Datamaskering kan begränsa exponeringen av känsliga uppgifter när AI-användningen ökar

När AI-verktyg och agenter får tillgång till mer företagsdata ställs organisationer inför frågan: behöver varje användare eller system se de ursprungliga känsliga värdena för att kunna utföra sitt arbete?

Datamaskering ersätter känslig information med realistiska men oanvändbara värden. De resulterande uppgifterna kan behålla egenskaper som behövs för programvaruutveckling, testning och analys utan att den ursprungliga informationen exponeras. Beroende på uppgiften kan organisationer också använda tokenisering eller kryptering, eller hindra ett AI-system från att komma åt en datamängd.

Det är en utmaning att hitta känsliga uppgifter. 2026 Thales Data Threat Report visade att 34 % av de tillfrågade organisationerna hade fullständig kunskap om var deras data lagrades, medan 39 % uppgav att de kunde klassificera all sin data. Organisationerna uppgav att de i genomsnitt använde sju olika verktyg för dataskydd och övervakning. Data kan kopieras till molntjänster, utvecklingsmiljöer och säkerhetskopior, och känsliga detaljer kan också finnas dolda i ostrukturerade dokument.

Hantering av datasäkerhetsstatus (DSPM) fokuserar på att upptäcka och klassificera känslig information, var den finns och vem eller vad som kan komma åt den. Organisationer kan sedan besluta om de ska ta bort eller begränsa åtkomsten, eller använda skydd som maskering, tokenisering och kryptering.

Rapporten visade också att 61 % av organisationerna uppgav att angripare riktade in sig på deras AI-applikationer, med känsliga uppgifter som främsta mål. Artikeln framhåller att åtkomst till en databas inte automatiskt bör ge ett AI-system åtkomst till alla råvärden i den. Att tillämpa principen om minsta privilegium på data innebär att ge tillgång till det som behövs för en uppgift och skydda resten.