
Sehen Sie, wie künstliche Intelligenz von Fortras Data Classification Suite genutzt wird, um Daten zu identifizieren und zu klassifizieren, was die Arbeit für Endbenutzer erleichtert.
Der Einsatz von KI in allen Lebensbereichen wird stark gehypt, ganz zu schweigen von der Cybersicherheit. Wie Sie vielleicht bemerkt haben, ist ein Teil dieses Hypes übertrieben und im Bereich des Datenschutzes vergleichbar mit der Bereitstellung einer „Wunderwaffe“ zur Lösung der Probleme einer Organisation bei der Inhaltsanalyse.
Vor diesem Hintergrund möchte ich aufzeigen, wie künstliche Intelligenz tatsächlich in der Fortra Data Classification Suite (DCS) von Produkten eingesetzt wird, und gegebenenfalls näher auf den Kontext eingehen.
Zunächst einmal: Welches Problem löst unsere KI-Engine? Jüngste Untersuchungen haben gezeigt, dass 72 % der Amerikaner wenig bis gar kein Verständnis für Datenschutzgesetze haben. Personenbezogene Daten? Private Daten? Endnutzer wissen einfach nicht, welche Daten gesetzlich als „privat“ oder „sensibel“ gelten sollten.
Darüber hinaus haben wir festgestellt, dass Personen in einer langen Nachricht mit einer bis zu 40 % höheren Wahrscheinlichkeit persönliche Daten übersehen als in einer kürzeren. Wenn dies der Fall ist, besteht ein hohes Risiko, dass Dokumente falsch identifiziert werden. Ebenso haben wir festgestellt, dass Personen mit einer bis zu 14 % höheren Wahrscheinlichkeit Begriffe zur Identifizierung von Gesundheitsinformationen wie „Diabetes“ als persönlich übersehen als Begriffe wie „Benutzername“ und „Passwort“.
Die Data Detection Engine (DDE) von Fortra – die derzeit robusteste Lösung zur Datenerkennung – kann Inhalte analysieren und Ergebnisse auf der Grundlage von KI-Technologie liefern. Diese Ergebnisse können verwendet werden, um automatisch Klassifizierungswerte für Inhalte festzulegen, oder um den Endbenutzer aufzufordern, die vorgeschlagenen Klassifizierungswerte festzulegen, wodurch er viel Zeit spart:

DDE verfügt tatsächlich über eine Reihe von KI-Fähigkeiten, darunter:
- SmartRegex: Die Fähigkeit, reguläre Ausdrücke auszuführen, aber mit zusätzlicher Intelligenz, die beispielsweise jeden Begriff mit einem Buchstaben identifiziert, ist keine Kreditkarte. Dies trägt zur Leistung bei.
- Themenidentifizierung: Unsere KI-Engine ist in der Lage, bis zu 10 verschiedene Themen wie Bewerbungen, Rechnungen oder Inhalte zu Leistungen an Arbeitnehmer zu erkennen. Diese Themengebiete benötigen wahrscheinlich mehr Schutz.
- Named Entity Reference (NER): Die Fähigkeit, „Namen“ wie Personennamen und Postanschriften zu identifizieren. Beispiele sind „Alice Smith“ oder „10 Acacia Avenue“, die personenbezogene Daten (PII) sein könnten.
- Co-Referenz: Die Fähigkeit, einem Namen in einem Satz einen Kontext zuzuweisen, wie z. B. „Alice Smith ist Finanzberaterin in unserem Unternehmen. Leider wurde bei ihr kürzlich Multiple Sklerose diagnostiziert.“
- Identifizierung von personenbezogenen Daten: Beispiele hierfür sind Privatadressen, Telefonnummern, Kreditkartennummern, persönliche Gesundheitsinformationen, Pass- oder Sozialversicherungsnummern, Benutzernamen und Passwörter usw.
Zu diesen KI-Technologien gehören maschinelles Lernen mit statistischer Analyse, Deep Learning mit neuronalen Netzen und die Verarbeitung natürlicher Sprache. Die Kombination dieser Technologien bietet ein leistungsstarkes Mittel zur Erkennung sensibler Inhalte mit den Anwendungen, die Ihre Endbenutzer normalerweise verwenden.
Fortras DCS für Windows (mit Outlook und Office auf den Desktop-Produkten), DCS One für M365 (mit Outlook und Office in einem Browser) und DCS für DaR (Scannen von Data-at-Rest) sind alle in der Lage, DDE aufzurufen, um KI-Ergebnisse bereitzustellen.
Möchten Sie mehr darüber erfahren, wie Fortra Daten erkennen kann? Erfahren Sie, warum die Datenerkennungs-Engine von Fortra flexibel ist, um die Anforderungen von Unternehmen zu erfüllen, aber auch mit wachsenden Anforderungen Schritt halten kann.
Fachartikel

Wenn Angreifer selbst zum Ziel werden: Wie Forscher eine Infostealer-Infrastruktur kompromittierten

Mehr Gesetze, mehr Druck: Was bei NIS2, CRA, DORA & Co. am Ende zählt

WinDbg-UI blockiert beim Kopieren: Ursachenforschung führt zu Zwischenablage-Deadlock in virtuellen Umgebungen

RISE with SAP: Wie Sicherheitsmaßnahmen den Return on Investment sichern

Jailbreaking: Die unterschätzte Sicherheitslücke moderner KI-Systeme
Studien

Deutsche Unicorn-Gründer bevorzugen zunehmend den Standort Deutschland

IT-Modernisierung entscheidet über KI-Erfolg und Cybersicherheit

Neue ISACA-Studie: Datenschutzbudgets werden trotz steigender Risiken voraussichtlich schrumpfen

Cybersecurity-Jahresrückblick: Wie KI-Agenten und OAuth-Lücken die Bedrohungslandschaft 2025 veränderten
![Featured image for “Phishing-Studie deckt auf: [EXTERN]-Markierung schützt Klinikpersonal kaum”](https://www.all-about-security.de/wp-content/uploads/2025/12/phishing-4.jpg)
Phishing-Studie deckt auf: [EXTERN]-Markierung schützt Klinikpersonal kaum
Whitepaper

ETSI veröffentlicht weltweit führenden Standard für die Sicherung von KI

Allianz Risk Barometer 2026: Cyberrisiken führen das Ranking an, KI rückt auf Platz zwei vor

Cybersecurity-Jahresrückblick: Wie KI-Agenten und OAuth-Lücken die Bedrohungslandschaft 2025 veränderten

NIS2-Richtlinie im Gesundheitswesen: Praxisleitfaden für die Geschäftsführung

Datenschutzkonformer KI-Einsatz in Bundesbehörden: Neue Handreichung gibt Orientierung
Hamsterrad-Rebell

Cyberversicherung ohne Datenbasis? Warum CIOs und CISOs jetzt auf quantifizierbare Risikomodelle setzen müssen

Identity Security Posture Management (ISPM): Rettung oder Hype?

Platform Security: Warum ERP-Systeme besondere Sicherheitsmaßnahmen erfordern

Daten in eigener Hand: Europas Souveränität im Fokus






