¿Por qué toda organización necesita prevención de pérdida de datos?

La prevención de pérdida de datos (DLP) es un conjunto de herramientas y políticas que detecta y bloquea la salida de datos confidenciales de su organización a través de canales no autorizados. Esto es crucial, ya que una configuración incorrecta de un recurso compartido en la nube, un empleado descontento o un ataque de phishing pueden exponer registros de clientes, propiedad intelectual o datos regulados, con el consiguiente riesgo de multas millonarias y daños a la reputación. La acción recomendada es clasificar primero los datos confidenciales y, a continuación, establecer políticas específicas para los canales por los que se transmiten.

Respuesta rápida: ¿Por qué todas las organizaciones necesitan prevención de pérdida de datos?

Toda organización que maneje información de identificación personal (PII), datos de tarjetas de pago, información de salud protegida (PHI) o propiedad intelectual necesita DLP, ya que los datos pueden salir a través de docenas de canales simultáneos: correo electrónico, almacenamiento en la nube, unidades USB, aplicaciones de mensajería y cargas web. Los marcos regulatorios, incluidos HIPAA , PCI DSS y GDPR, exigen controles demostrables sobre cómo se mueven los datos confidenciales y quién puede acceder a ellos. El informe de IBM de 2025 sobre el costo de una filtración de datos reveló que el costo promedio global de una filtración alcanzó los 4.44 millones de dólares, con un promedio de 10.22 millones de dólares en EE. UU. DLP es la capa de control que cierra la brecha entre los datos existentes y los datos que están realmente protegidos.

¿Qué es la prevención de pérdida de datos?

La prevención de pérdida de datos (DLP) es un conjunto de procesos, herramientas y políticas que se utilizan para garantizar que los datos confidenciales de una organización no se pierdan, se utilicen indebidamente, se filtren, se vean comprometidos o sean accedidos por usuarios no autorizados. Las organizaciones utilizan DLP para proteger y asegurar los datos y cumplir con las regulaciones. Las soluciones DLP monitorean tres estados distintos de los datos:

• Los datos en reposo: Archivos y registros almacenados en bases de datos, servidores de archivos, depósitos de almacenamiento en la nube y unidades de punto final.
• Datos en movimiento: datos transmitidos a través de redes, incluidos correo electrónico, cargas web, llamadas a API y protocolos de transferencia de archivos.
• Datos en uso: Datos a los que se accede o que se manipulan activamente en un punto final, como por ejemplo acciones de copiar y pegar, capturas de pantalla o transferencias a dispositivos USB.

Muchas organizaciones encuentran difícil realizar un seguimiento de sus datos, ya que estos se multiplican a través de servicios en la nube, dispositivos finales y aplicaciones de terceros a una velocidad que ningún inventario manual puede registrar. Esto genera una falta de visibilidad sobre qué datos salen de la organización y a través de qué canales, lo cual es el problema principal que DLP está diseñado para resolver.

Descubrimiento y clasificación de datos: la base de todo programa DLP.

Las políticas DLP solo pueden proteger los datos que han sido encontrados y etiquetados. El descubrimiento y la clasificación de datos son pasos fundamentales que determinan qué busca el sistema DLP y con qué rigor aplica los controles. Sin ellos, las políticas pueden pasar por alto datos confidenciales o generar altas tasas de falsos positivos que sobrecargan a los equipos de seguridad.

