Datu drošība

Datu drošība pētniecībā ir svarīga, lai nodrošinātu datu integritāti, konfidencialitāti un atbilstību ētiskajiem un juridiskajiem standartiem. Datu drošības pārkāpumi var apdraudēt pētniecības uzticamību, kaitēt dalībnieku privātumam, kā arī pētnieku un viņu institūciju reputācijai. Tā kā pētniecībā bieži tiek izmantota sensitīva informācija, piemēram, medicīniskie ieraksti, finanšu dati un personu identifikatori, datu noplūdes var radīt nopietnas sekas.

Galvenie iemesli, kāpēc datu drošība ir svarīga pētniecībā:

• sensitīvas informācijas aizsardzība: pētniecības datos, īpaši veselības aprūpē, sociālajās zinātnēs un inženierijā, bieži ir sensitīvas detaļas, kas prasa īpašu aizsardzību;
• atbilstība noteikumiem: daudzi pētniecības projekti ir pakļauti datu aizsardzības likumiem, piemēram, Vispārīgajai datu aizsardzības regulai (GDPR) ES vai Veselības apdrošināšanas pārnesamības un atbildības likumam (HIPAA) ASV. Šie regulējumi nosaka drošas datu apstrādes prakses un paredz sankcijas par neatbilstību;
• datu integritātes saglabāšana: datu drošība nodrošina, ka dati nav bojāti vai izmainīti, tādējādi saglabājot pētījumu derīgumu un uzticamību;
• datu noplūžu novēršana: datu noplūdes var radīt finansiālus un juridiskus zaudējumus, kā arī reputācijas kaitējumu, tāpēc svarīga ir drošu protokolu ieviešana;
• uzticība pētniecības procesam: droši dati palīdz uzturēt sabiedrības uzticību pētniecībai, veicinot dalībnieku piedalīšanos un uzlabojot pētījumu kvalitāti;
• ētiska atbildība: pētniekiem ir ētisks pienākums aizsargāt dalībnieku privātumu un konfidencialitāti, un augsti datu drošības standarti veicina atbildīgu pētniecību.

Prioritizējot datu drošību, pētniecības institūcijas nodrošina atbildīgu un atvērtu pētniecības vidi, ievērojot gan ētiskos, gan juridiskos standartus.

Neskatoties uz acīmredzamo nepieciešamību pēc datu drošības, pētnieki un institūcijas sastop dažādus izaicinājumus, īstenojot drošu datu apstrādi:

• resursu ierobežojumi: mazākām institūcijām var nebūt pietiekams budžets, lai nodrošinātu augstas kvalitātes drošības infrastruktūru, modernus rīkus un apmācības. Tas var kavēt jaunāko drošības pasākumu ieviešanu un atstāt datus nepietiekami aizsargātus;
• sarežģītas datu vides: pētniecības dati bieži tiek glabāti dažādās vietās, piemēram, serveros, mākoņpakalpojumos, kā arī personīgajos datoros un citās ierīcēs. Šī fragmentācija apgrūtina vienotu drošības pasākumu ieviešanu visiem datiem;
• piekļuves un drošības līdzsvarošana: pētniekiem nepieciešama ātra piekļuve datiem, bet stingri drošības pasākumi var kavēt pieejamību, radot spriedzi starp drošību un darba efektivitāti;
• cilvēku kļūdas: daudzi datu drošības pārkāpumi notiek cilvēku kļūdu dēļ, piemēram, izmantojot vājas paroles vai kļūdas datu apstrādē;
• kiberdraudu attīstība: tie pastāvīgi mainās, un institūcijām jāatjaunina drošības pasākumi, lai spētu atbildēt uz jaunākajiem apdraudējumiem;
• atbilstība normatīvajiem aktiem: starptautiskās sadarbības projektu gadījumā pētniekiem jāievēro dažādi datu aizsardzības likumi, kas var būt sarežģīti un laikietilpīgi;
• standartizētu politiku un procedūru trūkums: daudzas institūcijas nav izstrādājušas skaidras politikas un procedūras, kas var radīt neskaidrības par labākajām praksēm;
• tehnoloģiskie ierobežojumi: novecojušas sistēmas un aprīkojums var būt nesaderīgs ar mūsdienu drošības risinājumiem, apdraudot datu drošību.

Lai risinātu šos izaicinājumus, nepieciešama integrēta pieeja, kas ietver tehnoloģiskos risinājumus, apmācības, politikas izstrādi un pastāvīgu uzraudzību.

