Erkennung sensibler Daten: Personenbezogene Daten auf Dateiservern finden

Wie findet man Dateien mit TCKN, IBAN und Kartennummern auf Dateiservern? Mustererkennung, Prüfalgorithmus, Aussortieren von Fehltreffern und Korrektur von Berechtigungen.
Technische Zusammenfassung
Technologie
Windows-Server-Dateifreigaben, NTFS-Berechtigungen, PowerShell, Microsoft Purview Information Protection Scanner, FSRM
Thema
Technisches Auffinden personenbezogener und finanzieller Daten in unstrukturierten Daten
Niveau
Mittel bis fortgeschritten
Voraussetzungen
  • Separates Dienstkonto mit Leserechten auf die zu scannenden Freigaben
  • Grundkenntnisse in PowerShell und regulären Ausdrücken
  • Ein Inventar mit festgelegten Datenverantwortlichen
In diesem Beitrag8 Abschnitte

Der Großteil personenbezogener Daten liegt nicht in Datenbanken, sondern in Excel-Listen, gescannten Formularen und exportierten CSV-Dateien, die über die Jahre auf dem Dateiserver abgelegt wurden. Diese Dateien erscheinen weder im Dateninventar noch in der Zugriffsüberprüfung. Niemand fragt, niemand löscht. Dieser Leitfaden beschreibt für System- und Informationssicherheitsteams, wie Daten wie TCKN, IBAN und Kartennummern auf Dateiservern gefunden, Fehlalarme mit Prüfalgorithmen aussortiert und Befunde in Berechtigungskorrekturen und Datenreduktion überführt werden.

Das Risiko unstrukturierter Daten

Bei strukturierten Daten (ERP, Personalsoftware) ist der Zugriff durch eine Anwendungsrolle begrenzt und wird protokolliert. Auf dem Dateiserver verlassen dieselben Daten mit einem einzigen Export die Anwendung und sind den Ordnerberechtigungen ausgeliefert. Situationen, denen wir häufig begegnen:

  • Gehaltsabrechnung oder Personalliste wird in einem „vorübergehenden“ gemeinsamen Ordner abgelegt.
  • Eine Kundenliste wird für eine Kampagne exportiert und vergessen.
  • Der persönliche Ordner eines ausgeschiedenen Mitarbeiters bleibt ohne Besitzer.
  • Alte Abteilungsordner mit Leserechten für die Gruppe „Jeder“ oder „Domain Users“.

Bei Ransomware-Angriffen sind diese Dateien das erste Ziel des Datenabflusses. Der Angreifer kopiert mit einem übernommenen gewöhnlichen Benutzerkonto alles, worauf er zugreifen kann; ein Administratorkonto braucht er nicht. Deshalb endet das Ziel der Erkennung aus Sicht der Cybersicherheit des Unternehmens nicht mit einem Inventar; die eigentliche Arbeit ist, diesen Zugriffsbereich zu verkleinern. Die technischen Maßnahmen nach KVKK insgesamt behandelt der Beitrag Umsetzung technischer Maßnahmen nach KVKK; hier konzentrieren wir uns nur auf das Auffinden der Daten.

Muster sensibler Daten und Prüfalgorithmen

Suchen Sie nur mit regulären Ausdrücken, füllt sich der Bericht mit Fehltreffern: Nicht jede 11-stellige Zahl ist eine TCKN, nicht jede 16-stellige Zahl eine Kartennummer. Bestellnummer, Seriennummer, Telefonliste – alles passt. Verwenden Sie die Mustererkennung zusammen mit einem Prüfalgorithmus und nach Möglichkeit mit Schlüsselwörtern im Umfeld („T.C. Kimlik“, „IBAN“, „Kart No“).

Daten Muster Verifizierung
TCKN 11 Ziffern, erste Ziffer nicht 0 Prüfformel für 10. und 11. Ziffer
TR-IBAN TR + 24 Ziffern, insgesamt 26 Zeichen ISO 13616 mod 97 = 1
Zahlungskarte Meist 13–19 Ziffern Luhn-Algorithmus
Telefon, E-Mail Formatmuster Kein Algorithmus; über den Kontext