El flujo de clasificación suele funcionar de la siguiente manera:

1. Escaneo de descubrimiento: La herramienta DLP o una herramienta de detección de datos específica analiza los repositorios, incluidos los recursos compartidos de archivos, los archivos de correo electrónico, el almacenamiento en la nube, las bases de datos y las unidades de los dispositivos finales, para localizar archivos que contengan patrones de contenido confidencial, como números de la Seguridad Social, números de tarjetas de crédito, identificadores de historiales médicos o marcadores de código fuente propietario.
2. Inspección de contenido: Los archivos se inspeccionan mediante una combinación de coincidencia de palabras clave, expresiones regulares, identificación de datos estructurados (como esquemas de bases de datos) y clasificadores basados ​​en aprendizaje automático que identifican contenido sensible incluso cuando el formato varía.
3. Etiquetado de clasificación: A los datos se les asigna una etiqueta de clasificación, como Público, Interno, Confidencial o Restringido, en función del contenido encontrado y de la categoría normativa a la que pertenece (PII, PHI, PCI, IP).
4. Mapeo de políticas: Las etiquetas de clasificación se asignan a reglas de política DLP que definen qué acciones están permitidas, bloqueadas o generan alertas cuando los datos con esa etiqueta se mueven a través de un canal determinado.
5. Reclasificación en curso: La clasificación de datos no es un proyecto puntual. Constantemente se generan nuevos datos, los datos existentes cambian y el alcance normativo se amplía. El escaneo automatizado según un cronograma definido (generalmente mensual para repositorios de alto riesgo) mantiene la clasificación actualizada.

Ejemplos de políticas DLP: Cómo se ven las buenas políticas en la práctica

Una política DLP define las condiciones bajo las cuales se permite, se generan alertas o se bloquea el movimiento de datos confidenciales. Las políticas se aplican por canal y por clasificación de datos. A continuación, se presentan cuatro ejemplos concretos de políticas DLP bien estructuradas:

Nombre de directiva	Tipo de datos	Channel	Estado del producto	Acción:
Bloqueo de correo electrónico saliente de PCI	Números de tarjeta de pago (PAN)	Correo electrónico (saliente)	El cuerpo del mensaje o el archivo adjunto contiene un patrón PAN de 16 dígitos con verificación Luhn.	Bloquear y notificar al remitente; registrar el evento; alertar al equipo de seguridad.
Monitor de carga en la nube de PHI	Información de salud protegida	Carga de almacenamiento en la nube	El archivo contiene la combinación de nombre del paciente, fecha de nacimiento y código de diagnóstico.	Alertar al propietario de los datos y al equipo de seguridad; solicitar justificación en un plazo de 24 horas.
Bloque USB de código fuente	Propiedad intelectual (código fuente)	Media removible	Archivos con extensión .py, .java, .cs, .cpp transferidos a un dispositivo USB por un usuario sin rol de desarrollador.	Bloquear la transferencia; registrar el usuario y el dispositivo; alertar al administrador.
Alerta de exportación masiva de PII	Información personal identificable (nombres, correos electrónicos, direcciones)	Carga web o API	Transferencia única que contiene más de 500 registros con campos de información personal identificable (PII).	Alertar al equipo de seguridad; retener la transferencia en espera de revisión para destinos no aprobados.

Gestión de falsos positivos: Cómo mantener la utilidad de DLP sin bloquear el trabajo legítimo.

Los falsos positivos son la causa más común de fallos en los programas DLP. Cuando un sistema DLP detecta demasiada actividad empresarial legítima como una infracción, los equipos de seguridad se ven desbordados, los usuarios empresariales buscan soluciones alternativas y el programa pierde credibilidad ante las partes interesadas. Reducir los falsos positivos sin generar brechas requiere un ajuste preciso de las políticas.

