データ保護・分類

「何を守るか知らなければ守れない」——データセキュリティの出発点はデータそのものの把握にある。データ分類によって機密度を特定し、DLP（Data Loss Prevention）で流出を阻止し、DSPM（Data Security Posture Management）でクラウド横断の状態を継続監視する。この三層が揃って初めて「データ中心セキュリティ」が機能する。本記事ではそれぞれの役割と実装、2025 年時点の最新動向（AI エージェントリスクを含む）を俯瞰する。

データ中心セキュリティという考え方

従来のセキュリティはネットワーク境界やデバイスを守る「境界防御」が主体だった。クラウド普及・リモートワーク・マルチクラウドの時代には境界が消失し、データそのものにセキュリティコントロールを付随させる「データ中心セキュリティ（Data-Centric Security）」が要となった。

データ中心セキュリティの三つの問いは「このデータは何か（分類）」「どこに行くべきでないか（DLP）」「今どこに何があるか（DSPM）」である。これらを答えるコントロールが連動して初めて実効的な保護が生まれる。

データ分類：機密度ラベルによる可視化

データ分類（Data Classification）はデータに機密度ラベルを付与し、そのラベルに基づいてコントロールを適用するプロセスである。

分類レベルの例（組織により異なる）：

自動分類技術は機械学習・正規表現・フィンガープリントを組み合わせてデータをスキャンしラベルを付与する。Microsoft Purview Sensitivity Labels は Office 365 / SharePoint / Teams / OneDrive 上のドキュメント・メールに感度ラベルを付与し、ラベルに基づいて暗号化・透かし・アクセス制御を自動適用する。GDPR・HIPAA・PCI DSS などの規制要件と連動させることで「規制対象データの自動特定→コントロール適用」のパイプラインを構築できる。

分類の精度を上げる要素として「コンテンツ分析（ファイル内容）」「コンテキスト分析（アプリケーション・場所・共有相手）」「ユーザー指定（手動ラベル付け）」の三つを組み合わせることが重要だ。

DLP：データ流出防止のポリシー強制

DLP（Data Loss Prevention）は機密データが不正に組織外へ流出することをリアルタイムで検出・阻止するコントロールである。

DLP の実装形態は三層に分かれる。

エンドポイント DLP はエンドユーザーのデバイス上でファイル操作を監視する。USB へのコピー・印刷・スクリーンショット・クラウドアップロードなどのアクションに対し、ポリシーに基づいてブロック・警告・暗号化・監査ログを実行する。

ネットワーク DLP はプロキシ・ゲートウェイ・メールフィルターでトラフィックをインスペクションする。平文 HTTP・メール添付・クラウドストレージ同期クライアントを検査し、機密データの送信を遮断する。TLS インスペクション（SSL Inspection）により暗号化トラフィックも対象にできる。

クラウド DLP（CASB 統合） は SaaS アプリケーション（Google Drive・Slack・Salesforce 等）上のデータを API 経由で監視・強制する。CASB（Cloud Access Security Broker）と統合することでシャドー IT も対象に含められる。

コンテンツ検査技術としては正規表現（クレジットカード番号・社会保障番号パターン）・キーワードマッチング・機械学習モデル・データフィンガープリント（既知ドキュメントのハッシュ照合）が使われる。

DLP の主要アクションは「ブロック（送信拒否）」「暗号化（送信前に自動暗号化）」「警告（ユーザーに確認）」「監査ログ（記録のみ）」の四段階から選択できる。

DSPM：クラウド横断の継続的データリスク管理

DSPM（Data Security Posture Management）は DLP が「フロー（データの動き）」を守るのに対し、「ポスチャー（データの状態・配置）」を継続的に監視・評価する。

DSPM が解く問題：クラウド移行後に「機密データが S3 バケットに公開されている」「データベースに過剰なアクセス権がある」「未知のデータストアに PII が散在する」といった状況が生まれる。従来のポイントインタイムな監査では追いつかない。DSPM はクラウド / ハイブリッド横断でデータを自動発見・分類し、リスクを継続評価する。

DSPM の主要機能：

1. データ発見（Discovery）：構造化 DB・非構造化ストレージ・SaaS・データレイク横断でデータを自動スキャン
2. 分類・感度評価：PII / PHI / PCI など規制対象データを特定
3. リスク評価：過剰権限・暗号化未適用・公開設定・地理的コンプライアンス違反を検出
4. 継続監視：設定変更・アクセスパターン変化をリアルタイムで検知

主要 DSPM 製品として Microsoft Purview DSPM（2026-04〜05 に GA、情報カットオフ ~2025-08 時点での確認情報）・Varonis・Cyera・BigID・OneTrust が挙げられる。2025 年には GCP・Snowflake・Databricks への対応が進んでいる。

DLP vs DSPM の役割分担：

両者は補完関係にあり、多くの組織で統合された「Data Security Platform」として提供されるようになっている。

AI エージェントリスク：Over-sharing と Exfiltration 監視

2025 年以降、生成 AI・AI エージェントの業務利用が急拡大したことで、新たなデータリスクが顕在化している。

Over-sharing（過剰共有）：AI エージェントが「役に立とうとして」必要以上の機密情報を応答に含める問題。エージェントがベクターデータベースや RAG ソースから機密文書を引用する際、それが意図せず外部に露出するケースが増えている。

Exfiltration（意図的漏洩）：プロンプトインジェクション攻撃によって AI エージェントが機密データを攻撃者のエンドポイントに送信させられる脅威。

Microsoft Purview DSPM の 2025 年アップデートでは AI エージェントの over-sharing 監視・exfiltration 検出機能の追加が報告されている（情報カットオフ ~2025-08 で確認済み；2026-05 時点での最新機能状況は要確認）。Varonis / Cyera / BigID 等のサードパーティ DSPM ベンダーも AI 対応を進めている。

暗号化・アクセス制御との連携

データ分類・DLP・DSPM は単体ではなく、暗号化（tech-133）・アクセス制御（tech-127）と組み合わせて初めて完全な保護を形成する。

一般的な連携パターン：

• 分類ラベル「Highly Confidential」→ 自動暗号化（AES-256）+ アクセスログ強化
• DLP でブロックできなかったデータ → 暗号化で読めない状態を担保
• DSPM でリスク検出 → アクセス制御の自動修正（過剰権限の剥奪）

アンチパターン：よくある失敗