Chaque bac porte une étiquette

Ouvre la chambre froide d'une cuisine sérieuse. Chaque bac porte une étiquette : ce qu'il contient, le jour où il est entré, le jour où il doit sortir, les allergènes. Les produits les plus anciens sont devant. Le poisson cru est en bas, les préparations cuites en haut. Ce qui a dépassé sa date part à la poubelle, et quelqu'un le note.

Rien de tout cela n'est du zèle. Sans étiquette, un bac de fond blanc ressemble à un bac de bouillon de crustacés. Sans date, personne ne sait ce qui est encore bon. Sans règle de sortie, la chambre se remplit de choses que plus personne n'ose jeter.

Les données d'un logiciel se gèrent de la même façon. Il faut savoir ce qu'on a, à qui cela appartient, combien de temps on le garde, qui y touche et comment on s'en débarrasse. Ce billet parcourt ces cinq questions, et il s'appuie sur les billets du blog consacrés à la protection des données personnelles.

En bref. Cinq questions à poser à chaque donnée : ce qu'on a, à qui elle appartient, combien de temps on la garde, qui y touche, comment on s'en débarrasse. Le cas réel est l'intrusion chez Starwood, rachetée par Marriott, et la sanction annoncée par l'ICO en octobre 2020.

Classer : toutes les données ne se valent pas

Protéger tout au niveau maximal coûte trop cher et ne tient pas. Protéger tout au niveau minimal ne protège rien. La classification résout ce dilemme : on range les données en quelques niveaux, et chaque niveau entraîne des règles de manipulation.

Niveau Ce qu'on y range Si ça fuit Règles de manipulation En cuisine
Public Ce qui est fait pour être publié Rien Contrôler l'intégrité La carte affichée en vitrine
Interne Le fonctionnement courant Gêne limitée Accès réservé aux employés Le planning de la brigade
Confidentiel Données de clients, données commerciales Préjudice pour des personnes ou pour l'entreprise Chiffrement en transit et au repos, accès par rôle, journal Le carnet de réservations
Restreint Données dont la fuite cause un dommage grave Dommage grave, obligation de notification Chiffrement par champ, accès nominatif justifié, journal de lecture Les allergies déclarées, les moyens de paiement

Quatre niveaux suffisent à la plupart des organisations. Au-delà, plus personne ne sait faire la différence entre deux niveaux voisins, et tout finit dans celui du milieu.

Deux critères servent à classer. Le premier est l'impact, tel que le billet P1 l'a posé : que coûte une perte de confidentialité, d'intégrité ou de disponibilité ? Le second est l'obligation : certaines catégories sont désignées par un texte, comme les données de santé ou les données de carte de paiement, et leur niveau ne se discute pas.

Une classification n'existe que si elle est visible. C'est le rôle de l'étiquetage : la donnée porte sa classe avec elle. Dans une base, c'est une métadonnée sur la colonne. Dans un schéma d'API, une annotation sur le champ. Dans un document, une mention. L'étiquette permet ensuite d'automatiser : masquer un champ « restreint » dans les journaux, refuser son export, alerter quand il sort.

La figure 1 montre ce que l'étiquette déclenche pour une colonne classée « restreint ».

Journaux Colonneétiquetéeclasse : restreint Export Alerte 1 valeur masquée 2 export refusé 3 alerte 4 1 2 3 4 1. Dans une base, l'étiquette est une métadonnée sur la colonne : ici, la classe «restreint » 2. Le champ « restreint » est masqué dans les journaux 3. Son export est refusé 4. Une alerte part quand il sort
  1. Dans une base, l'étiquette est une métadonnée sur la colonne : ici, la classe « restreint »
  2. Le champ « restreint » est masqué dans les journaux
  3. Son export est refusé
  4. Une alerte part quand il sort
Figure 1 : ce que l'étiquette permet d'automatiser

La difficulté varie selon la forme. Les données structurées se classent colonne par colonne, une fois. Les données non structurées, comme les pièces jointes, les champs de commentaire libres ou les exports, échappent à cette méthode.

Le champ « remarques ». Un champ « remarques » finit toujours par contenir ce qu'on voulait justement mettre ailleurs. La parade est de conception : limiter les zones de texte libre, et les classer au niveau le plus élevé de ce qu'elles peuvent contenir.
À retenir. Une donnée sans étiquette sera traitée comme la moins sensible de toutes.

