Cyber Security Academy · Les

Gegevens classificeren

Label gevoelige gegevens

Les 2 van 413 stappen

Gegevens classificeren is een gratis Cyber Security Academy-les op CoddyKit. Dit is les 2 van 4. Je kunt 3 lessen uit dit leerpad gratis volledig lezen — daarna ontgrendelt CoddyKit PRO alle lessen, plus praktische oefeningen met een ingebouwde code-editor en een AI-tutor die 24/7 beschikbaar is. Deze les maakt deel uit van het leertraject Cyber Security Academy. Je voortgang wordt gesynchroniseerd op het web en in de CoddyKit-app. De cursus Cyber Security Academy bevat in totaal 4 lessen.

Waarom gegevens classificeren

Je kunt niet beschermen wat je niet hebt gecategoriseerd. Gegevensclassificatie labelt informatie op basis van gevoeligheid, zodat de juiste beheersmaatregelen, toegangsregels en DLP-beleidsregels van toepassing zijn. Het vormt de basis van DLP en de meeste complianceprogramma's.

Een classificatieschema

Een veelgebruikt schema met vier niveaus:

  • Openbaar: veilig om vrij te delen.
  • Intern: voor medewerkers, met weinig schade als het uitlekt.
  • Vertrouwelijk: gevoelig, met beperkte toegang.
  • Beperkt / Geheim: hoogste gevoeligheid, met strikte beheersmaatregelen.

Koppeling aan gegevenstypen

Koppel niveaus aan concrete voorbeelden, zodat medewerkers weten waar gegevens thuishoren:

  • Openbaar: marketingbrochures.
  • Intern: organogrammen, vergadernotities.
  • Vertrouwelijk: PII van klanten, contracten.
  • Beperkt: kaartgegevens, gezondheidsgegevens, geheimen.

Gereguleerde gegevenscategorieën

Sommige gegevens hebben juridische betekenis:

  • PII: persoonlijk identificeerbare informatie (GDPR).
  • PCI: gegevens van kaarthouders.
  • PHI: beschermde gezondheidsinformatie (HIPAA).

Deze vallen meestal onder Vertrouwelijk of Beperkt.

Gegevens labelen

Classificatie wordt nuttig wanneer deze wordt gelabeld: de categorie wordt aan de gegevens gekoppeld, zodat hulpmiddelen ermee kunnen werken.

  • Metadatalabels die bij het bestand worden opgeslagen.
  • Visuele markeringen in kopteksten en voetteksten.
  • Kopteksten en labels in e-mails en documenten.

Handmatige versus geautomatiseerde classificatie

Twee benaderingen, die vaak worden gecombineerd:

  • Handmatig: de auteur kiest bij het maken een label; nauwkeurig maar inconsistent.
  • Geautomatiseerd: hulpmiddelen scannen de inhoud en passen labels toe op basis van patronen; schaalbaar maar vereist afstemming.

Gegevensontdekking en scannen

De meeste organisaties hebben overal al gegevens zonder label. Hulpmiddelen voor gegevensontdekking doorzoeken gedeelde bestandslocaties, databases en cloudopslag om bestaande gevoelige gegevens te vinden en te classificeren.

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

Classificatie bepaalt de maatregelen

Het label bepaalt de verwerkingsregels:

  • Beperkt: versleutel gegevens, registreer toegang en blokkeer delen met externe partijen.
  • Vertrouwelijk: beperk toegang tot personen die deze nodig hebben.
  • Openbaar: geen beperkingen.

DLP-beleid verwijst naar labels om te bepalen of een overdracht moet worden geblokkeerd.

Verwerking en bewaartermijn per klasse

Elke klasse moet bepalen hoe gegevens worden opgeslagen, verzonden en gedeeld, en hoe lang ze worden bewaard. Voor beperkte gegevens kunnen versleuteling en een korte bewaartermijn nodig zijn; voor openbare gegevens gelden geen van beide. Leg dit vast in een norm voor gegevensverwerking.

Herclassificatie

De gevoeligheid van gegevens verandert in de loop van de tijd. Een vertrouwelijk winstrapport wordt openbaar nadat het is gepubliceerd. Bepaal wanneer en hoe gegevens opnieuw worden geclassificeerd of in een lagere klasse worden ingedeeld, zodat de maatregelen proportioneel blijven.

Veelvoorkomende valkuilen

Classificatieprogramma's mislukken wanneer:

  • Te veel niveaus gebruikers in verwarring brengen (houd het bij 3 à 4).
  • Labels niet door hulpmiddelen worden afgedwongen.
  • Verouderde gegevens nooit worden ontdekt en gelabeld.
  • Niemand duidelijk verantwoordelijk is voor het beheer van de indeling.

Snelle controle

Pas de classificatieniveaus toe.

Samenvatting

Classificatie is de basis van gegevensbescherming:

  • Gebruik een eenvoudige indeling in niveaus (van Openbaar tot Beperkt).
  • Label gegevens met metagegevens, markeringen en tags.
  • Combineer handmatige en geautomatiseerde classificatie met gegevensontdekking.
  • Laat het label de verwerking, bewaartermijn en DLP-maatregelen bepalen.
Gratis beginnen

Leer Cyber Security Academy met een AI-tutor — gratis

Schrijf echte code en voer die uit in je browser, krijg direct hulp van een AI-tutor die 24/7 beschikbaar is en ga verder waar je gebleven bent op het web of in de app.

Cursussen
76
Lessen
303

Veelgestelde vragen

Is de les “Gegevens classificeren” gratis?

Ja — je kunt hier op het web alle 3 lessen van het leerpad Cyber Security Academy, waaronder “Gegevens classificeren”, gratis volledig lezen. Daarna ontgrendelt CoddyKit PRO alle lessen, plus interactieve oefeningen met een ingebouwde code-editor en een AI-tutor die 24/7 beschikbaar is. De cursus Cyber Security Academy bevat in totaal 4 lessen.

Wat leer ik in “Gegevens classificeren”?

Label gevoelige gegevens Je oefent met Cyber Security Academy door code rechtstreeks in de browser uit te voeren. Een AI-begeleider die 24/7 beschikbaar is beantwoordt je vragen terwijl je de les doorwerkt.

Heb ik ervaring nodig om met Cyber Security Academy te beginnen?

Ervaring vooraf is niet nodig. Cyber Security Academy op CoddyKit is opgebouwd voor beginners tot gevorderden, zodat je hier of bij het begin kunt starten en in je eigen tempo kunt leren. Dit is les 2 van 4.

Hoe lang duurt de les “Gegevens classificeren”?

De meeste lessen van CoddyKit duren ongeveer 5–10 minuten. Elke les is kort en interactief, zodat je gestaag vooruitgaat en op het web en in de app precies verdergaat waar je was gebleven.

Kan ik code schrijven en uitvoeren in deze les over Cyber Security Academy?

Ja. Elke les over Cyber Security Academy bevat een ingebouwde code-editor, zodat je rechtstreeks in je browser echte code kunt schrijven en uitvoeren en direct feedback van AI krijgt — lokale installatie is niet nodig.

Alle lessen in deze cursus

  1. Wat is DLP
  2. Gegevens classificeren
  3. DLP-maatregelen
  4. Interne dreigingen
← Terug naar Cyber Security Academy