Mengapa DLP Tidak Mendeteksi Informasi Sensitif di Microsoft 365?

By Mirko Peters · 2026-04-20

Jika Anda bingung karena Data Loss Prevention (DLP) Microsoft 365 tidak menandai informasi sensitif, Anda tidak sendirian…

Automatically translated with AI from the original post. Read the English original

Jika Anda bingung karena Data Loss Prevention (DLP) Microsoft 365 tidak menandai informasi sensitif, Anda tidak sendirian. DLP seharusnya mendeteksi data seperti nomor kartu kredit, nomor identitas nasional, atau informasi bisnis rahasia sebelum data tersebut keluar dari lingkungan Anda. Namun, organisasi sering menemukan celah di mana DLP tidak terpicu sama sekali, sehingga informasi sensitif tetap tidak terlindungi.

Penyebab kegagalan deteksi DLP beragam, mulai dari kebijakan dan logika aturan yang salah konfigurasi, batasan lisensi, proses pengaturan yang membingungkan, hingga trik pada file dan encoding yang menyembunyikan data sensitif. Terkadang masalahnya ada pada kebijakan yang Anda tetapkan, di waktu lain masalahnya ada pada jenis data, lokasi penyimpanannya, atau cara pengguna memindahkannya. Memahami apa yang sebenarnya berada di balik celah DLP ini adalah langkah pertama untuk menutupnya dan menjaga keamanan data Anda di seluruh beban kerja Microsoft 365. Panduan ini membahas penyebab nyata di lapangan dan langkah yang bisa Anda ambil.

Memahami Dasar DLP dan Alasan Kegagalannya

Pada intinya, Data Loss Prevention (DLP) di Microsoft 365 berfungsi untuk mendeteksi dan menghentikan pembagian informasi sensitif yang tidak sah, baik berupa nomor kartu kredit yang dikirim lewat email maupun file rahasia yang dibagikan ke luar organisasi. DLP memindai pola yang telah ditentukan dan menegakkan aturan agar data tersebut tidak lolos begitu saja.

Namun, ada satu hal yang perlu diperhatikan: DLP bukanlah sihir, dan ada banyak komponen yang harus bekerja bersama. Jika kebijakan belum diatur dengan tepat, jika definisi "sensitif" terlalu sempit, atau bahkan jika pengguna mencari cara untuk mengakali sistem, DLP bisa saja gagal mendeteksi. Mulai dari kesalahan konfigurasi dasar hingga keterbatasan cara DLP memeriksa file atau percakapan tertentu, banyak hal yang bisa tidak berjalan semestinya.

Di bagian berikutnya, kita akan melihat lebih dekat bagaimana kesalahan kebijakan atau definisi data sensitif yang terlalu sempit dapat menciptakan celah dalam pertahanan Microsoft 365 Anda. Kita juga akan melihat mengapa pendekatan DLP yang seragam untuk semua kondisi itu berisiko, dan mengapa penting untuk memahami baik apa yang bisa dilakukan DLP maupun apa yang sering terlewat.

Bagaimana Kebijakan DLP dan Logika Aturan yang Salah Konfigurasi Menyebabkan Celah Deteksi