• Inicie en modo monitor, no en modo bloque: Implemente las nuevas políticas en modo de solo alerta durante 30 a 60 días, revise la cola de alertas e identifique qué reglas generan más ruido antes de habilitar su aplicación.
• Utilice umbrales de confianza: Se requiere que varios identificadores de datos coincidan simultáneamente antes de que se active la alerta. Un único patrón de número de tarjeta de crédito suele ser un falso positivo; un número de tarjeta de crédito combinado con una fecha de vencimiento y un patrón CVV tiene muchas más probabilidades de ser datos reales de PAN.
• Cree listas de acceso permitido para destinos de confianza: Los equipos financieros que envían nóminas a un dominio bancario específico, o los departamentos legales que envían contratos a un dominio específico de un bufete de abogados, realizan operaciones comerciales rutinarias. Es preferible incluir en la lista de destinatarios seguros conocidos a bloquear todo el envío de información personal identificable (PII).
• Crear flujos de trabajo de excepción: Proporcionar un procedimiento estructurado para que los empleados soliciten la aprobación de transferencias legítimas que activen una política. Esto reduce las soluciones alternativas no autorizadas y crea un registro de auditoría de las excepciones justificadas.
• Revisar y ajustar semanalmente durante el lanzamiento: Los primeros 90 días de una implementación de DLP generan la mayor cantidad de problemas con las políticas. Los ciclos semanales de revisión y ajuste durante este período tienen un impacto proporcionalmente grande en la calidad de las alertas a largo plazo.

Flujo de trabajo de respuesta a incidentes de DLP: ¿Qué sucede cuando se activa una política?

Una infracción de la política DLP activa un flujo de trabajo de respuesta. La calidad de dicho flujo de trabajo determina si el programa realmente reduce el riesgo o simplemente genera ruido. Este es el flujo de respuesta estándar ante una infracción de DLP:

1. Detección: El motor DLP compara una regla de política con otra y genera un evento. El evento se registra con metadatos que incluyen la identidad del usuario, el dispositivo, el destino, la clasificación de datos y la marca de tiempo.
2. Triaje: El equipo de seguridad o el analista de DLP revisa el evento para determinar si se trata de un verdadero positivo, un falso positivo o una excepción de política. El triaje suele utilizar una matriz de gravedad basada en la clasificación de datos y el riesgo del canal.
3. Contención: En caso de infracciones confirmadas, el analista determina si los datos ya han salido de la organización o si fueron bloqueados en el momento del intento de transferencia. Si los datos ya han salido, las medidas de contención incluyen la revocación de los enlaces compartidos, el contacto con la parte receptora o la interposición de una acción legal para retenerlos.
4. Investigación: El analista revisa el registro de actividad del usuario del período anterior para determinar si la infracción fue aislada o forma parte de un patrón. En esta etapa, se examinan los indicadores de amenazas internas, como el acceso a grandes volúmenes de datos antes de una infracción de la política.
5. Remediación: Se aborda el riesgo inmediato. Esto puede incluir la revocación del acceso del usuario, el restablecimiento de credenciales, la recuperación de datos de destinos no autorizados o la derivación a recursos humanos o al departamento legal en casos de amenazas internas.
6. Evaluación de notificaciones regulatorias: Si la infracción puede constituir una violación que deba notificarse según la HIPAA, el RGPD o las leyes estatales de notificación aplicables, los equipos legales y de cumplimiento evalúan las obligaciones de notificación dentro de los plazos requeridos (72 horas según el artículo 33 del RGPD para las violaciones que afecten los derechos de las personas).
7. Actualización de la política: Se revisa el incidente para determinar si la política que se activó detectó el evento correctamente, si se expusieron deficiencias en la política y si es necesario realizar ajustes para mejorar la detección o reducir los falsos positivos en eventos similares en el futuro.

Por qué la prevención de pérdida de datos es necesaria para todas las empresas.

