Dane przestały mieścić się w granicach firmowej serwerowni. Dziś znajdują się jednocześnie w chmurze publicznej, w aplikacjach SaaS, w bazach uruchamianych „na chwilę” przez zespoły deweloperskie, w kopiach testowych i w plikach, o których nikt już nie pamięta. Do tego dochodzą narzędzia generatywnej AI – takie jak Microsoft Copilot czy ChatGPT, które potrafią błyskawicznie sięgnąć po wrażliwe informacje i rozesłać je dalej. W tak rozproszonym środowisku klasyczne podejście, które polegało na „odgrodzeniu” zasobów murem zabezpieczeń, przestaje wystarczać. Odpowiedzią na ten problem jest DSPM – Data Security Posture Management, czyli zarządzanie stanem bezpieczeństwa danych.

DSPM w pigułce

Termin Data Security Posture Management wprowadził Gartner w kwietniu 2022 roku, umieszczając go w raporcie Hype Cycle for Data Security jako rozwiązanie wschodzące, ale szybko zyskujące na znaczeniu. Według definicji Gartnera DSPM daje organizacji odpowiedź na cztery podstawowe pytania:

  • Gdzie znajdują się dane wrażliwe?
  • Kto ma do nich dostęp?
  • Jak są wykorzystywane?
  • Jaki jest stan zabezpieczeń repozytorium lub aplikacji, w której się znajdują?

To, co odróżnia DSPM od wcześniejszych technologii, najlepiej oddaje określenie używane przez producentów: podejście „data-first” – ochrona skoncentrowana na samych danych. Zamiast zabezpieczać urządzenia, systemy i aplikacje, które dane przechowują lub przetwarzają, DSPM chroni bezpośrednio dane. Varonis ujmuje to hasłem „protect data first, not last” – chroń dane w pierwszej kolejności, a nie na końcu.

Skąd wzięła się potrzeba DSPM

Przez lata bezpieczeństwo danych opierało się na założeniu, że wszystkie zasoby leżą na sprzęcie wewnątrz firmy. Migracja do chmury wywróciła ten model. Dane rozproszyły się pomiędzy różnych dostawców (AWS, Azure, Google Cloud), platformy SaaS i środowiska hybrydowe, a wraz z nimi pojawiło się zjawisko shadow data – danych, o których istnieniu zespoły bezpieczeństwa często nawet nie wiedzą. Kopie tworzone do testów, backupy, podzbiory danych generowane przez deweloperów czy aplikacje trzecie nieustannie powiększają powierzchnię ataku.

Gartner prognozuje, że do 2026 roku ponad 20% organizacji wdroży DSPM właśnie po to, by odnajdywać nieznane wcześniej repozytoria danych i ograniczać ryzyko związane z prywatnością i bezpieczeństwem. Dodatkowym katalizatorem stała się generatywna AI: kiedy pracownik wprowadza poufne dane firmowe do publicznego narzędzia AI albo gdy asystent typu Copilot uzyskuje dostęp do nadmiernie udostępnionego pliku, ryzyko niekontrolowanego wycieku rośnie lawinowo.

Jak działa DSPM – kluczowe elementy

Choć poszczególni producenci różnią się szczegółami, DSPM opiera się na kilku powtarzalnych filarach.

Wykrywanie i klasyfikacja danych. Punktem wyjścia jest odnalezienie danych, także tych nieznanych – w chmurze, w aplikacjach SaaS i lokalnie, a następnie sklasyfikowanie ich według wrażliwości i kontekstu regulacyjnego (np. PII, PHI, dane kart płatniczych). Nowoczesne rozwiązania robią to z użyciem AI, co pozwala objąć zarówno dane ustrukturyzowane, jak i nieustrukturyzowane.

Analiza dostępu (access intelligence). DSPM pokazuje, kto faktycznie ma dostęp do wrażliwych danych, uwzględniając uprawnienia, członkostwo w grupach, linki współdzielenia czy połączenia API/OAuth. To pozwala wychwycić konta nadmiernie uprzywilejowane oraz „uśpione”.

Ocena i priorytetyzacja ryzyka. Zamiast zasypywać zespół setkami alertów, DSPM mapuje ścieżki ataku i wskazuje, które ekspozycje są najgroźniejsze – na przykład wrażliwe dane dostępne dla zbyt szerokiego grona odbiorców lub błędnie skonfigurowane repozytorium.

Remediacja i ciągły monitoring. Dobry DSPM nie kończy na wykryciu problemu – podpowiada konkretne kroki naprawcze lub automatyzuje je, a następnie nieustannie monitoruje środowisko pod kątem nowych zasobów i odchyleń od polityk. Większość rozwiązań działa przy tym bezagentowo (agentless), co upraszcza wdrożenie.

DSPM a CSPM i DLP – czym się różni

DSPM bywa mylony z pokrewnymi technologiami, dlatego warto wytyczyć granice:

  • CSPM (Cloud Security Posture Management) koncentruje się na warstwie infrastruktury chmurowej – wykrywa błędne konfiguracje i podatności maszyn wirtualnych czy kontenerów. Jest „ślepy” na same dane.
  • DLP (Data Loss Prevention) chroni dane w ruchu, w punktach wyjścia (egress), zapobiegając ich wyciekowi.
  • DSPM patrzy na same dane „w spoczynku” – odpowiada, gdzie leżą, jak są narażone i jaki jest ich stan zabezpieczeń.

W praktyce technologie te się uzupełniają. Im szersze wykorzystanie chmury, tym częściej organizacja potrzebuje zarówno CSPM, by chronić infrastrukturę, jak i DSPM, by chronić dane, które ta infrastruktura przechowuje.

