Zum Inhalt springen

Glossar

Data Governance & Sicherheit

Data Loss Prevention (DLP)

Data Loss Prevention (DLP) umfasst Richtlinien und Tools, die sensible Daten wie Kartennummern oder Gesundheitsdaten erkennen und sie blockieren, verschlüsseln oder markieren, wenn jemand versucht, sie dorthin zu senden, hochzuladen oder zu kopieren, wo sie nicht hingehören.

Aktualisiert am · Vom VIZIO AI Team

Was ist Data Loss Prevention?

Trotz des Namens geht es bei DLP vor allem darum, Datenabfluss zu verhindern, nicht darum, gelöschte Dateien wiederherzustellen. DLP überwacht drei Bereiche: Daten in Bewegung (E-Mail, Web-Uploads, Netzwerkverkehr), ruhende Daten (Dateifreigaben, Cloud-Laufwerke, Datenbanken) und Daten in Verwendung auf Endgeräten (USB-Kopien, Drucken, Zwischenablage).

Erkennungs-Engines kombinieren Mustererkennung mit Validierung – etwa die Luhn-Prüfsumme, die echte Kartennummern von zufälligen Ziffern unterscheidet –, Exact-Match-Fingerprints bekannter Datensätze, trainierte Klassifikatoren für Dokumente wie Verträge sowie von Nutzern vergebene Vertraulichkeitsbezeichnungen. Jeder Treffer löst eine Aktion aus: protokollieren, den Nutzer warnen, eine geschäftliche Begründung verlangen, verschlüsseln, in Quarantäne verschieben oder blockieren. DLP ist eine Ebene der Datensicherheit, neben Zugriffskontrolle und Datenverschlüsselung.

Wie funktionieren DLP-Richtlinien?

Eine Richtlinie besteht aus Bedingung, Geltungsbereich und Aktion und wird wochenlang im Audit-Modus abgestimmt, bevor sie irgendetwas blockiert.

  1. Listen Sie die Datentypen und geltenden Regeln auf: Kartendaten nach PCI DSS, Gesundheitsdaten nach HIPAA, personenbezogene Daten nach DSGVO.

  2. Klassifizieren und kennzeichnen Sie, wo diese Daten liegen.

  3. Formulieren Sie Regeln, zum Beispiel „mehr als fünf Kartennummern in einer E-Mail an eine externe Domain“.

  4. Betreiben Sie die Richtlinie im reinen Audit-Modus und prüfen Sie die Treffer.

  5. Reduzieren Sie False Positives mit Ausnahmen und Schwellenwerten.

  6. Wechseln Sie zu Warnen, dann zu Blockieren, mit einem Workflow zur Prüfung von Vorfällen für Analysten.

Wie sieht Data Loss Prevention in der Praxis aus?

Die meisten echten Programme beginnen damit, eine riskante Gewohnheit aufzudecken und sie zu beheben, ohne die Arbeit zu stoppen. Nehmen Sie ein US-Health-Tech-Unternehmen mit 300 Mitarbeitenden auf Microsoft 365, das Patientenakten verarbeitet.

Der Sicherheitsverantwortliche aktiviert 30 Tage lang im reinen Audit-Modus Microsoft-Purview-Richtlinien mit integrierten Typen vertraulicher Informationen für US-Sozialversicherungsnummern sowie einem benutzerdefinierten Typ für das Patienten-ID-Format des Unternehmens. Angenommen, die Logs zeigen rund 40 Treffer pro Woche, überwiegend ein Abrechnungsteam, das Tabellen per E-Mail an eine Clearingstelle schickt.

Statt zu blockieren, richtet das Team für diesen Partner einen sicheren Übertragungsweg ein, ergänzt einen Richtlinientipp und automatische Verschlüsselung für externe E-Mails mit Patienten-IDs und nutzt Endpoint-DLP, um das Hochladen gekennzeichneter Dateien in private Cloud-Speicher zu blockieren.

Nach dem Wechsel zur Durchsetzung umfasst das wöchentliche Review nur noch Übersteuerungen, bei denen Mitarbeitende eine geschäftliche Begründung eingegeben haben – so bleibt die Arbeitslast der Analysten eine kurze Liste statt jedes einzelnen Treffers.

Wo liegen die Grenzen und Fallstricke von DLP?