• Las amenazas externas se están acelerando: En 2025, el phishing superó el robo de credenciales como el vector de ataque inicial más común, siendo responsable del 16 % de las brechas de seguridad con un costo promedio de 4.8 millones de dólares por incidente (IBM 2025). Los mensajes de phishing generados por IA son significativamente más convincentes que los mensajes escritos manualmente, para cuya detección se diseñó la capacitación en concientización. La prevención de pérdida de datos (DLP) proporciona un control de última línea que detecta el movimiento de datos incluso cuando una credencial o un punto final ya está comprometido.
• Las amenazas internas son sistémicas, no excepcionales: El informe de Verizon de 2025 sobre investigaciones de filtraciones de datos reveló que los incidentes internos representan una proporción constante de las filtraciones año tras año, abarcando la exfiltración maliciosa, el manejo negligente y la exposición accidental. La prevención de pérdida de datos (DLP) supervisa estas tres categorías sin necesidad de conocer previamente qué empleado representa un riesgo.
• La exposición financiera es real y creciente: El informe de IBM sobre el costo de una filtración de datos de 2025 sitúa el costo promedio global en 4.44 millones de dólares, mientras que en Estados Unidos el promedio es de 10.22 millones de dólares. El elevado costo en Estados Unidos se explica en gran medida por las sanciones regulatorias impuestas por las normas de divulgación de la SEC, la HIPAA y las leyes estatales de notificación en 50 marcos legales diferentes. La prevención de pérdida de datos (DLP) reduce la exposición al riesgo al demostrar los controles técnicos en el momento de la investigación regulatoria.
• La expansión de BYOD y la nube crean puntos de salida incontrolados: Cuando los empleados utilizan dispositivos personales y acceden a datos corporativos a través de aplicaciones en la nube, los datos pueden salir de la organización por canales que las herramientas de seguridad perimetral no detectan. Las políticas de prevención de pérdida de datos (DLP) implementadas en el dispositivo y en los servicios conectados a la nube cierran estas brechas, independientemente de la ubicación del dispositivo.
• Los marcos de cumplimiento lo exigen de forma explícita o implícita: Los requisitos de salvaguardia técnica de HIPAA, los requisitos 3 y 4 de PCI DSS y la obligación de medidas técnicas del artículo 32 del RGPD apuntan a controles que supervisan y restringen el movimiento de datos confidenciales. La DLP es la implementación técnica más directa de dichos requisitos.

Guía de implementación de DLP: Una ruta de implementación estructurada

1. Defina el objetivo de protección: Determinar si el principal factor determinante es el cumplimiento normativo (HIPAA, PCI DSS, GDPR), la protección de la propiedad intelectual, la detección de amenazas internas o la visibilidad de los datos en la nube. El objetivo determina qué tipos de datos y canales priorizar y qué modelo de implementación de DLP se ajusta mejor.
2. Realizar una evaluación de descubrimiento y clasificación de datos: Ejecutar un escaneo de descubrimiento en todos los repositorios de datos para identificar qué datos confidenciales existen, dónde se encuentran y cómo están etiquetados actualmente. Esta evaluación, como la de Encryption Consulting, Evaluación e implementación de DLP La participación genera el mapa de datos del que dependen todas las decisiones políticas posteriores.
3. Definir políticas de seguridad de datos: Redacte políticas para cada combinación de tipo de datos y canal según el resultado de la clasificación. Comience con las combinaciones de mayor riesgo: datos regulados (PCI, PHI, PII) en correo electrónico saliente y canales de carga en la nube.
4. Implementar en modo monitor: Implemente las políticas en modo de solo alerta durante 30 a 60 días. Revise las alertas, ajuste los falsos positivos y cree listas de permitidos antes de cambiar al modo de aplicación.
5. Implementar controles de gestión de acceso: La prevención de pérdida de datos (DLP) funciona en conjunto con la gestión de identidades y accesos (IAM). Restringir el acceso de los usuarios a los datos clasificados en origen reduce el volumen de eventos que DLP debe evaluar en el punto de salida. Los controles de acceso basados ​​en roles, alineados con los niveles de clasificación de datos, reducen significativamente el volumen de alertas de DLP.
6. Asignar roles y responsabilidades: Defina quién es responsable de la gestión de políticas de DLP, quién se encarga de la clasificación de alertas, quién aprueba las excepciones y quién remite las infracciones confirmadas al departamento legal o de recursos humanos. Sin una clara responsabilidad, los programas se estancan cuando las alertas requieren decisiones basadas en el criterio profesional.
7. Cambiar al modo de aplicación por tipo de datos: Habilite primero el modo de bloqueo en las políticas de mayor confianza y mayor riesgo (datos de tarjetas de pago en correos electrónicos salientes) y, a continuación, extiéndalo progresivamente a las políticas de menor confianza a medida que la optimización confirme su precisión.
8. Establecer métricas y una periodicidad de revisión: Realizar un seguimiento mensual de los indicadores clave (infracciones por canal, tasa de falsos positivos, tiempo medio de investigación, cobertura de clasificación). Presentarlos trimestralmente a la dirección de seguridad como evidencia de la eficacia del programa y de las áreas que requieren inversión adicional.

