0Pricing
Cyber Security Academy · Pelajaran

Mengklasifikasikan Data

Beri label pada data sensitif

Mengklasifikasikan Data adalah pelajaran Cyber Security Academy gratis di CoddyKit. Ini adalah pelajaran 2 dari 4. Kamu bisa membaca pelajaran lengkapnya di bawah secara gratis — lalu praktikkan langsung di browser dengan editor kode bawaan dan tutor AI 24/7. Ini adalah bagian dari jalur belajar Cyber Security Academy, dan progresmu tersinkronisasi di web dan aplikasi CoddyKit. Kursus Cyber Security Academy mencakup 4 pelajaran total.

Mengapa Data Perlu Diklasifikasikan

Anda tidak dapat melindungi sesuatu yang belum dikategorikan. Klasifikasi data memberi label pada informasi berdasarkan tingkat sensitivitasnya agar kontrol, aturan akses, dan kebijakan DLP yang tepat dapat diterapkan. Klasifikasi data merupakan fondasi DLP dan sebagian besar program kepatuhan.

Skema Klasifikasi

Skema empat tingkat yang umum:

  • Publik: aman untuk dibagikan secara bebas.
  • Internal: untuk karyawan, dampak kebocoran rendah.
  • Rahasia: sensitif, dengan akses terbatas.
  • Terbatas / Sangat Rahasia: tingkat sensitivitas tertinggi, dengan kontrol ketat.

Pemetaan ke Jenis Data

Hubungkan setiap tingkat dengan contoh konkret agar staf mengetahui kategori data yang tepat:

  • Publik: brosur pemasaran.
  • Internal: bagan organisasi, catatan rapat.
  • Rahasia: PII pelanggan, kontrak.
  • Terbatas: data kartu, catatan kesehatan, rahasia.

Kategori Data yang Diatur

Beberapa data memiliki konsekuensi hukum:

  • PII: informasi yang dapat mengidentifikasi seseorang (GDPR).
  • PCI: data pemegang kartu.
  • PHI: informasi kesehatan yang dilindungi (HIPAA).

Data-data ini biasanya dipetakan ke kategori Rahasia atau Terbatas.

Memberi Label pada Data

Klasifikasi menjadi berguna ketika diberi label, yaitu dengan menempelkan kategori pada data agar alat dapat menindaklanjutinya.

  • Label metadata yang disimpan bersama berkas.
  • Penanda visual pada kepala/kaki halaman.
  • Kepala/label dalam surat elektronik dan dokumen.

Klasifikasi Manual Dibandingkan Otomatis

Dua pendekatan yang sering digabungkan:

  • Manual: pembuat memilih label saat membuat data; akurat tetapi tidak konsisten.
  • Otomatis: alat memindai konten dan menerapkan label berdasarkan pola; dapat diterapkan dalam skala besar tetapi memerlukan penyempurnaan.

Penemuan dan Pemindaian

Sebagian besar organisasi sudah memiliki data tanpa label di berbagai tempat. Alat penemuan data menelusuri folder bersama, basis data, dan penyimpanan awan untuk menemukan serta mengklasifikasikan data sensitif yang sudah ada.

# example: scan a directory for card-like patterns
grep -rEl '[0-9]{4}[- ]?[0-9]{4}[- ]?[0-9]{4}[- ]?[0-9]{4}' /shared/

Klasifikasi Menentukan Kontrol

Label menentukan aturan penanganan:

  • Terbatas: enkripsi, catat akses, dan blokir berbagi ke pihak luar.
  • Rahasia: batasi akses berdasarkan kebutuhan untuk tahu.
  • Publik: tanpa pembatasan.

Kebijakan DLP merujuk pada label untuk menentukan apakah suatu transfer harus diblokir.

Penanganan dan Penyimpanan Berdasarkan Kelas

Setiap kelas harus menentukan cara data disimpan, dikirimkan, dibagikan, serta lamanya data disimpan. Data terbatas mungkin memerlukan enkripsi dan masa penyimpanan singkat; data publik tidak memerlukan semua itu. Dokumentasikan hal ini dalam standar penanganan data.

Klasifikasi Ulang

Sensitivitas data berubah seiring waktu. Laporan pendapatan rahasia menjadi publik setelah dirilis. Tentukan kapan dan bagaimana data diklasifikasikan ulang atau diturunkan tingkat klasifikasinya agar kontrol tetap sebanding.

Kesalahan Umum

Program klasifikasi gagal ketika:

  • Terlalu banyak tingkat membingungkan pengguna (batasi menjadi 3–4).
  • Label tidak diberlakukan oleh alat.
  • Data lama tidak pernah ditemukan dan diberi label.
  • Tidak ada penanggung jawab yang jelas untuk memelihara skema.

Pemeriksaan Singkat

Terapkan tingkat klasifikasi.

Ringkasan

Klasifikasi adalah dasar perlindungan data:

  • Gunakan skema bertingkat yang sederhana (dari Publik hingga Terbatas).
  • Beri label pada data melalui metadata, penandaan, dan tag.
  • Gabungkan klasifikasi manual dan otomatis dengan penemuan data.
  • Biarkan label menentukan penanganan, masa penyimpanan, dan kontrol DLP.

Pertanyaan yang Sering Diajukan

Apakah pelajaran “Mengklasifikasikan Data” gratis?

Ya — teks lengkap “Mengklasifikasikan Data” gratis dibaca di sini di web. Untuk praktiknya secara interaktif (editor kode bawaan dan tutor AI 24/7) dan buka sisa kursus Cyber Security Academy, upgrade ke CoddyKit PRO. Kursus Cyber Security Academy mencakup 4 pelajaran total.

Apa yang akan aku pelajari di “Mengklasifikasikan Data”?

Beri label pada data sensitif Kamu berlatih Cyber Security Academy dengan kode praktik yang langsung kamu jalankan di browser, dan tutor AI 24/7 menjawab pertanyaanmu saat kamu mengerjakan pelajaran ini.

Apakah aku perlu pengalaman untuk memulai Cyber Security Academy?

Tidak diperlukan pengalaman sebelumnya. Cyber Security Academy di CoddyKit dirancang untuk pemula hingga pelajar tingkat lanjut, jadi kamu bisa memulai di sini atau dari awal dan belajar sesuai kecepatan kamu sendiri. Ini adalah pelajaran 2 dari 4.

Berapa lama pelajaran “Mengklasifikasikan Data” memakan waktu?

Sebagian besar pelajaran CoddyKit memakan waktu sekitar 5–10 menit. Setiap pelajaran ringkas dan interaktif, jadi kamu membuat kemajuan stabil dan melanjutkan dari tempat kamu tinggalkan di web dan aplikasi.

Bisakah aku menulis dan menjalankan kode dalam pelajaran Cyber Security Academy ini?

Ya. Setiap pelajaran Cyber Security Academy menyertakan editor kode bawaan, jadi kamu menulis dan menjalankan kode nyata langsung di browser dan mendapatkan umpan balik AI instan — tidak diperlukan penyiapan lokal.

Semua pelajaran dalam kursus ini

  1. Apa Itu DLP
  2. Mengklasifikasikan Data
  3. Kontrol DLP
  4. Ancaman Orang Dalam
← Kembali ke Cyber Security Academy