{"id":6534,"date":"2026-10-30T01:57:07","date_gmt":"2026-10-30T04:57:07","guid":{"rendered":"https:\/\/tucumandevelopers.com\/index.php\/2026\/10\/30\/para-este-halloween-consideremos-tambien-enmascarar-nuestros-datos-confidenciales\/"},"modified":"2026-10-30T01:57:07","modified_gmt":"2026-10-30T04:57:07","slug":"para-este-halloween-consideremos-tambien-enmascarar-nuestros-datos-confidenciales","status":"publish","type":"post","link":"https:\/\/tucumandevelopers.com\/index.php\/2026\/10\/30\/para-este-halloween-consideremos-tambien-enmascarar-nuestros-datos-confidenciales\/","title":{"rendered":"Para este Halloween consideremos tambi\u00e9n enmascarar nuestros datos confidenciales"},"content":{"rendered":"
\n
\n
\n

Por Rom<\/em>\u00e1n Baudrit, Vicepresidente de Cloud Protection and License para Am\u00e9rica Latina en Thales. <\/em><\/strong><\/p>\n

Como alguien que ha dedicado su carrera a la seguridad de los datos, suelo encontrar lecciones de ciberseguridad en lugares inesperados, incluso en Halloween, una celebraci\u00f3n cada vez m\u00e1s popular en Am\u00e9rica Latina. Entre los disfraces, las caracterizaciones y, por supuesto, las m\u00e1scaras, hay una lecci\u00f3n que tambi\u00e9n se aplica a los datos: a veces, aquello que m\u00e1s valoramos est\u00e1 mejor protegido cuando no se muestra tal como es.<\/p>\n

Las organizaciones est\u00e1n creando, moviendo y compartiendo datos confidenciales a un ritmo extraordinario. La adopci\u00f3n de la nube, las aplicaciones SaaS y ahora la IA ag\u00e9ntica y generativa est\u00e1n ampliando los repositorios adonde se almacenan esos datos y qu\u00e9 o qui\u00e9nes puede acceder a ellos.  Los l\u00edderes de ciber-seguridad no s\u00f3lo tienen que mantener a los intrusos fuera de los muros, sino que tambi\u00e9n deben entender d\u00f3nde existen los datos sensibles, c\u00f3mo se est\u00e1n utilizando y c\u00f3mo protegerlos dondequiera que vayan.  Esto significa que, a veces, hay que ponerle una m\u00e1scara a la informaci\u00f3n y los datos.<\/p>\n

Un disfraz con un prop\u00f3sito serio<\/strong><\/span><\/h2>\n

El enmascaramiento de datos (\u201cData-Masking\u201d) sustituye informaci\u00f3n sensible por valores modificados o ficticios que permiten realizar determinadas tareas sin exponer los datos originales.  Seg\u00fan la t\u00e9cnica utilizada, es posible conservar caracter\u00edsticas como el formato o ciertas propiedades necesarias de los datos para desarrollar, probar o analizar aplicaciones, sin revelar informaci\u00f3n confidencial innecesariamente.<\/p>\n

Esto es importante porque una de las formas m\u00e1s efectivas de reducir el riesgo de los datos es minimizar la exposici\u00f3n innecesaria desde su gestaci\u00f3n.  Si un empleado, contratista, aplicaci\u00f3n o modelo de IA no necesita acceder a nombres reales de clientes, n\u00fameros de cuenta u otra informaci\u00f3n confidencial para hacer su trabajo, \u00bfpor qu\u00e9 exponerla?  El enmascaramiento permite a las organizaciones preservar la utilidad de los datos<\/strong> mientras reduce las consecuencias si esos datos terminan donde no deben.<\/p>\n

Identificar d\u00f3nde se almacenan los datos sensibles y qui\u00e9nes pueden acceder a ellos es clave para reducir los riesgos de exposici\u00f3n.<\/figcaption><\/figure>\n

Saber qu\u00e9 necesita una m\u00e1scara<\/strong><\/span><\/h2>\n

Por supuesto, no se puede proteger la informaci\u00f3n confidencial si no se sabe que existe y su nivel de riesgo.  Ese es uno de los desaf\u00edos definitorios para los equipos de seguridad en la actualidad.  La informaci\u00f3n sensible puede estar guardada en un repositorio en la nube creado hace a\u00f1os, duplicada en un \u201cdata lake\u201d<\/em>, enterrada en un documento no estructurado o accesible para una aplicaci\u00f3n de IA que ni siquiera se imaginaba cuando se recopilaron los datos originalmente.<\/p>\n