1. Kondisi yang Hilang dan Kumpulan Aturan yang Tidak Lengkap:Jika kebijakan DLP Anda tidak mencakup seluruh kondisi di lingkungan Anda, Anda pasti memiliki celah. Misalnya, kebijakan yang hanya mencari nomor Social Security standar Amerika Serikat akan melewatkan nomor paspor, kode internal, atau data khusus milik bisnis Anda. Setiap kondisi yang hilang menjadi lubang tersendiri.
2. Cakupan Kebijakan yang Tidak Tepat:Aturan DLP tidak banyak berguna jika diterapkan pada lokasi yang salah. Sering kali, organisasi lupa menyertakan lokasi penting seperti obrolan Teams, folder SharePoint, atau OneDrive dalam cakupan kebijakan. Akibatnya, informasi sensitif diam-diam berpindah ke area yang tidak terpantau tanpa pengawasan DLP.
3. Aturan yang Tumpang Tindih atau Bertentangan:Menumpuk beberapa kebijakan DLP dengan kondisi yang bertentangan atau tumpang tindih dapat menimbulkan kebingungan, bahkan bagi sistem itu sendiri. Izin (allow) dari satu kebijakan bisa menimpa pemblokiran (block) dari kebijakan lain, sehingga menghasilkan perilaku yang tidak dapat diprediksi dan kebocoran data yang tidak terdeteksi.
4. Pembaruan Aturan yang Terabaikan:Bisnis terus bergerak, tetapi kebijakan DLP sering kali tidak ikut berubah. Jika Anda tidak memperbarui aturan untuk menangkap jenis informasi sensitif yang baru atau mencerminkan regulasi yang diperbarui, DLP Anda akan tertinggal. Ibarat mengunci pintu depan tetapi membiarkan jendela belakang terbuka lebar.
5. Tidak Menguji Hasil Kebijakan:Anda tidak bisa memperbaiki sesuatu yang tidak Anda ketahui. Banyak tim menetapkan aturan DLP dan menganggap semuanya baik-baik saja, tanpa mensimulasikan skenario nyata untuk memastikan aturan tersebut benar-benar berfungsi. Peninjauan rutin dan pengujian langsung, seperti yang diuraikan untuk Power Platform dalam panduan praktis DLP untuk pengembang Power Platform ini, membantu Anda menangkap kegagalan diam-diam sebelum menimbulkan masalah serius.

Bahkan kesalahan kecil dalam cara Anda menyusun atau menerapkan aturan kebijakan dapat membuka jalan bagi paparan data. Itulah sebabnya meninjau, menguji, dan menyetel DLP secara berkala bukan sekadar praktik baik, melainkan suatu keharusan.

Jenis Informasi Sensitif Kustom DLP dan Penargetan Data Sensitif

1. Info Type Standar Sering Tidak Cukup:Info type bawaan DLP seperti “credit card” atau “SSN” hanyalah titik awal. Info type tersebut tidak akan mendeteksi data yang hanya penting bagi bisnis Anda, misalnya ID klien, formula proprietary, atau nama kode proyek tertentu. Apa pun di luar pola bawaan memerlukan penyesuaian khusus.
2. Gagal Mengidentifikasi Data Sensitif yang Unik:Jika Anda hanya mengandalkan apa yang oleh Microsoft disebut “sensitif”, Anda akan melewatkan hal-hal spesifik yang bisa menjadi risiko terbesar. Identifikasi data yang merupakan resep rahasia, kekayaan intelektual, atau tanggung jawab regulasi Anda. Tanpa identifikasi eksplisit tersebut, DLP akan melewatkannya begitu saja.
3. Membangun Aturan Kustom untuk Deteksi yang Lebih Baik:Jangan ragu membuat info type sensitif sendiri di Microsoft Purview. Baik berupa format nomor karyawan maupun pengenalan kata kunci tertentu dalam kontrak, sesuaikan aturan dengan lingkungan Anda. Anda dapat menggunakan pusat admin Purview untuk menentukan dan menyempurnakan pola-pola ini seiring waktu.
4. Penargetan Berdasarkan Lokasi atau Grup Pengguna:Atur DLP bukan hanya berdasarkan jenis data yang ingin Anda deteksi, tetapi juga di mana dan siapa yang bekerja dengan data tersebut. Mungkin Anda menginginkan aturan yang lebih ketat untuk tim keuangan atau pada platform kolaborasi seperti Teams dan SharePoint. Penargetan berlapis ini memberikan perlindungan tepat di area yang paling krusial.
5. Mengintegrasikan DLP dengan Model Keamanan yang Lebih Luas:Banyak kebocoran data terjadi bukan karena aturan DLP tidak ada, melainkan karena lingkungan default tidak diatur dan berfungsi sebagai “kitchen sink” untuk data berisiko, sebagaimana disorot dalam podcast mendalam tentang DLP dan risiko Power Platform ini. Menyatukan DLP dengan strategi tata kelola data yang menyeluruh menutup lebih banyak celah dibandingkan sekadar menyesuaikan aturan.