Métricas del programa DLP: Cómo medir si su programa está funcionando.

Métrico	que mide	Objetivo
Infracciones totales de la política por canal	Volumen y distribución de los eventos detectados en correo electrónico, punto final, nube y web.	La línea de tendencia muestra la cobertura sin un crecimiento descontrolado debido a falsos positivos.
Tasa de falsos positivos por regla de política	Proporción de alertas que corresponden a actividad comercial legítima	Por debajo del 10 % por regla de política madura; las reglas recién implementadas pueden comenzar con un valor más alto.
Tiempo medio de investigación (TMI)	Tiempo promedio desde la alerta hasta la decisión del analista	Menos de 4 horas para alertas de alta gravedad; menos de 24 horas para alertas de gravedad media.
Tasa de incidencia confirmada	Porcentaje de alertas escaladas a eventos de pérdida de datos confirmados	Varía según el entorno; una tendencia al alza indica un empeoramiento del riesgo o una mejora en la detección.
Cobertura de clasificación de datos	Porcentaje de repositorios de datos sensibles escaneados y clasificados	100% de los repositorios de datos regulados conocidos; ampliación del alcance trimestral
Volumen de excepciones y tasa de aprobación	Se solicitaron y aprobaron excepciones a las políticas justificadas por motivos comerciales.	Bajo y en descenso; el alto volumen de excepciones indica políticas demasiado amplias.

Tabla de decisiones de DLP: Adaptación del caso de uso al enfoque de implementación

Objetivo primario	Tipos de datos clave	Canales prioritarios	modelo de implementación	Primera política a implementar
Cumplimiento de PCI DSS	Números de tarjeta de pago (PAN), CVV, fecha de vencimiento	Correo electrónico, carga web, almacenamiento en la nube	Integración de DLP de red y puerta de enlace de correo electrónico	Bloquear el PAN saliente en el correo electrónico; alertar sobre la carga en la nube.
Cumplimiento HIPAA	Información de salud protegida: nombres de pacientes, fecha de nacimiento, códigos de diagnóstico, números de identificación del seguro.	Correo electrónico, carga en la nube, punto final	DLP de punto final + DLP de correo electrónico	Bloquear la información de salud protegida en el correo electrónico personal; alertar sobre la sincronización en la nube.
Protección de la propiedad intelectual	Código fuente, archivos de diseño, hojas de ruta del producto	Punto final (USB, impresora), nube, correo electrónico	DLP de punto final con etiquetas de clasificación	Bloquear el código fuente en USB para roles que no sean de ingeniería.
Detección de amenazas internas	Cualquier tipo de datos confidenciales	Todos los canales, especialmente las transferencias masivas	Análisis del comportamiento de usuarios y entidades (UEBA) + DLP	Alerta sobre acceso o exportación masiva de datos antes de un cambio de rol o terminación.
Visibilidad de los datos en la nube	Todos los datos regulados y confidenciales en las aplicaciones SaaS	Almacenamiento en la nube, intercambio de archivos SaaS	Agente de seguridad de acceso a la nube (CASB) + DLP	Inventarie y clasifique los datos en todas las aplicaciones en la nube conectadas antes de la aplicación de la política.
Cumplimiento GDPR	Datos personales de la UE: nombres, correo electrónico, ubicación, datos de comportamiento	Correo electrónico, web, API, intercambio con terceros	DLP de red + mapeo de datos	Alerta sobre la transferencia masiva de información personal identificable de la UE a terceros no autorizados.