À qui est ce bac ?

Une donnée sans propriétaire n'a ni classe ni durée de vie, parce que personne n'a qualité pour en décider. Trois rôles se partagent le travail.

Rôle Qui Ce qu'il décide ou fait En cuisine
Propriétaire Un responsable métier La classe, qui a accès, combien de temps on garde Le chef : il décide de ce qui entre et sort
Dépositaire L'équipe technique Applique les règles : chiffrement, sauvegarde, contrôle d'accès Le chef de partie qui tient la chambre froide
Utilisateur Toute personne ou service qui consomme la donnée Respecte les règles de manipulation Le cuisinier qui se sert

La figure 2 place ces trois rôles autour de la donnée.

  • Celui qui décide
  • Les règles, de la décision à l'application
Figure 2 : trois rôles autour d'une donnée
L'équipe technique propriétaire. L'erreur répandue est de faire de l'équipe technique le propriétaire. Elle héberge la donnée, elle n'en connaît ni la valeur ni l'usage.

Un administrateur de base ne peut pas dire si l'historique des commandes doit être gardé trois ans ou dix. Celui qui répond du métier le peut.

Quand il s'agit de données personnelles, le droit européen ajoute ses propres rôles : le responsable de traitement, qui décide pourquoi et comment on traite, et le sous-traitant, qui traite pour son compte. Ils ne recouvrent pas exactement les trois rôles ci-dessus. Un billet du blog leur est consacré.


Six étapes dans la vie d'une donnée

Une donnée n'est pas un objet immobile. Elle naît, circule, vieillit et disparaît. Chaque étape a ses risques et ses contrôles. La figure 3 les met dans l'ordre.

Figure 3 : le cycle de vie d'une donnée. Toutes ne passent pas par le partage.
Étape La question à trancher Le contrôle principal Ce qu'on oublie
Créer ou collecter A-t-on besoin de cette donnée ? Minimisation, classification à l'entrée Les champs « au cas où »
Stocker Où, et sous quelle protection ? Chiffrement, séparation Les caches, les files, les fichiers temporaires
Utiliser Qui peut lire et modifier ? Contrôle d'accès, masquage Les journaux, les messages d'erreur
Partager Avec qui, sous quel accord ? Contrat, canal chiffré, traçabilité Les exports manuels, les environnements de test
Archiver Combien de temps, et accessible à qui ? Durée écrite, accès restreint Les archives qu'on ne purge jamais
Détruire Comment prouver que c'est fait ? Effacement vérifié Les sauvegardes, les copies chez les tiers

La colonne de droite est la plus utile. Dans presque toutes les fuites documentées, la donnée n'a pas été prise dans la base principale, bien gardée. Elle a été prise dans une copie : un journal, une sauvegarde, un export, un environnement de test. Dresser la carte de ces copies fait partie de la conception.

À retenir. Une question simple, posée pour chaque donnée sensible, révèle la plupart des oublis : dans combien d'endroits cette valeur existe-t-elle au moment où je parle ?

La vie privée n'est pas la confidentialité

Le billet P1 l'avait annoncé : une donnée peut être parfaitement protégée et n'avoir jamais dû être collectée. La vie privée pose des questions que la sécurité seule ne pose pas. A-t-on le droit de traiter cette donnée ? Pour quoi faire ? La personne le sait-elle ? Peut-elle s'y opposer ?

Du point de vue de celui qui conçoit, six exigences reviennent dans presque tous les projets qui touchent à des personnes.

Exigence Ce qu'elle demande Ce que cela change dans le logiciel
Périmètre de collecte Ne collecter que ce qui sert la finalité annoncée Moins de champs, pas de collecte par défaut
Finalité Ne pas réutiliser pour autre chose sans base valable Les données portent leur finalité ; l'analytique ne puise pas dans tout
Consentement et information Recueillir un accord quand il est requis, pouvoir le retirer Un registre des consentements, daté, consultable par le code
Droits des personnes Accès, rectification, effacement, portabilité Savoir retrouver toutes les données d'une personne, dans tous les systèmes
Durée de conservation Ne pas garder au-delà du nécessaire Une durée par catégorie, et un mécanisme qui purge
Transferts Encadrer la sortie des données vers d'autres pays Savoir où sont hébergées les données, sous-traitants compris

La quatrième ligne est celle qui coûte le plus cher quand on l'a oubliée. Effacer une personne suppose de savoir où elle est : dans la base, dans l'entrepôt de données, dans les journaux, dans les messages d'une file, chez trois sous-traitants. Un système qui n'a pas été conçu pour cela ne le fera pas sans un chantier.