Mendefinisikan dan menargetkan data sensitif yang tepat sangat penting agar DLP benar-benar efektif. Kustomisasi adalah sekutu Anda, dan merupakan keharusan untuk risiko bisnis modern.

Celah Lisensi dan Penerapan DLP Microsoft 365

Meskipun kebijakan DLP Anda dirancang dengan sempurna, kebijakan tersebut tidak akan membantu jika organisasi Anda tidak memiliki lisensi yang tepat atau melewatkan langkah penerapan yang benar. Fitur DLP lanjutan Microsoft 365 tidak disertakan pada setiap langganan. Dan cukup mudah untuk melewatkan lokasi penting saat peluncuran, atau terbentur batasan berdasarkan paket yang Anda pilih.

Bagian ini menguraikan lisensi Microsoft 365 apa saja yang diperlukan untuk sepenuhnya membuka kemampuan DLP, serta memandu Anda melalui praktik terbaik untuk pembuatan dan penerapan kebijakan. Pilihan lisensi dan penerapan dapat menciptakan titik buta yang tidak terduga, sehingga memahami prasyarat ini sangat penting untuk perlindungan yang menyeluruh. Untuk wawasan tambahan tentang menjaga kendali atas lingkungan Microsoft 365 Anda, pertimbangkan referensi tentang compliance drift dan celah tersembunyi dalam retensi serta tata kelola ini.

Persyaratan Lisensi untuk Cakupan DLP Microsoft 365

• Microsoft 365 E5 & Microsoft 365 E5 Compliance:Ini adalah standar emas untuk DLP. Keduanya membuka fitur DLP lanjutan di Exchange, SharePoint Online, OneDrive, Teams, dan lainnya. Jika organisasi Anda membutuhkan cakupan penuh, inilah langganan yang Anda inginkan.
• Microsoft 365 E3 dengan Add-on:E3 memberikan sebagian DLP dasar, tetapi Anda perlu menambahkan add-on Compliance atau Information Protection untuk fitur yang lebih luas. Celah cakupan di Teams dan analitik lanjutan sering muncul jika Anda tidak menambahkan tambahan yang tepat.
• Add-on Microsoft Purview:Untuk memanfaatkan info type kustom, aturan lanjutan, dan audit mendalam, Anda memerlukan lisensi Microsoft Purview yang sesuai. Lisensi ini membuka pengelolaan terpusat di lingkungan yang tidak dapat diatasi oleh DLP standar.
• Batasan DLP Office 365:Paket Office 365 reguler (seperti Business Premium) hanya menawarkan DLP terbatas, umumnya hanya untuk Exchange Online. Jika file sensitif Anda berada di Teams, SharePoint, atau OneDrive, Anda akan kehilangan visibilitas tanpa peningkatan paket.
• Memeriksa Celah Cakupan:Lisensi saja tidak otomatis berarti perlindungan yang memadai. Kebijakan perlu dipetakan ke semua beban kerja, dan Anda harus memastikan seluruh pengguna terlindungi secara konsisten. Untuk pembahasan lebih lanjut tentang penyelarasan akses data, tata kelola, dan beban kerja AI, lihat panduan tentang tata kelola data Microsoft 365 yang aman.

Intinya: Jika Anda menemukan DLP melewatkan informasi sensitif, langkah pertama Anda adalah memeriksa lisensi dengan cepat. Jika Anda tidak membayar untuk cakupan tersebut, Anda tidak akan mendapatkan perlindungannya.