Aqu\u00ed es donde el enfoque de Gesti\u00f3n de la Postura de Seguridad de los Datos (DSPM, por sus siglas en ingl\u00e9s) cobra cada vez m\u00e1s importancia.  La DSPM ayuda a las organizaciones a definir un marco para descubrir y clasificar los datos confidenciales y a comprender el contexto que los rodea.  \u00bfD\u00f3nde est\u00e1n?, \u00bfQui\u00e9n tiene acceso?, \u00bfC\u00f3mo se est\u00e1n utilizando?, \u00bfEst\u00e1n adecuadamente protegidos?, y \u00bfQu\u00e9 riesgos requieren atenci\u00f3n realmente?<\/p>\n

La visibilidad es solo un primer paso.  Despu\u00e9s de identificados, los datos sensibles y sus riesgos de exposici\u00f3n, las organizaciones deben actuar: revisar permisos, limitar accesos innecesarios y aplicar controles como el enmascaramiento, la tokenizaci\u00f3n o el cifrado, seg\u00fan el tipo de dato y su uso.  El objetivo no es \u00fanicamente saber d\u00f3nde est\u00e1n los datos, sino reducir las posibilidades de que se expongan o utilicen indebidamente.<\/p>\n

Datos de IA: \u00bftruco o trato?<\/strong><\/span><\/h2>\n

Esa distinci\u00f3n se vuelve cr\u00edtica a medida que las organizaciones se apresuran a adoptar la IA.  Los empleados ya est\u00e1n encontrando nuevas formas de utilizar los datos empresariales con copilotos, modelos y agentes de IA.<\/p>\n

El desaf\u00edo va m\u00e1s all\u00e1 de lo que los empleados escriben en una instrucci\u00f3n.  Un sistema de IA tambi\u00e9n puede consultar documentos, bases de datos y repositorios empresariales, seg\u00fan los permisos que tenga asignados.  Si esos accesos son demasiado amplios, puede exponer informaci\u00f3n que el usuario o el propio sistema no necesitan para completar una tarea, o bien generar resultados que incorporan datos confidenciales a partir de una consulta.  Por eso, proteger los datos en entornos de IA exige combinar visibilidad, controles de acceso y t\u00e9cnicas de protecci\u00f3n que limiten la exposici\u00f3n de la informaci\u00f3n sensible.<\/p>\n

La oportunidad de negocio es enorme, pero las organizaciones deben asegurarse de que los sistemas de IA s\u00f3lo accedan a la informaci\u00f3n que necesitan.  Caso contrario, la innovaci\u00f3n puede traer consigo sorpresas que nadie quiere encontrar.<\/p>\n

La adopci\u00f3n de la IA est\u00e1 cambiando la forma en que las organizaciones acceden, procesan y comparten informaci\u00f3n, tanto en su entorno como con sus proveedores y clientes.  En mis conversaciones con varias empresas, identifiqu\u00e9 una preocupaci\u00f3n com\u00fan: C\u00f3mo aprovechar estas tecnolog\u00edas sin perder visibilidad ni control sobre los datos sensibles.<\/p>\n

La pregunta que hacemos cada vez con m\u00e1s frecuencia a los clientes es:  \u00bfSabes a qu\u00e9 datos puede acceder la IA que utiliza tu organizaci\u00f3n? A partir de ah\u00ed, analizamos qu\u00e9 informaci\u00f3n necesitan realmente esos sistemas para cumplir sus funciones y cu\u00e1ndo es posible limitar el acceso a los datos originales.<\/p>\n

A partir de all\u00ed ayudamos a nuestros clientes a definir las medidas adecuadas para cada caso: cifrar, tokenizar o enmascarar la informaci\u00f3n, o restringir el acceso cuando sea necesario.  El objetivo es que puedan aprovechar el potencial de la IA sin exponer datos sensibles m\u00e1s all\u00e1 de lo indispensable.<\/p>\n

Halloween va a pasar, pero la necesidad de proteger los datos permanece.  En un entorno donde la informaci\u00f3n circula entre aplicaciones, personas y sistemas de IA, el enmascaramiento puede ayudar a reducir la exposici\u00f3n de los datos sensibles sin impedir que se utilicen para tareas leg\u00edtimas. Porque la mejor protecci\u00f3n no consiste en dejar de compartir informaci\u00f3n, sino en compartir \u00fanicamente lo necesario, con los controles adecuados, y con la trazabilidad correspondiente.<\/p>\n

Leer m\u00e1s<\/span><\/h3>\n