Lai efektīvi aizsargātu pētniecības datus, institūcijas un pētnieki ievieš vairākus būtiskus drošības pasākumus, kas palīdz novērst nesankcionētu piekļuvi, izmaiņas un datu zudumus:

• datu šifrēšana: šifrēšana gan glabāšanas, gan pārraides laikā nodrošina, ka, pat ja dati tiek pārtverti, tie paliek nesaprotami nesankcionētiem lietotājiem. Ir svarīgi izmantot spēcīgus šifrēšanas algoritmus un droši pārvaldīt šifrēšanas atslēgas;
• piekļuves kontrole un autentifikācija: stingra piekļuves kontrole nodrošina, ka tikai pilnvarotas personas piekļūst konkrētiem datiem. Tas ietver:
  • lomu balstīta piekļuves kontrole (RBAC), kas piešķir atļaujas, pamatojoties uz lietotāju lomām;
  • vairāku faktoru autentifikācija (MFA), kas pieprasa vairākas verifikācijas formas, piemēram, paroli un drošības kodu;
• datu anonimizācija un de-identifikācija: anonimizējot vai de-identificējot sensitīvus datus, tiek aizsargāts dalībnieku privātums. Tas ietver:
  • personisko identifikatoru noņemšanu, piemēram, vārdus vai personas kodus;
  • datu maskēšanu un obfuskāciju, lai novērstu indivīdu identificēšanu;
  • pseidonīmu izmantošanu, aizstājot identifikatorus ar kodiem;
• regulāras rezerves kopijas un avārijas atjaunošana: datu rezerves kopijas un skaidrs avārijas atjaunošanas plāns pasargā datus no zaudējumiem, kas var rasties no kiberdraudiem, aparatūras kļūmēm vai dabas katastrofām. Plānā ietilpst:
  • rezerves kopēšanas biežums un metodes;
  • atjaunošanas procedūras, lai minimizētu dīkstāvi;
  • plāna testēšana, lai nodrošinātu tā efektivitāti;
• tīkla drošība: datu aizsardzība tīklos ietver:
  • ugunsmūrus, kas uzrauga un kontrolē tīkla trafiku;
  • ielaušanās atklāšanas un novēršanas sistēmas (IDPS);
  • drošus savienojumus, piemēram, virtuālos privātos tīklus (VPN) un drošus saziņas protokolus (piemēram, HTTPS, SSL/TLS), lai aizsargātu datus pārsūtīšanas laikā;
• žurnāli un uzraudzība: piekļuves un datu izmaiņu žurnāli palīdz atklāt aizdomīgas aktivitātes un ātri reaģēt uz drošības pārkāpumiem;
• drošības apmācība un informētība: regulāras apmācības par datu drošības labāko praksi samazina cilvēku kļūdu risku, nodrošinot nepārtrauktu izglītību par tādām tēmām kā, pikšķerēšanas apzināšanos, paroļu pārvaldību un drošu datu apstrādi;
• fiziskās drošības kontrole: aizsargājot piekļuvi serveriem un datu uzglabāšanas ierīcēm, izmantojot:
  • drošas telpas ar piekļuves kontroles sistēmām, piemēram, atslēgu kartēm, biometriskajiem skeneriem un novērošanas sistēmām;
  • aprīkojuma drošību, lai aizsargātu ierīces no zādzības vai nesankcionētas izmantošanas.

Šie pasākumi veido spēcīgu datu drošības ietvaru, kas aizsargā pētniecības datus no dažādiem draudiem un nodrošina atbilstību ētikas standartiem.

Lai nodrošinātu pētniecības datu aizsardzību, ir jāievieš gan tehniskas stratēģijas, gan skaidras vadlīnijas datu apstrādei. Institūcijas un pētnieki var īstenot šādus pasākumus:

• institucionālo politiku izstrāde: jāizveido datu drošības politikas, kas atbilst pētniecības datiem raksturīgajiem riskiem, definējot piekļuves kontroli, datu lietošanu un koplietošanas kārtību;
• apmācības un izpratnes programmas: regulāras darbinieku un pētnieku apmācības palīdz mazināt cilvēka kļūdu risku un veicina atbildīgu datu apstrādi;
• drošu pētniecības platformu izmantošana: jāievieš datu pārvaldības rīki, kas nodrošina šifrēšanu un lietotāju piekļuves kontroli;
• periodiskas drošības pārbaudes: regulāri auditi identificē datu drošības vājās vietas un palīdz uzturēt efektīvus drošības pasākumus;
• sadarbība ar IT un drošības ekspertiem: kiberdrošības speciālistu iesaistīšana pētniecības procesā uzlabo drošības risinājumus un tehnisko atbalstu;
• datu drošības noteikumi sadarbības līgumos: ārējo partneru projektos jānosaka vienošanās par datu aizsardzības prasībām un standartiem;
• datu dzīves cikla pārvaldības politiku īstenošana: jāveido procedūras, kas risina datu drošību visos dzīves cikla posmos, tostarp datu klasifikāciju, glabāšanu, dzēšanu un iznīcināšanu;
• monitorings un incidentu reakcija: jāizveido sistēmas, kas ļauj atklāt un reaģēt uz drošības pārkāpumiem, tostarp jāizstrādā skaidrs rīcības plāns incidentu gadījumā.