Jak o DSPM mówią czołowi producenci

Najlepszym sposobem na zrozumienie, czym DSPM jest w praktyce, jest przyjrzenie się, jak opisują tę technologię jej liderzy. Dwa wiodące podejścia: Varonis i Proofpoint – kładą nacisk na różne aspekty tej samej idei.

Varonis: od „co znaleźliśmy” do „czy jest realnie narażone”

Varonis opisuje DSPM w trzech domenach: klasyfikacja danych, analiza dostępu (access intelligence) i ograniczanie ryzyka (risk mitigation) – obejmujących dane ustrukturyzowane, nieustrukturyzowane i półustrukturyzowane. Producent rozróżnia przy tym zdolności pasywne (stale działające w tle: wykrywanie, klasyfikacja, analiza ekspozycji) oraz aktywne (interweniujące: automatyczna remediacja i egzekwowanie polityk w czasie rzeczywistym).

Kluczowy akcent Varonis brzmi: większość narzędzi DSPM potrafi wykryć wrażliwe dane, ale nie powie, czy są one realnie wystawione na ryzyko albo czy są właśnie atakowane. Dlatego Varonis stawia na rezultaty, a nie same „znaleziska” – łącząc wrażliwość danych z zachowaniem użytkowników i aktywnością zagrożeń (m.in. poprzez graf dostępu, wykrywanie i reagowanie na zagrożenia oraz audytowalny ślad aktywności).

Proofpoint: bezpieczeństwo zorientowane na człowieka

Proofpoint – który w 2024 roku przejął pioniera rynku DSPM, firmę Normalyze – opisuje tę technologię przez pryzmat „human-centric”, czyli ryzyka skoncentrowanego na człowieku. Logika jest taka: dane wyciekają najczęściej wskutek ludzkich działań i błędów, więc DSPM powinien łączyć ryzyko związane z danymi (chmura, SaaS) z ryzykiem związanym z tożsamością i zachowaniem użytkowników.

W ujęciu Proofpoint DSPM wykrywa, klasyfikuje i chroni dane w środowiskach SaaS, PaaS, wielochmurowych, lokalnych i hybrydowych, korzystając z bezagentowego skanowania „w miejscu” (dane nie opuszczają swojego środowiska). Charakterystyczne dla tego podejścia jest przypisywanie danym wartości finansowej i wizualizowanie ścieżek ataku, dzięki czemu zespół bezpieczeństwa wie, gdzie skierować zasoby w pierwszej kolejności. Mocno akcentowane są też ryzyka związane z AI oraz unifikacja DSPM z DLP i mapowaniem zgodności.

Mimo różnic w narracji obie firmy zgadzają się co do fundamentów: DSPM to podejście oparte na danych, wykorzystujące klasyfikację AI, ograniczające nadmiarowe uprawnienia i wspierające zgodność z regulacjami.

DSPM jako fundament bezpiecznego wdrażania AI

Wątkiem, który dziś łączy wszystkich producentów, jest sztuczna inteligencja. Wdrożenie asystentów AI typu Copilot czy własnych modeli LLM (np. w architekturze RAG) ma sens tylko wtedy, gdy organizacja wie, do jakich danych te narzędzia mogą sięgnąć. Jeśli wrażliwy plik jest nadmiernie udostępniony, asystent AI z radością go podsumuje i udostępni dalej.

Dlatego DSPM bywa nazywany fundamentem, który pozwala pewnie powiedzieć „tak” dla AI. Bez uporządkowanego stanu bezpieczeństwa danych projekty AI często grzęzną lub zostają wstrzymane z obawy o wyciek. Producenci tacy jak Varonis czy Proofpoint rozwijają w tym kierunku integracje (np. Varonis z Microsoft Purview), aby dać organizacjom wgląd w to, jakie wrażliwe dane są dostępne dla narzędzi i agentów AI.

Komu i kiedy przydaje się DSPM

DSPM sprawdza się szczególnie w kilku scenariuszach:

  • Migracje do chmury – gdy trzeba zapanować nad danymi przenoszonymi do nowych środowisk.
  • Audyty prywatności i zgodność z RODO – DSPM lokalizuje dane osobowe i wspiera wykazanie zgodności z wymogami regulacyjnymi.
  • Fuzje i przejęcia (M&A) – szybkie zinwentaryzowanie i ocena ryzyka danych łączonych organizacji.
  • Bezpieczne wdrażanie AI – kontrola nad tym, do czego sięgają narzędzia generatywne.
  • Redukcja powierzchni ataku – wykrywanie i porządkowanie zapomnianych, zduplikowanych i nadmiarowo udostępnionych zasobów.

Podsumowanie

DSPM to odpowiedź na świat, w którym dane są wszędzie, a granica firmowej sieci dawno przestała istnieć. Zamiast chronić mury wokół zasobów, technologia ta chroni same dane – wykrywając je, klasyfikując, analizując dostęp, priorytetyzując ryzyko i pomagając je ograniczać w sposób ciągły. Niezależnie od tego, czy spojrzymy na nią oczami Varonis (od „znalezisk” do realnych rezultatów), czy Proofpoint (ryzyko skoncentrowane na człowieku), wniosek jest ten sam: w erze chmury i AI panowanie nad stanem bezpieczeństwa danych staje się jednym z filarów dojrzałej strategii cyberbezpieczeństwa.

Softinet jako integrator rozwiązań IT i OT pomaga dobrać i wdrożyć technologie DSPM dostosowane do środowiska Twojej organizacji – w tym rozwiązania Varonis i Proofpoint. Skontaktuj się z nami, aby porozmawiać o ochronie danych w Twojej firmie.