Limitaciones de DLP: lo que no puede hacer por sí solo

• La prevención de pérdida de datos (DLP) no puede proteger los datos que no puede ver: Los archivos cifrados, la esteganografía o la filtración de datos a través de canales fuera de la cobertura de DLP (como un dispositivo personal que usa datos móviles en lugar de la red Wi-Fi corporativa) eluden la mayoría de las implementaciones de DLP. Para solucionar estas brechas de cobertura, se requieren agentes de punto final y políticas conectadas a la nube.
• La prevención de pérdida de datos (DLP) no reemplaza el cifrado: Una política DLP puede impedir que un archivo se envíe por correo electrónico, pero si el archivo se almacena sin cifrar en un servidor que sufre una brecha de seguridad, DLP no ofrece ninguna protección. DLP y el cifrado son controles complementarios, no sustitutos. Encryption Consulting Servicios de asesoramiento sobre cifrado Abordar la capa de cifrado en la que se basa DLP para la protección de datos en reposo.
• Los falsos positivos generan una fricción operativa real: Las políticas DLP demasiado generales bloquean la actividad empresarial legítima. Sin un proceso de ajuste y un flujo de trabajo para excepciones, los programas DLP se convierten en generadores de ruido que los equipos de seguridad aprenden a ignorar.
• La DLP no impide que los empleados comprometidos actúen dentro de los canales permitidos: Si un usuario con acceso legítimo a datos confidenciales decide memorizarlos, fotografiarlos o divulgarlos verbalmente, DLP no dispone de ningún mecanismo para detectar o bloquear dichas acciones. DLP aborda los canales de exfiltración digital, no todos los vectores de divulgación de datos.
• Los programas DLP requieren una inversión sostenida: Los entornos de datos cambian a medida que se añaden nuevas aplicaciones, se incorporan nuevos empleados y entran en vigor nuevas normativas. Un programa DLP implementado y mantenido estático pierde eficacia en cuestión de meses. Los ciclos de revisión, ajuste y reclasificación de políticas deben presupuestarse como trabajo operativo continuo, no como un coste único de un proyecto.

Cómo puede ayudar la consultoría de cifrado

El servicio de evaluación e implementación de DLP de Encryption Consulting abarca todo el ciclo de implementación: descubrimiento y clasificación de datos, diseño de políticas, selección de la arquitectura de implementación, optimización y diseño del flujo de trabajo para incidentes. Trabajamos junto a su equipo de seguridad para crear un programa DLP adaptado a sus tipos de datos específicos, obligaciones regulatorias y perfil de riesgo, en lugar de implementar políticas genéricas que generan confusión sin solucionar problemas reales.

Para las organizaciones que necesitan una visión más amplia de su postura de protección de datos, nuestros Servicios de Asesoramiento en Cifrado evalúan la cobertura de cifrado de los datos en reposo, en tránsito y en uso, e identifican las brechas clave en la gestión y el control de acceso que las políticas de DLP por sí solas no pueden solucionar. Nuestros Servicios de Asesoramiento en Cumplimiento alinean sus controles de DLP con HIPAA, PCI DSS, GDPR y otros marcos aplicables, generando la documentación que demuestra el cumplimiento antes de una inspección regulatoria, en lugar de tener que reconstruirla a toda prisa después.

Para las organizaciones preocupadas por la ubicación actual de sus datos confidenciales antes de implementar políticas DLP, CBOM Secure proporciona un análisis criptográfico de todo el entorno, revelando dónde se cifran los datos confidenciales, dónde falta el cifrado y dónde las prácticas de gestión de claves crean vulnerabilidades que DLP no puede solucionar por sí solo.