La figure 4 dessine ces endroits.

Figure 4 : effacer une personne suppose de savoir où elle est

Le règlement européen résume l'approche en une formule : la protection des données dès la conception et par défaut. Dès la conception, parce que ces questions se posent au modèle de données, pas à la recette. Par défaut, parce que le réglage le plus protecteur doit être celui qu'on obtient sans rien faire.

Le blog a une série complète sur le sujet. Les billets sur les bases légales, les droits des personnes et les transferts hors de l'Union sont cités en fin de page.

À retenir. La sécurité demande comment protéger une donnée. La vie privée demande d'abord si elle devrait exister.

Réduire ce qu'on expose : cinq techniques

Quand on ne peut pas se passer d'une donnée, on peut souvent se passer de sa forme la plus sensible. Plusieurs techniques existent, et on les confond volontiers.

Technique Ce qu'elle fait Réversible ? La donnée reste-t-elle personnelle ? Usage type
Masquage Cache une partie de la valeur à l'affichage La valeur complète existe toujours Oui Afficher les quatre derniers chiffres d'une carte
Tokenisation Remplace la valeur par un jeton sans rapport avec elle ; la correspondance vit dans un coffre Oui, par le coffre Oui Manipuler un moyen de paiement sans le détenir
Chiffrement Rend la valeur illisible sans la clé Oui, avec la clé Oui Stockage et transport
Pseudonymisation Remplace les identifiants directs par un pseudonyme Oui, avec l'information séparée Oui Analyses, environnements de test
Anonymisation Rend impossible le retour à la personne Non Non, si elle est réellement irréversible Statistiques publiées

La ligne qui compte est la dernière. Une donnée pseudonymisée reste une donnée personnelle, avec toutes les obligations qui vont avec. Seule une vraie anonymisation en sort. Et elle est difficile : retirer le nom ne suffit pas quand une date de naissance, un code postal et un sexe désignent une seule personne.

En pratique. Avant d'écrire « données anonymisées » dans un document, il faut avoir vérifié qu'aucun croisement ne permet de revenir en arrière.

Ces techniques servent en particulier aux environnements de test. Recopier la production pour tester est la façon la plus sûre de créer une seconde production, moins bien gardée que la première. Le billet P18 y revient.


Donner l'accès, et le reprendre

Le plan d'examen parle de provisionnement des accès. Derrière le mot, il y a une idée simple : un droit d'accès a une naissance, une vie et une fin, et les trois se gèrent. La figure 5 suit un droit de sa demande à son retrait.

Demandeur Propriétairede la donnée Rôleporte le droit Équipetechnique demande justifiée 1 approbation 2 droit accordé 3 4 5 1 2 3 4 5 1. Un droit est demandé, justifié par une fonction 2. Le propriétaire de la donnée approuve la demande 3. L'équipe technique accorde le droit, attaché à un rôle plutôt qu'à une personne 4. Au changement de fonction, on retire les droits de l'ancien poste avant d'ajouterceux du nouveau 5. Au départ, tous les droits tombent le jour même
  1. Un droit est demandé, justifié par une fonction
  2. Le propriétaire de la donnée approuve la demande
  3. L'équipe technique accorde le droit, attaché à un rôle plutôt qu'à une personne
  4. Au changement de fonction, on retire les droits de l'ancien poste avant d'ajouter ceux du nouveau
  5. Au départ, tous les droits tombent le jour même
Figure 5 : la vie d'un droit d'accès, de la demande au départ

L'arrivée. Un droit est demandé, justifié par une fonction, approuvé par le propriétaire de la donnée et accordé par l'équipe technique. Il est attaché à un rôle plutôt qu'à une personne, pour qu'on puisse raisonner sur « qui peut lire les allergies » sans lister des noms.

Le changement. C'est le moment le plus mal géré. Quelqu'un change de poste, reçoit les droits du nouveau et garde ceux de l'ancien. Au bout de cinq ans, il peut tout faire. La règle est qu'un changement de fonction retire avant d'ajouter.