Praktik Terbaik Pembuatan dan Penerapan Kebijakan DLP

1. Pilih Templat Kebijakan yang Tepat:Mulailah dengan templat DLP bawaan Microsoft untuk regulasi umum seperti PCI atau HIPAA, lalu sesuaikan dengan kebutuhan organisasi Anda. Jangan menciptakan ulang dari awal, tetapi jangan juga begitu saja mempercayai pengaturan default.
2. Pastikan Cakupan Multi-Lokasi:Targetkan semua beban kerja utama Microsoft 365—Teams, Exchange, SharePoint, dan OneDrive. Mengabaikan satu lokasi saja memberi pengguna jalur pintas untuk memindahkan data sensitif.
3. Pusatkan Pengelolaan Kebijakan dengan Purview:Gunakan Microsoft Purview sebagai "single pane of glass" untuk DLP di seluruh layanan cloud. Cara ini membantu Anda mengelola, memperbarui, dan memantau kebijakan secara konsisten. Untuk panduan langsung dari pengalaman praktis, simak podcast tentang cara menyiapkan DLP di Microsoft 365.
4. Uji dan Pantau Efektivitas Kebijakan:Sebelum menerapkannya ke seluruh perusahaan, uji kebijakan dalam pilot dengan data nyata (tetapi tidak sensitif). Pastikan tindakan kebijakan seperti blokir, enkripsi, atau notifikasi benar-benar terpicu di tempat yang Anda harapkan, lalu sesuaikan sebelum menerapkannya kepada semua orang.
5. Latih Pengguna Akhir dan Admin:Kebijakan hanya sekuat pemahaman tim Anda terhadapnya, baik pengguna akhir maupun admin TI. Pelatihan rutin membantu menemukan celah lebih awal dan mencegah pemblokiran data yang tidak disengaja yang mengganggu bisnis. Tinjau kembali pelatihan Anda seiring bertumbuhnya atau berubahnya lingkungan Anda.

Penerapan yang konsisten dan terkoordinasi memastikan kebijakan DLP tidak hanya terlihat baik di atas kertas, tetapi benar-benar mencakup cara nyata pengguna Anda bekerja dan berbagi data.

Meningkatkan Deteksi dengan Tipe Informasi Sensitif DLP Kustom dan Fitur Lanjutan

Templat DLP bawaan adalah titik awal yang solid, tetapi organisasi dengan cepat menemukan bahwa data sensitif mereka sering berada di luar pola standar. Mulai dari formula proprietary hingga pengenal bisnis yang unik, banyak risiko mengharuskan Anda membawa DLP selangkah lebih jauh dengan tipe informasi kustom dan pengaturan lanjutan.

Microsoft Purview memberi Anda alat untuk membangun deteksi yang disesuaikan, sehingga Anda dapat mengenali format yang tidak lazim, nomor akun internal, atau konten yang sangat spesifik dengan presisi. Dengan menyesuaikan tingkat kepercayaan dan ambang kecocokan, Anda dapat menyeimbangkan antara menangkap risiko nyata dan menghindari positif palsu yang mengganggu.

Bagian-bagian berikutnya akan memandu Anda membangun logika deteksi kustom di Purview, menyetel akurasi aturan Anda, dan memanfaatkan fitur lanjutan untuk menjaga data unik Anda tetap aman. Untuk pembahasan lebih dalam tentang mencegah kekacauan dokumen dan membangun pertahanan data yang siap audit, dengarkan episode ini tentang membangun perisai Purview Anda.

Membangun Tipe Informasi Sensitif DLP Kustom di Microsoft Purview

1. Identifikasi Data yang Memerlukan Perlindungan Khusus:Mulailah dengan memetakan data yang tidak tercakup oleh tipe informasi DLP bawaan, seperti nomor karyawan atau klien internal, kode proyek kustom, cetak biru produk, atau pengenal lokal yang diatur regulasi. Jika Anda dapat mendeskripsikan polanya, Anda dapat melindunginya.
2. Tentukan Pola Kustom di Antarmuka Admin Purview:Gunakan antarmuka Microsoft Purview yang mudah digunakan untuk membangun tipe informasi sensitif baru. Anda dapat menetapkan aturan pola, menambahkan bukti pendukung (seperti kata kunci kedekatan), dan menyetel deteksi dengan kontrol yang lebih besar dibandingkan templat biasa.
3. Manfaatkan Pencocokan Lanjutan & Aturan Kontekstual:Untuk skenario yang lebih kompleks, seperti kecocokan parsial, beberapa pemeriksaan validasi, atau data yang harus muncul bersama kata kunci lain, Anda dapat menambahkan lapisan logika kustom. Ini sangat membantu untuk kekayaan intelektual atau mandat kepatuhan yang masih abu-abu.
4. Uji Tipe Kustom Anda Sebelum Penegakan:Sebelum beralih dari "mode audit" ke penegakan penuh, uji jenis info sensitif yang baru di seluruh lingkungan Anda. Masukkan sampel dunia nyata dan pastikan Anda menangkap hal-hal yang penting, bukan memicu peringatan yang tidak perlu.
5. Pantau dan Sempurnakan untuk Keberhasilan Regulasi & Audit:Regulasi tidak pernah diam, dan aturan DLP Anda pun seharusnya tidak demikian. Gunakan log audit Purview—dijelaskan lebih lanjut dalam panduan audit Purview ini—untuk menyempurnakan pola Anda dan membuktikan kepatuhan dari waktu ke waktu.