Die TCKN-Prüfung funktioniert so: Von der siebenfachen Summe der Ziffern an Position 1, 3, 5, 7 und 9 wird die Summe der Ziffern an Position 2, 4, 6 und 8 abgezogen; das Ergebnis modulo 10 muss die 10. Ziffer ergeben. Die Summe der ersten 10 Ziffern modulo 10 muss ebenfalls der 11. Ziffer entsprechen. Bei der IBAN werden die ersten vier Zeichen ans Ende verschoben, Buchstaben in Zahlen umgewandelt (A=10 … Z=35), und der Rest der entstandenen Zahl bei Division durch 97 muss 1 sein. Die folgenden PowerShell-Funktionen setzen diese beiden Prüfungen beispielhaft um.

function Test-Tckn([string]$n) {
  if ($n -notmatch '^[1-9]\d{10}$') { return $false }
  $d = $n.ToCharArray() | ForEach-Object { [int][string]$_ }
  $ungerade = $d[0] + $d[2] + $d[4] + $d[6] + $d[8]
  $gerade   = $d[1] + $d[3] + $d[5] + $d[7]
  $k10 = ((($ungerade * 7) - $gerade) % 10 + 10) % 10
  $k11 = (($d[0..9] | Measure-Object -Sum).Sum) % 10
  return ($d[9] -eq $k10 -and $d[10] -eq $k11)
}

function Test-TrIban([string]$iban) {
  $s = ($iban -replace '\s', '').ToUpper()
  if ($s -notmatch '^TR\d{24}$') { return $false }
  $r = $s.Substring(4) + $s.Substring(0, 4)
  $num = -join ($r.ToCharArray() | ForEach-Object {
    if ($_ -match '[A-Z]') { [int][char]$_ - 55 } else { $_ } })
  return ([System.Numerics.BigInteger]::Parse($num) % 97) -eq 1
}

Der Algorithmus verringert Fehltreffer, beseitigt sie aber nicht. Ein Teil zufälliger 11-stelliger Zahlen besteht ebenfalls die TCKN-Formel. Verwenden Sie statt einzelner Treffer eine Schwelle pro Datei (etwa mindestens 10 geprüfte TCKN) und Schlüsselwortnähe; nur so schrumpft der Bericht auf eine lesbare Größe. Einen Bericht mit tausend Zeilen liest niemand. Und ein ungelesener Bericht führt zu keiner Korrektur.

Vergleich der Werkzeugoptionen

Werkzeug Stärke Grenze
PowerShell-Skript Keine Zusatzkosten, schneller Einstieg Liest keine Office- und PDF-Inhalte
FSRM-Klassifizierung In Windows Server integriert, planbar Reguläre Ausdrücke vorhanden, keine algorithmische Prüfung
Purview Information Protection Scanner Integrierte vertrauliche Informationstypen, Bezeichnung Erfordert SQL Server und passende Lizenz
Kommerzielle Produkte zur Datenerkennung Mehrere Quellen, Berechtigungsanalyse Kosten, Installation von Agenten oder Connectors

Ein PowerShell-Skript ist ein guter erster Schritt für textbasierte Dateien (CSV, TXT, exportierte Protokolle). Kennen Sie aber seine Grenze: Select-String liest den komprimierten Inhalt von DOCX- und XLSX-Dateien nicht; für diese Formate braucht es ein Werkzeug mit IFilter. Eine Excel-Datei, die das Skript für „sauber“ hält, wurde womöglich nie gelesen. Das folgende Beispiel gibt, ohne gefundene Werte in den Bericht zu schreiben, nur Dateipfad und Zahl der geprüften Treffer aus.

$wurzel = '\\fs01\Freigabe'
Get-ChildItem -Path $wurzel -Recurse -File -Include *.csv, *.txt -ErrorAction SilentlyContinue |
  Select-String -Pattern '(?<!\d)[1-9]\d{10}(?!\d)' -AllMatches |
  ForEach-Object {
    $pfad = $_.Path
    foreach ($m in $_.Matches) {
      if (Test-Tckn $m.Value) { [pscustomobject]@{ Datei = $pfad } }
    }
  } |
  Group-Object Datei | Where-Object Count -ge 10 |
  Select-Object @{n='Datei'; e={$_.Name}}, @{n='TCKN'; e={$_.Count}} |
  Export-Csv .\tckn_befunde.csv -NoTypeInformation -Encoding UTF8

In Unternehmen mit Microsoft 365 sorgt der Purview-Scanner für Konsistenz, weil er dieselben vertraulichen Informationstypen wie DLP und Bezeichnungen in der Cloud verwendet. Zu den integrierten Typen gehören Definitionen für die türkische Identifikationsnummer, IBAN und Kreditkarten; prüfen Sie die Liste und Konfidenzniveaus in Ihrem eigenen Mandanten. Im Ermittlungsmodus rührt der Scanner Dateien nicht an. Zu Installation und Konfiguration siehe Microsofts Dokumentation zur Bereitstellung des Scanners.

