DLP-regels bepalen mee welke content een organisatie mag verlaten. De bouwstenen ervan, dictionaries, engines en meldingssjablonen, staan in het beheerportaal op verschillende plekken, en of een wijziging werkt zoals bedoeld, blijkt vaak pas tijdens het beheer. DLP Configuration Desk brengt deze bouwstenen op één plek samen en valideert een definitie voordat deze wordt opgeslagen. Zo verschuift de terugkoppeling van het lopende beheer naar het bureau, waar een correctie niets kost.
Waarom DLP-beheer in de praktijk lastig is
Data Loss Prevention bestaat niet uit één regel, maar uit een samenspel. Dictionaries beschrijven waarnaar wordt gezocht. Engines bepalen hoe de treffers worden beoordeeld. Meldingssjablonen bepalen wat de betrokken persoon te zien krijgt. Deze onderdelen worden op verschillende plekken beheerd.
Het resultaat is een bekend verloop: een definitie wordt aangepast, opgeslagen en daarna in de gaten gehouden om te zien of het verwachte gedrag optreedt. Valt de regel te ruim uit, dan meldt het beheer zich binnen enkele uren. Valt ze te smal uit, dan meldt niemand zich.
Precies dat tweede geval is het onaangenaamste. Een regel die niet aanslaat, veroorzaakt geen tickets. Ze valt pas op wanneer een controle ernaar zoekt of een incident de lacune zichtbaar maakt.
Wat DLP Configuration Desk samenbrengt
DLP Configuration Desk is het centrale punt voor het beheer en de validatie van DLP-dictionaries, engines en meldingssjablonen. In plaats van drie wegen voor drie bouwstenen te bewandelen, werkt u in één interface.
Het belangrijkste onderdeel is de controle vóór het opslaan. Een definitie wordt gevalideerd voordat deze in het beheer terechtkomt. Zo komt de terugkoppeling op het bureau terecht in plaats van vanuit de helpdesk, en kost een correctie minuten in plaats van een incident.
Het verschil tussen te ruim en te smal
Een te ruim geformuleerde regel valt snel op, omdat ze het werk verstoort. Iemand kan een legitiem bestand niet verzenden, meldt dat, en de regel wordt aangescherpt. Onaangenaam, maar zelfcorrigerend.
Een te smal geformuleerde regel blijft stil. Ze slaat niet aan, niemand mist iets, en de bescherming waarvan u denkt dat u die heeft, bestaat alleen op papier. Deze foutrichting heeft geen ingebouwde melder.
Daarom is een validatie vóór het opslaan meer dan een gemak. Het is het enige moment waarop beide foutrichtingen met redelijke inspanning zijn te herkennen.
Wie ermee werkt
In de praktijk raakt DLP meerdere rollen. De securitykant bepaalt wat beschermd moet worden. Het beheer draagt de gevolgen van te ruim geformuleerde regels. De interne controle vraagt later om de verantwoording.
Eén gedeelde interface met traceerbare wijzigingen bedient alle drie, zonder dat elke kant een eigen overzicht in een spreadsheet hoeft bij te houden. Dat is minder een technische dan een organisatorische verlichting.
Een definitie die vóór het opslaan wordt gevalideerd, vervangt de observatieperiode tijdens het beheer door een antwoord op het moment van bewerken.
Veelgestelde vragen
Wat is een DLP-dictionary?
Een dictionary beschrijft waarnaar Data Loss Prevention zoekt, bijvoorbeeld patronen zoals rekeningnummers of specifieke termen. Het is de bouwsteen die bepaalt wat er überhaupt als beschermenswaardige content wordt herkend.
Wat doet DLP Configuration Desk?
Het is het centrale beheer voor DLP-dictionaries, engines en meldingssjablonen, en valideert een definitie voordat deze wordt opgeslagen.
Waarom is de controle vóór het opslaan belangrijk?
Omdat anders pas tijdens het beheer blijkt of een regel te ruim of te smal is. Een te smalle regel valt daarbij bijzonder laat op, omdat niemand het ontbreken ervan merkt.
Vervangt dit de Zscaler-console?
Nee. Het beheer vult de bestaande omgeving aan en bundelt bouwstenen die daar op verschillende plekken staan. Het Zscaler-platform blijft de uitvoerende laag.
Zijn wijzigingen traceerbaar?
Wijzigingen aan DLP-definities worden als handelingen vastgelegd. Dat is relevant wanneer later moet worden verantwoord waarom een regel eruitziet zoals ze eruitziet.
Wat is Data Loss Prevention (DLP) bij Zscaler?
DLP is de combinatie van policy's en detectie-engines die uitgaand verkeer controleert en beslist of bepaalde content de organisatie mag verlaten, afhankelijk van waarop deze aansluit, zoals een patroon, een concreet gegevensrecord of een documentvingerafdruk. DLP bouwt daarbij voort op het web- en netwerkverkeer dat Zscaler toch al ziet, in plaats van een eigen, aparte scanlaag te zijn.
Wat is Exact Data Match (EDM) in de DLP-configuratie?
EDM is een DLP-techniek die controleert tegen een concreet, geïndexeerd gegevensbestand, bijvoorbeeld een klantenlijst of een export van rekeningnummers, in plaats van tegen een generiek patroon dat alleen lijkt op een creditcardnummer. Dat is preciezer dan puur patroonherkenning, omdat het exacte gegevensrecords markeert in plaats van alles wat er alleen op lijkt, wat valse meldingen merkbaar vermindert.
Wat is Indexed Document Matching (IDM) in de DLP-configuratie?
IDM werkt zoals EDM, maar voor hele documenten in plaats van afzonderlijke gegevensrecords: een referentiebestand aan bestanden wordt als vingerafdruk vastgelegd, en DLP herkent daarna wanneer die content, of een wezenlijk deel daarvan, in het uitgaande verkeer opduikt, zelfs als deze gedeeltelijk is bewerkt of anders opgemaakt.
Is de DLP-configuratie via een API uit te lezen of te beheren?
Ja. DLP-dictionaries en -engines maken deel uit van de ZIA-configuratie, toegankelijk via Zscalers officiële OneAPI, dezelfde interface waarmee ook CentaurNexus configuratie leest en, bij ondersteunde wijzigingen, wegschrijft. Precies deze weg gebruikt ook DLP Configuration Desk wanneer het een definitie vóór het opslaan valideert.
Herkent Zscaler-DLP ook content die naar AI-tools wordt verzonden?
In toenemende mate wel. Zodra verkeer naar AI- en generatieve AI-toepassingen zoals elke andere cloudapp wordt herkend en gecategoriseerd, kunnen dezelfde DLP-policy's en dictionaries daar ook gelden, niet alleen bij klassieke web-uploads of e-mail. Hoever dat in een specifiek geval reikt, hangt af van hoe de AI-toepassingen in de betreffende tenant worden gecategoriseerd en welke policy's erop worden toegepast.
Informatiebronnen
Bekijk de workflow in context
Kies in de demo-launcher de passende rol. De demo gebruikt voorbereide voorbeeldgegevens.
Demo-launcher openen