Tipe DLP kustom mengisi celah yang ditinggalkan oleh templat standar dan membantu Anda menjaga informasi bisnis sensitif yang unik bagi organisasi Anda tetap aman.

Menyesuaikan Tingkat Keyakinan dan Mengurangi False Positive di DLP

• Tetapkan Ambang Keyakinan yang Sesuai:Aturan DLP memungkinkan Anda memilih seberapa yakin mesin harus sebelum menandai sesuatu sebagai sensitif. Ambang yang lebih tinggi berarti lebih sedikit false positive, tetapi lebih banyak yang terlewat. Ambang yang lebih rendah dapat memicu lebih banyak peringatan—termasuk beberapa yang mungkin tidak Anda inginkan. Sesuaikan penggeser ini dengan toleransi risiko Anda.
• Bereksperimen dengan Akurasi Pencocokan:Anda dapat mewajibkan pencocokan persis, hanya pola parsial, atau mencari kata kunci pendukung di dekat data. Menyetel pengaturan ini sangat penting—jika terlalu longgar, Anda akan tenggelam dalam peringatan; jika terlalu ketat, informasi sensitif akan lolos.
• Aktifkan Penggantian oleh Pengguna (dengan Hati-hati):Terkadang Anda ingin membiarkan pengguna mengabaikan peringatan DLP jika mereka memiliki alasan yang baik. Namun, dokumentasikan setiap penggantian dan tinjau secara rutin untuk memastikan pengecualian tidak menjadi aturan. Ini adalah topik hangat yang dibahas dalam episode DLP Power Platform, terutama seputar penyeimbangan keamanan dan kemudahan penggunaan.
• Tinjau Log Peringatan dan Insiden:Hubungkan peringatan DLP ke alat respons insiden atau SIEM Anda dan pantau secara rutin. Terlalu banyak false positive? Naikkan tingkat keyakinan Anda hingga menemukan zona "Goldilocks"—yang pas untuk tim Anda.
• Iterasi Berdasarkan Umpan Balik:Versi pertama dari kebijakan DLP jarang sempurna. Kumpulkan umpan balik dari pengguna dan tinjau log peringatan untuk menyesuaikan aturan, tingkat keyakinan, dan opsi penggantian secara rutin.

Jika dilakukan dengan benar, menyesuaikan tingkat keyakinan membantu Anda menemukan titik optimal—keamanan yang kuat, gangguan yang rendah, dan program DLP yang dihargai oleh orang-orang Anda (alih-alih diakali).

Menguji Kebijakan DLP dan Memvalidasi Deteksi Data Sensitif

Anda dapat membangun pengaturan DLP paling rumit di Microsoft 365, tetapi kecuali Anda benar-benar mengujinya, Anda tidak akan tahu apakah itu berfungsi. DLP membutuhkan lebih dari sekadar niat baik dan penulisan kebijakan yang layak—DLP membutuhkan validasi dan pemecahan masalah yang berkelanjutan agar tetap relevan.

Bagian ini membahas cara mensimulasikan skenario paparan data dunia nyata untuk memastikan pemicu DLP Anda aktif pada waktu yang tepat. Di sini juga Anda akan memantau hasil, mengumpulkan umpan balik, dan terus mengiterasi pendekatan kebijakan Anda. Untuk panduan audio tentang menyiapkan dan memvalidasi DLP di seluruh M365, lihat podcast praktis ini.