Le départ. Les droits tombent le jour même, tous, y compris ceux qui ne passent pas par l'annuaire central : comptes locaux, clés d'API personnelles, accès chez des fournisseurs.

Deux mécanismes complètent ce cycle.

La revue périodique demande au propriétaire de confirmer, à intervalle fixe, que chaque droit est encore justifié. Elle n'a de valeur que si l'absence de réponse vaut retrait. Une revue où l'on reconduit tout d'un clic ne retire jamais rien.

Les comptes de service sont des identités sans personne derrière : une application qui en appelle une autre, un traitement planifié. Ils sont nombreux, souvent trop puissants, et leurs secrets ne tournent pas. Chacun doit avoir un propriétaire humain, un périmètre minimal et un secret à durée de vie courte. C'est d'eux que partent beaucoup de mouvements latéraux, comme on l'a vu avec le rôle du pare-feu au billet P2.

À retenir. En cuisine, la règle se voit : la clé de la cave se rend en fin de service, et on sait à tout moment qui l'a.

Garder, puis jeter

La durée de conservation est une exigence, et elle s'écrit comme les autres. Elle répond à deux pressions opposées : la loi et le métier demandent de garder certaines choses un temps minimal ; la vie privée et la prudence demandent de ne rien garder au-delà.

Catégorie Pourquoi on garde Qui fixe la durée À l'échéance
Pièces comptables Obligation légale La loi Destruction
Historique des commandes Service au client, litiges Le métier, dans la limite de la loi Anonymisation ou destruction
Journaux de sécurité Détection, enquête La sécurité Destruction
Données de prospects Relation commerciale Le métier, dans la limite de la loi Destruction
Sauvegardes Reprise après incident L'exploitation Rotation automatique

Les durées elles-mêmes dépendent du pays et du secteur, et c'est au juridique de les donner. Le travail de conception est de faire en sorte qu'une durée, une fois décidée, soit appliquée par le système et pas par la mémoire de quelqu'un. Une purge qui dépend d'une tâche manuelle annuelle n'a jamais lieu.

Une exception doit être prévue : le gel. Quand un litige ou une enquête est en cours, les données concernées ne sont plus purgées, même à l'échéance. Le mécanisme de purge doit savoir s'arrêter sur ordre, pour un périmètre précis. La figure 6 montre cette bifurcation.

  • L'exception à prévoir
Figure 6 : à l'échéance, la purge s'arrête sur ordre quand un gel est en cours

La destruction, enfin, suit ce que le billet P5 a décrit pour le retrait. Deux points propres aux données méritent d'être redits. Les sauvegardes contiennent tout ce qu'on a effacé depuis, jusqu'à leur propre expiration. Et quand une donnée est chiffrée avec une clé qui lui est propre, détruire la clé revient à détruire la donnée partout où elle se trouve, copies comprises.

À retenir. Ce qu'on ne détient plus ne peut plus fuir. C'est le seul contrôle qui ne tombe jamais en panne.

Scénario : Marriott, ou la chambre froide rachetée avec le restaurant

En juillet 2014, un attaquant pénètre dans les systèmes du groupe hôtelier Starwood. Il installe un accès permanent et s'y maintient. En 2016, Marriott rachète Starwood, avec sa base de réservations. L'intrusion n'est découverte qu'en 2018, quatre ans après son début, au moment où les attaquants s'intéressent aux données de cartes de paiement.

L'autorité britannique de protection des données, l'ICO, annonce le 30 octobre 2020 une sanction de 18,4 millions de livres. Elle avait d'abord envisagé 99 millions. Marriott estime à 339 millions le nombre de fiches de clients touchées dans le monde, un chiffre qui peut compter plusieurs fois la même personne.

La figure 7 reprend ces dates.