Pielāgojamas un mērogojamas datu drošības politikas ļauj pētniekiem pasargāt datus, vienlaikus pielāgojoties dažādu projektu specifikai.

Pieaugot datu drošības nozīmei, institūcijām un pētniekiem ir svarīgi ievērot normatīvos aktus, kas regulē drošu datu apstrādi. Normatīvās prasības mainās, un to ievērošana prasa regulāru pielāgošanos.

Galvenie normatīvie akti datu aizsardzībā:

• Vispārīgā datu aizsardzības regula (VDAR/GDPR): regulē ES pilsoņu datu aizsardzību, uzsverot privātuma tiesības un stingru drošību;
• Veselības apdrošināšanas pārnesamības un atbildības akts (HIPAA): ASV nosaka prasības veselības datu drošai apstrādei;
• Ģimenes izglītības tiesību un privātuma akts (FERPA): ASV aizsargā izglītības datus, kas būtiski pētījumiem ar studentu dalību;
• nacionālās datu aizsardzības politikas: dažādās valstīs ir savi datu aizsardzības likumi, kas jāievēro starptautisko projektu īstenošanā.

Nākotnes tendences pētniecības datu drošībā:

• mākslīgā intelekta integrācija: MI analizē lielu datu apjomu, lai identificētu draudus reāllaikā, prognozētu ievainojamības un automatizētu reakcijas uz drošības incidentiem;
• blokķēdes tehnoloģija: nodrošina decentralizētu un drošu datu integritātes pārbaudi un koplietošanu;
• privātumu saglabājoša skaitļošana: tādi risinājumi kā diferenciālā privātuma pieeja ļauj analizēt sensitīvus datus, saglabājot konfidencialitāti;
• uzlabotas šifrēšanas metodes: kvantu un homomorfā šifrēšana piedāvā jaunas iespējas datu drošībai pret nākotnes kiberdraudiem;
• nulles uzticības drošības modeļi: šie modeļi prasa visu lietotāju un ierīču autentifikāciju un autorizāciju, sadalot tīklus mazākās zonās, lai mazinātu iespējamos riskus.
• regulējošo tehnoloģiju (RegTech) risinājumi: automatizēta atbilstības uzraudzība un problemātisko zonu identificēšana.

Nepārtraukti attīstoties tehnoloģijām un normatīvajiem aktiem, institūcijām un pētniekiem jāpielāgojas šīm izmaiņām, lai nodrošinātu datu aizsardzību un ilgtspējīgu pētniecības praksi.

Hajare R., Hodage R., Wangwad O., Mali Y., Bagwan F. (2021). Data security in cloud computing. International Journal of Scientific Research in Computer Science, Engineering and Information Technology, Vol. 8 (3), pp. 240–245.

Marquette University. (n.d.). Data Security for Data Management Plans. [tiešsaiste] [skatīts 11/24/2024]. Pieejams: https://www.marquette.edu/research-sponsored-programs/documents/data-management-planning-security-overview.pdf

Melbourne Polytecnhic Library. (n.d.). Research Data Management (RDM): Data Storage & Security. [tiešsaiste] [skatīts 11/24/2024]. Pieejams: https://libguides.melbournepolytechnic.edu.au/ResearchDataManagement/DataStorageandSecurity

Petkovič M., Jonker W. (2007). Security, Privacy, and Trust in Modern Data Management. Springer; 467 p.

Sun Y., Zhang J., Xiong Y., Zhu G. (2014). Data Security and privacy in cloud computing. International Journal of Distributed Sensor Networks, pp. 1–9. DOI: 10.1155/2014/190903

Velumadhava Rao R., Selvamani K. (2015). Data security challenges and its solutions in cloud computing. Procedia Computer Science, Vol. 48, pp. 204–209. DOI: 10.1016/j.procs.2015.04.171

Washington State University. (2024). Research Data Management: Data Security. [tiešsaiste] [skatīts 11/24/2024]. Pieejams: https://libguides.libraries.wsu.edu/rdmlibguide/datasecurity