國居民登錄號碼與考績等級文件改為阻擋,外流至外部 AI 的重要資料,每月 310 件,降到 22 件。
- 已有 AI 運用指引,卻無法確認是否遵守時
- 有負責處理個資、考核、薪資等一旦外洩損害很大的文件之部門時
- 想依據外洩路徑與件數,決定資安教育的優先順序時
- 尚未先將哪些是重要資料加以分類,就打算直接全面阻擋的情況
- 未先告知員工、也未經法務與勞動法務審查,就想收集螢幕或郵件紀錄的情況
- 在沒有核准替代工具的情況下,只是一味增加禁止項目的情況
朴雪英
Jaryong Koo