Attaquant Starwoodbase deréservations ICOautoritébritannique Marriott accès permanent 1 base rachetée 2 3 sanction 4 1 2 3 4 1. En juillet 2014, un attaquant pénètre dans les systèmes de Starwood et s'y maintient 2. En 2016, Marriott rachète Starwood, avec sa base de réservations 3. L'intrusion n'est découverte qu'en 2018, quatre ans après son début 4. Le 30 octobre 2020, l'ICO annonce une sanction de 18,4 millions de livres
  1. En juillet 2014, un attaquant pénètre dans les systèmes de Starwood et s'y maintient
  2. En 2016, Marriott rachète Starwood, avec sa base de réservations
  3. L'intrusion n'est découverte qu'en 2018, quatre ans après son début
  4. Le 30 octobre 2020, l'ICO annonce une sanction de 18,4 millions de livres
Figure 7 : Starwood puis Marriott, de l'intrusion de 2014 à la sanction de 2020

Le détail des données est parlant. On y trouve des noms, des adresses, des dates de séjour, et des numéros de passeport. Environ 18,5 millions de ces numéros étaient chiffrés. Environ 5,25 millions ne l'étaient pas. Les numéros de carte de paiement, eux, étaient chiffrés.

La décision retient quatre manquements principaux : une surveillance insuffisante des comptes à privilèges, une surveillance insuffisante des bases de données, un contrôle insuffisant des systèmes critiques, et un usage insuffisant du chiffrement.

Relisons le dossier avec les cinq questions de ce billet.

Question Ce que montre le dossier Ce qui manquait
Classer Une même donnée, le numéro de passeport, chiffrée ici et en clair là Une classe unique par catégorie, appliquée partout
Posséder Une base héritée d'un rachat Un propriétaire qui en reprenne l'inventaire
Suivre le cycle 339 millions de fiches, doublons compris Une durée de conservation appliquée
Contrôler l'accès Des comptes à privilèges peu surveillés Une revue, et une alerte sur les usages anormaux
Surveiller Quatre ans sans détection Un journal des lectures de la base, et quelqu'un pour le lire

La première ligne illustre ce qu'apporte une classification. Les numéros de carte étaient tous chiffrés parce qu'un standard sectoriel l'imposait. Les numéros de passeport ne relevaient d'aucun standard externe. Leur protection dépendait donc de ce que chaque système avait décidé de son côté, et le résultat est un traitement inégal de la même donnée.

La deuxième ligne porte la leçon la plus large. Quand on rachète une entreprise, on rachète ses données, ses comptes et ses intrus éventuels. La responsabilité passe à l'acquéreur le jour de la signature. Une cuisine reprise avec sa chambre froide se vérifie bac par bac avant le premier service, parce que c'est le nouveau chef qui répondra de ce qu'on y trouvera.

La troisième ligne, enfin, est une question d'arithmétique. Moins de fiches conservées, c'est moins de fiches exposées. Aucune mesure de sécurité n'a ce rendement.

À retenir. On hérite des données d'un système en même temps que du système. L'inventaire se fait avant, pas après.

Testez-vous

Quels sont les deux critères qui servent à classer une donnée ?

L'impact : ce que coûte une perte de confidentialité, d'intégrité ou de disponibilité. Et l'obligation : certaines catégories sont désignées par un texte, et leur niveau ne se discute pas.

Une donnée pseudonymisée est-elle encore une donnée personnelle ?

Oui, avec toutes les obligations qui vont avec. Seule une vraie anonymisation en sort, à condition d'avoir vérifié qu'aucun croisement ne permet de revenir en arrière.

Chez Marriott, pourquoi les numéros de carte étaient-ils tous chiffrés, et pas tous les numéros de passeport ?

Un standard sectoriel imposait le chiffrement des numéros de carte. Les numéros de passeport ne relevaient d'aucun standard externe : leur protection dépendait de ce que chaque système avait décidé de son côté.


Points clés

  • Quatre niveaux de classification suffisent. Chaque niveau entraîne des règles de manipulation, et la donnée porte son étiquette.
  • Le propriétaire d'une donnée est un responsable métier. L'équipe technique en est le dépositaire.
  • Les fuites partent des copies : journaux, sauvegardes, exports, environnements de test. On en dresse la carte.
  • La vie privée se conçoit au modèle de données : collecte minimale, finalité, droits des personnes, durée.
  • Une donnée pseudonymisée reste personnelle. Seule une anonymisation irréversible en sort.
  • Un droit d'accès se donne, se révise et se reprend. Les comptes de service ont un propriétaire humain.
  • Ce qu'on ne conserve plus ne peut plus fuir.

Dans la série

Palier 1 : Écrire la carte. Domaine : Exigences.


Pour aller plus loin