Ein DLP-Programm, das Analysten mit Fehlalarmen überflutet, wird abgeschaltet – Feinabstimmung ist daher wichtiger als Abdeckung. Bekannte Grenzen:

  • Alert Fatigue durch breite Muster wie jede beliebige neunstellige Zahl.

  • Blinde Flecken im verschlüsselten Datenverkehr, sofern keine TLS-Inspektion eingerichtet ist.

  • Kein Schutz gegen Fotos vom Bildschirm oder entschlossene Innentäter.

  • Regeln zur Mitarbeiterüberwachung; in Teilen der EU muss der Betriebsrat beteiligt werden.

  • Daten, die nie klassifiziert wurden, lassen sich nicht schützen.

DLP ersetzt keinen Zugriff nach dem Least-Privilege-Prinzip; je weniger Personen eine Datei öffnen können, desto weniger gibt es zu überwachen. Kommt es doch zu einem Abfluss, greift Ihr Reaktionsplan für Datenpannen.

Welche Tools werden für Data Loss Prevention eingesetzt?

Wählen Sie das DLP-Tool, das dort sitzt, wo Ihre sensiblen Daten tatsächlich unterwegs sind. Microsoft Purview DLP deckt Exchange, SharePoint, OneDrive, Teams und Windows-Endgeräte ab. Google Workspace hat integrierte DLP-Regeln für Gmail und Drive. Symantec DLP von Broadcom und Forcepoint bedienen große On-Premise-Landschaften, während Netskope und Zscaler DLP innerhalb von Cloud-Security-Gateways anwenden und Nightfall sich auf SaaS-Apps wie Slack konzentriert.

Verwandte Kontrollen werden oft damit verwechselt: Datenmaskierung verbirgt Werte vor Personen, die sie nicht brauchen, Verschlüsselung macht gestohlene Daten unlesbar, und DLP entscheidet, ob Daten überhaupt hinausgehen dürfen.

Data Loss Prevention vs. Datenverschlüsselung

Data Loss Prevention

Datenverschlüsselung

Ziel

Verhindern, dass sensible Daten freigegebene Orte verlassen

Daten ohne Schlüssel unlesbar machen

Wirkt auf

Inhalt, Kontext und Nutzerverhalten

Gespeicherte oder übertragene Bytes

Typische Aktion

Warnen, blockieren, in Quarantäne verschieben oder protokollieren

Transparent ver- und entschlüsseln

Schützt vor

Versehentlicher Weitergabe und manchen Abflüssen durch Innentäter

Diebstahl von Festplatten, Backups oder Datenverkehr

Hauptschwäche

False Positives und nicht klassifizierte Daten

Schwaches Schlüsselmanagement

Beispiel-Tools

Microsoft Purview, Netskope, Nightfall

AWS KMS, BitLocker, TLS

Wie geht VIZIO AI an Data Loss Prevention heran?

Die Sicherheitsarbeit von VIZIO AI konzentriert sich auf die menschliche Seite der Datenexposition: zu messen, welche Personen und Teams am ehesten Daten abfließen lassen. Für ein globales Medien- und Unterhaltungsunternehmen mit mehr als 30.000 Mitarbeitenden integrierte das DX Studio Proofpoint, XSOAR, Splunk und Microsoft Teams in ein Power-BI-Dashboard, das Phishing-Klickraten, Melderaten, Wiederholungstäter und Risikoscores auf Abteilungsebene verfolgt.

Das war Awareness-Analytics, kein DLP-Deployment, zielt aber auf dasselbe Risiko ab, dass Menschen Daten dorthin senden, wo sie nicht hingehören. Der manuelle Reporting-Aufwand sank um 45 %, und die Analyse von Schulungsergebnissen wurde 4× schneller. Wo Sie anfangen sollten: Betreiben Sie Ihre erste DLP-Richtlinie im reinen Audit-Modus und prüfen Sie die Treffer eines Monats.

Facebook-Logo
X-Logo
LinkedIn-Logo
Reddit-Logo
Telegram-Logo

AI-first denken.
Zukunftsschnell handeln.

Lassen Sie uns bauen, was als Nächstes kommt! Von Produktideen und intelligenten Workflows bis zu datengetriebenen Systemen und skalierbaren Growth Operations.

Strategiegespräch buchen