Conclusión

Las soluciones DLP clasifican los datos regulados, confidenciales y críticos para el negocio, identifican infracciones de las políticas organizativas o normativas y aplican medidas correctivas mediante alertas y bloqueos que impiden que los usuarios compartan, de forma accidental o deliberada, datos que pongan en riesgo a la organización. Las soluciones DLP supervisan y controlan las actividades de los dispositivos finales, protegen los datos en reposo, en tránsito y en uso, y generan los informes necesarios para cumplir con los requisitos de cumplimiento y auditoría de PCI DSS , HIPAA , GDPR y marcos normativos relacionados.

Las organizaciones que más se benefician de la prevención de pérdida de datos (DLP) son aquellas que la tratan como un programa, no como una simple implementación de producto. La clasificación antes que las políticas, el modo de monitorización antes que la aplicación, la optimización antes que la expansión y las métricas definidas para demostrar su eficacia son los elementos que distinguen a los programas DLP que funcionan correctamente en condiciones adversas reales de aquellos que generan ruido y crean una falsa sensación de protección.

Si está creando o reconstruyendo un programa DLP y desea comenzar con una evaluación realista de dónde se encuentran realmente sus datos confidenciales y qué canales conllevan mayor riesgo, póngase en contacto con Encryption Consulting para hablar sobre una evaluación de DLP.

Preguntas frecuentes

¿Qué es la prevención de pérdida de datos (DLP)?

La prevención de pérdida de datos (DLP, por sus siglas en inglés) es un conjunto de herramientas, políticas y procesos que detectan y evitan que los datos confidenciales salgan de una organización a través de canales no autorizados. La DLP supervisa los datos en reposo, en tránsito y en uso, clasifica el contenido confidencial, aplica controles basados ​​en políticas y genera alertas o bloqueos cuando se detecta una infracción.

¿Por qué todas las organizaciones necesitan DLP?

Toda organización que maneje información personal identificable (PII), información de salud protegida (PHI), datos de tarjetas de pago o propiedad intelectual necesita un sistema de prevención de pérdida de datos (DLP), ya que los datos circulan por decenas de canales simultáneos. Los marcos regulatorios, como HIPAA, PCI DSS y GDPR, exigen controles demostrables sobre el movimiento de datos confidenciales. Según los datos de IBM sobre filtraciones de datos de 2025, el costo promedio global de una filtración fue de 4.44 millones de dólares y el promedio en Estados Unidos, de 10.22 millones de dólares.

¿Cuáles son los tres tipos de datos que protege DLP?

Datos en reposo (archivos y bases de datos almacenados), datos en tránsito (tráfico de red y correo electrónico) y datos en uso (acciones activas en los dispositivos, como copiar y pegar y transferencias USB). Un programa DLP completo abarca los tres estados.

¿Cómo se gestionan los falsos positivos de DLP?

Inicie las políticas en modo de solo supervisión, utilice umbrales de confianza que requieran la coincidencia de varios identificadores, cree listas de permitidos para destinos seguros conocidos, cree flujos de trabajo de excepción para transferencias justificadas por el negocio y revise las colas de alertas semanalmente durante los primeros 90 días. Las altas tasas de falsos positivos indican políticas demasiado amplias que necesitan una reducción de su alcance.

¿Qué normativas de cumplimiento exigen controles DLP?

La HIPAA exige medidas técnicas para controlar el acceso y la transmisión de información de salud protegida (PHI). Los requisitos 3 y 4 de PCI DSS exigen la protección de los datos de los titulares de tarjetas almacenados y transmitidos. El artículo 32 del RGPD exige medidas técnicas adecuadas al riesgo de procesamiento de datos no autorizado. La CCPA y las leyes estatales de notificación de violaciones de datos generan responsabilidad financiera que los controles de DLP reducen directamente.

¿Qué métricas de DLP deberían monitorizar las organizaciones?

Infracciones totales de políticas por canal, tasa de falsos positivos por regla de política, tiempo medio para investigar una alerta, porcentaje de alertas escaladas a incidentes confirmados, cobertura de la clasificación de datos en repositorios sensibles y volumen de excepciones de políticas y tasa de aprobación.