情報漏えい対策 (DLP).

情報漏えい対策 (DLP) は、データを通信中・保存中・利用中それぞれの状態で検査し、規制対象または機密データを信頼できる境界内に保つためにポリシーを適用するコントロール領域です。DLP エンジンは、パターンマッチング、辞書ルール、Exact Data Matching、機械学習、文書フィンガープリント等を組み合わせて、PII、決済情報、ソースコード、知的財産を検出します。代表的な強制アクションには、外向きメールのブロック、ファイルの隔離、理由入力の必須化、送信前のマスキングなどがあります。成熟した運用では、データ分類・IAM・SIEM/SOAR と連携し、インシデントのトリアージ、証跡保全、誤検知を抑えるためのチューニングを行い、GDPR・HIPAA・PCI DSS への対応を支えます。

チャネル・検知・内部脅威の問題

DLP は通常、3 つの強制ポイントに展開されます。エンドポイントエージェント(USB へのコピー・印刷・クリップボード・スクリーンショットのブロック)、ネットワーク/メールゲートウェイ(SMTP・Web アップロード・クラウド同期の検査)、そして SaaS やオブジェクトストレージの保存データを走査するクラウド/API コネクタです。検知の品質は、適切なコンテンツを識別できるかにかかっています。正規表現だけでは過検知になりすぎるため、本格的なプログラムでは Exact Data Matching(実在する顧客データベースの行をハッシュ化)、独自ファイルの文書フィンガープリント、規制対象用語の辞書を重ねます。PCI DSS 要件 4 や GDPR 第 32 条がよくある推進要因ですが、最も価値あるルールはしばしば最も単純なもの、すなわち 1 人のユーザーが一度に数千件のレコードをエクスポートしたときにアラートを出すことです。

最も難しいのは、大規模なハッキングよりも内部関係者とエンドポイントからの持ち出しです。2022 年、Yahoo は退職する研究員 Qian Sang を提訴し、彼が競合他社の内定を受けた数分後に同社の AdLearn の知的財産に関する約 57 万件のファイルを個人デバイスにダウンロードしたと主張しました。これはまさに DLP が捕捉すべき「利用中」の持ち出しです。動機を持った内部関係者は画面を撮影したり暗号化チャネルを使ったりできるため、DLP はより広範なプログラムの一層として最も効果を発揮します。すなわち、最小権限アクセス、ユーザー行動監視(UEBA)、暗号化を組み合わせ、誤検知によって担当者がアラートを無視するよう仕向けられないよう継続的にチューニングします。

flowchart TD
  D[機微データ<br/>PII / PCI / ソースコード] --> C{DLP 検査}
  C -->|エンドポイント| E[USB / 印刷 / クリップボード]
  C -->|ネットワーク/メール| N[SMTP / Web アップロード]
  C -->|クラウド/API| S[SaaS / オブジェクトストレージ]
  E --> P{ポリシー一致?}
  N --> P
  S --> P
  P -->|Yes| B[ブロック/隔離/マスキング<br/>+ SIEM へアラート]
  P -->|No| A[許可]