Scanumfang und Leistung

Ein Scan erzeugt auf dem Dateiserver erhebliche Leselast und Netzwerkverkehr. Ein während der Arbeitszeit gestarteter Vollscan kommt mit Beschwerden „Der Server ist langsam“ zurück. Bei der Planung werden diese Entscheidungen getroffen:

  • Umfang: Zuerst gemeinsame und Abteilungsfreigaben, dann persönliche Ordner. Freigaben für Softwareverteilung und Sicherungen bleiben außen vor.
  • Dateitypen: Office, PDF, CSV und TXT. Videos, ISO- und ausführbare Dateien werden übersprungen.
  • Zeitplan: Außerhalb der Arbeitszeit und ohne Überschneidung mit dem Sicherungsfenster.
  • Inkrementeller Scan: Nach dem ersten Vollscan werden nur geänderte Dateien gescannt.
  • Dienstkonto: Ein separates Konto mit reinen Leserechten, das sich nicht interaktiv anmelden kann. Da es während des Scans alle Daten erreicht, wird es wie ein privilegiertes Konto geschützt.

Auch Ordner, auf die der Scan nicht zugreifen kann, sind ein Befund. Ein Ordner, den das Dienstkonto nicht lesen kann, ist sehr wahrscheinlich ein Bereich außerhalb der Governance mit unklarem Besitzer. Listen Sie diese gesondert auf; verwerfen Sie Zeilen mit „Access denied“ nicht als Fehler.

Prüfung der Befunde mit den Verantwortlichen

Der Scan zeigt, dass eine Datei Werte enthält, die einem Muster personenbezogener Daten entsprechen; dass es sich wirklich um personenbezogene Daten handelt oder ein Abfluss stattgefunden hat, zeigt er allein nicht. Warum die Daten dort liegen und ob sie aufbewahrt werden, entscheidet der Datenverantwortliche. Klären Sie diese Trennung nicht von Anfang an, bleibt die Löschentscheidung bei der IT, und die IT sollte sie nicht allein treffen. Prüfschritte:

  1. Gruppieren Sie die Befunde nach Ordnerverantwortlichen; gibt es keinen, weisen Sie sie der Abteilungsleitung zu.
  2. Bieten Sie für jeden Befund drei Optionen an: nötig und am richtigen Ort, nötig, aber am falschen Ort, unnötig.
  3. Lassen Sie Fehltreffer markieren; passen Sie Muster oder Schwelle anhand dieser Rückmeldung an.
  4. Erfassen Sie Entscheidungen samt Datum, damit dieselbe Datei beim nächsten Scan nicht erneut abgefragt wird.

Vergleichen Sie die Ergebnisse mit den Verarbeitungstätigkeiten im Dateninventar. Wurde ein Bestand personenbezogener Daten gefunden, der nicht im Inventar steht, ist entweder das Inventar unvollständig oder die Daten wurden zweckwidrig kopiert. Beides ist ein bemerkenswerter Befund. Um Befunde nach Risikostufe zu ordnen, lässt sich der Ansatz der Cybersicherheits-Risikobewertung nutzen.

Berechtigungen korrigieren und Daten reduzieren

In Ordnern mit sensiblen Daten prüft man zuerst Rechte, die weit gefassten Gruppen erteilt wurden. Das folgende Beispiel listet nicht geerbte (explizit erteilte) weitreichende Rechte auf. Auf türkischsprachigen Betriebssystemen können Gruppennamen lokalisiert erscheinen; passen Sie die Trefferliste an Ihre Umgebung an oder prüfen Sie über die SID.