Mensimulasikan Paparan Data dan Pemblokiran Aktivitas dalam Pengujian DLP

1. Siapkan Skenario Pengujian yang Realistis:Buat dokumen, email, atau pesan obrolan contoh yang berisi informasi sensitif palsu—namun akurat secara pola—(seperti nomor kartu dummy atau kode proyek tiruan). Ini membantu Anda menguji apakah DLP mendeteksi apa yang seharusnya, tanpa mempertaruhkan data langsung.
2. Uji di Semua Workload:Jangan hanya menguji di Exchange, tetapi juga coba obrolan Teams, file SharePoint, dan folder OneDrive. Titik buta DLP sering tersembunyi di layanan yang terabaikan, tempat kebijakan belum diterapkan, atau intersepsi tidak berfungsi sebagaimana mestinya.
3. Simulasikan Tindakan Pengguna:Coba salin data, berbagi ke luar organisasi, melampirkan file, atau menggunakan taktik penghindaran yang sudah dikenal (seperti data yang ditempel dalam gambar atau file zip). Pendekatan ini mengungkap trik pengkodean atau teknik bypass yang mungkin terlewat oleh DLP Anda.
4. Tinjau dan Interpretasikan Hasil Pengujian:Periksa apakah peringatan, pemblokiran, atau peringatan kebijakan aktif dengan benar. Jika tidak ada yang terjadi saat seharusnya, tinjau kembali logika, cakupan, atau bahkan lisensi untuk celah cakupan.
5. Kalibrasi Dampak Kebijakan:Gunakan "mode uji" DLP terlebih dahulu untuk melihat apa yang akan diblokir atau ditandai. Cara ini menghindari gangguan pada pengguna sungguhan dan memungkinkan Anda menyetel kebijakan secara aman sebelum mengaktifkan penegakan.

Pengujian yang disengaja dan langsung adalah satu-satunya cara untuk memastikan kebijakan DLP Anda benar-benar bekerja sesuai harapan di dunia nyata, bukan hanya di atas kertas.

Memantau Masalah DLP dan Melakukan Iterasi Berdasarkan Hasil

1. Periksa Log dan Peringatan DLP Secara Rutin:DLP menyimpan riwayat berkelanjutan tentang apa yang ditandainya. Tinjau log ini secara berkala; log akan menunjukkan deteksi yang terlewat, positif palsu, atau pola penggantian (override) oleh pengguna. Untuk tips pemantauan lanjutan, lihat panduan rinci tentang pemantauan kepatuhan dengan Defender for Cloud.
2. Kumpulkan Masukan Pengguna:Jika pengguna melaporkan pemblokiran pada pekerjaan yang sah atau aktivitas mencurigakan yang lolos, dengarkan dengan saksama. Masukan dari pengguna sering kali mengungkap celah atau kendala operasional yang tidak terlihat hanya dari log.
3. Selidiki Celah dan Negatif Palsu:Jika data sensitif tidak terdeteksi, periksa masalah cakupan kebijakan, aturan yang hilang, atau keterbatasan pada format file dan encoding. Terkadang, DLP tidak dapat memindai arsip terenkripsi atau file dengan encoding yang disamarkan. Untuk mengungkap ancaman yang berubah-ubah, gunakan alat audit lanjutan Purview sebagaimana dijelaskan dalam panduan audit Purview ini.
4. Sesuaikan Kebijakan dan Aturan Secara Bertahap:Berdasarkan temuan Anda, perbarui kebijakan: sesuaikan tingkat keyakinan, perluas info type kustom, atau perluas cakupan seiring berkembangnya bisnis Anda. Penyesuaian berkelanjutan selalu lebih baik daripada pendekatan atur-lalu-tinggalkan.
5. Cari Kasus Pencilan dan Aktivitas Tidak Biasa:Waspadai pola yang menandakan upaya penghindaran pengguna, seperti percobaan gagal berulang, encoding yang janggal, atau penggunaan shadow IT yang tidak terduga. Atasi hal ini dengan analitik perilaku atau pemantauan endpoint untuk perlindungan yang lebih luas.

Pemantauan dan masukan yang berulang bukan hanya soal menambal kebocoran, melainkan membangun program DLP yang hidup dan beradaptasi dengan ancaman nyata yang dihadapi tim Anda. Tetaplah waspada, tetaplah ingin tahu, dan jangan lengah.