Get-ChildItem -Path '\\fs01\Freigabe' -Directory -Recurse -Depth 2 |
  ForEach-Object {
    $ordner = $_.FullName
    (Get-Acl -Path $ordner).Access |
      Where-Object { -not $_.IsInherited -and
        $_.IdentityReference -match 'Everyone|Authenticated Users|Domain Users' } |
      Select-Object @{n='Ordner'; e={$ordner}}, IdentityReference, FileSystemRights
  } | Export-Csv .\weitreichende_rechte.csv -NoTypeInformation -Encoding UTF8

Bei der Korrektur ist die Reihenfolge fest. Zuerst wird aus Überwachungsprotokollen oder Dateizugriffsaufzeichnungen ermittelt, wer tatsächlich zugreift, dann wird statt der weiten Gruppe eine rollenbasierte Sicherheitsgruppe definiert. Entfernen Sie Rechte ohne Analyse, steht am Montagmorgen ein Geschäftsprozess still, und Benutzer beginnen, die Daten an einen anderen Ort zu kopieren. Das Problem wächst, statt zu schrumpfen.

Datenreduktion wirkt dauerhafter als Berechtigungskorrekturen. Eine gelöschte Datei kann nicht abfließen. Als unnötig eingestufte Dateien werden gemäß Aufbewahrungsrichtlinie gelöscht; Dateien, deren gesetzliche Aufbewahrungsfrist noch läuft, die aber nicht aktiv genutzt werden, kommen in ein Archiv mit eingeschränktem Zugriff. Auf die verbleibenden Dateien lassen sich Vertraulichkeitsbezeichnungen anwenden und ihr Abfluss mit DLP-Richtlinien kontrollieren. Ist ein Umzug vom Dateiserver in die Cloud geplant, führen Sie die Erkennung vor der Migration durch; unnötige Daten werden dann gar nicht erst übertragen. Zu den Migrationsschritten siehe den Leitfaden Migration vom Dateiserver nach SharePoint.

Checkliste für das Erkennungsprogramm

  • Umfang, Dateitypen und Scanzeitplan schriftlich festgelegt.
  • Dienstkonto nur mit Leserechten und ohne interaktive Anmeldung.
  • Muster arbeiten mit Prüfalgorithmus und Schwelle.
  • Berichte enthalten keine Werte; Ablage mit eingeschränktem Zugriff.
  • Befunde den Verantwortlichen zugewiesen, Entscheidungen erfasst.
  • Weitreichende Gruppenrechte durch rollenbasierte Gruppen ersetzt.
  • Scan periodisch; neue Befunde werden verfolgt.

Ein einmaliger Scan ist eine Momentaufnahme. Daten entstehen jeden Tag neu. Um Erkennung zusammen mit Bezeichnungen und DLP als ein Programm aufzusetzen, können Sie einen Blick auf die Dienstseite Verhinderung von Datenverlust und DLP werfen.

Häufig gestellte Fragen

Kann das Scanergebnis als vollständige Liste gelten?

Nein. Musterbasierte Scans übersehen als Bild gescannte PDFs, kennwortgeschützte Archive und Formate, die der Scanner nicht lesen kann; der Prüfalgorithmus wertet auch einen Teil zufälliger Zahlen als gültig. Das Ergebnis ist ein starker Indikator für die Priorisierung; das endgültige Inventar entsteht durch die Bestätigung des Datenverantwortlichen.

Sollten gefundene TCKN-Werte in den Scanbericht geschrieben werden?

Nein. Der Bericht enthält Dateipfad, Datentyp und Trefferzahl. Werte in den Bericht aufzunehmen, heißt, personenbezogene Daten an einen neuen, oft schlechter geschützten Ort zu kopieren.

Verändert der Purview-Scanner Dateien?

Im Ermittlungsmodus wendet er keine Bezeichnungen auf Dateien an und verändert keine Inhalte; er berichtet nur die Befunde. Für Bezeichnung oder Schutz muss die Durchsetzungseinstellung aktiviert werden. Führen Sie die ersten Scans immer im Ermittlungsmodus aus.

Ist keine Erkennung nötig, wenn statt des Dateiservers SharePoint genutzt wird?

Doch; vor der Migration durchgeführt, ist sie sogar wertvoller. Unnötige personenbezogene Daten werden gelöscht oder archiviert, bevor sie in die Cloud wandern, und für die verbleibenden Daten werden Berechtigungen und Bezeichnungen auf der Zielsite von Anfang an gestaltet.

Support

Kontaktieren Sie uns für Support oder eine Bestandsaufnahme zu diesem Thema.

Kontaktformular
[email protected]

Eretek Cybersicherheit

Firewall, VPN, Endpunktsicherheit und Bedrohungsabwehr. Wir verkleinern die Angriffsfläche, messen Risiken und berichten darüber.

Wissenszentrum

Weitere Beiträge