Melindungi Data Sensitif di Beban Kerja Microsoft 365 Modern

Sudah lewat masanya ketika data sensitif hanya ada di email dan berbagi file dasar. Di Microsoft 365, data tersebut kini mengalir melalui platform kolaborasi seperti SharePoint Online, Microsoft Teams, dan alat bertenaga AI yang baru seperti Copilot. Lingkungan ini meningkatkan produktivitas, tetapi juga membuka celah baru bagi kebocoran informasi, baik yang tidak disengaja maupun yang disengaja.

Agar tetap relevan, strategi DLP Anda harus mencakup tidak hanya saluran komunikasi tradisional, tetapi juga ruang yang bergerak cepat dan real-time tempat orang bekerja, berbagi, dan berkarya bersama. Bagian berikutnya berfokus pada pemeriksaan kesehatan untuk SharePoint Online dan Teams, serta membahas cara mengamankan alur kerja AI dengan DLP. Untuk informasi lebih lanjut tentang mengapa tata kelola yang stabil dan kontrol preventif yang kuat itu penting, lihat episode tentang tata kelola SharePoint dan AI ini serta analisis tantangan tata kelola Teams ini.

Memastikan Kesehatan SharePoint Online dan Mencegah Paparan Data Sensitif di Teams

1. Terapkan Kebijakan DLP di Seluruh Ruang Kolaborasi:Jangan berhenti di Exchange dan OneDrive. Pastikan aturan DLP Anda menjangkau pustaka dokumen SharePoint dan saluran Teams. Informasi sensitif sering dibagikan di tempat yang jarang disadari orang, terutama dengan meningkatnya kolaborasi jarak jauh.
2. Pantau Berbagi Eksternal dan Akses Pihak Ketiga:Gunakan audit dan peringatan yang ditingkatkan untuk terus memantau siapa yang membagikan dokumen atau mengundang tamu dari luar. Panduan titik buta berbagi eksternal di SharePoint dan OneDrive merinci bagaimana audit tingkat penyewa dapat mengungkap risiko yang terlewat oleh pencatatan log default Microsoft 365.
3. Sesuaikan DLP untuk Data Informal dan Percakapan:Aturan DLP sering kesulitan membaca pesan informal di Teams atau komentar SharePoint yang tidak terstruktur. Tambahkan pemantauan kontekstual, misalnya dengan mencari kata kunci, kedekatan dengan nama orang, atau frasa bisnis yang umum, untuk menangkap hal-hal yang tidak akan terdeteksi hanya dengan pencocokan kata kunci.
4. Atasi Celah pada File, Enkripsi, dan Shadow IT:Perlu diingat bahwa tipe file yang tidak didukung, kontainer terenkripsi, atau dokumen yang dikompresi dapat lolos dari pantauan DLP. Jika memungkinkan, blokir format file berisiko yang sudah diketahui atau tandai aplikasi tidak resmi yang beroperasi di luar kendali M365. Untuk informasi lebih lanjut tentang menstabilkan data SharePoint dan mengotomatiskan kontrol yang andal, lihat episode SharePoint tentang praktik terbaik ini.
5. Perbaiki Model Izin dan Kejelasan Kepemilikan:Izin yang tidak rapi memicu paparan yang tidak diinginkan. Bahkan DLP terbaik pun tidak dapat memantau sesuatu yang terbuka untuk semua orang. Rapikan izin, terapkan manajemen siklus hidup, dan pantau situs atau dokumen "yatim piatu" yang tidak memiliki pemilik yang bertanggung jawab.

Untuk tetap selangkah lebih maju di SharePoint dan Teams, dibutuhkan kewaspadaan serta kombinasi yang matang antara kontrol teknis, pelatihan pengguna, dan penyesuaian kebijakan secara proaktif.

Mengamankan Microsoft Copilot dan Alur Kerja AI dengan DLP

1. Kenali Risiko Paparan Data AI yang Unik:Asisten AI seperti Copilot tidak hanya merangkum konten. Asisten ini juga menghasilkan teks baru, mensintesis data, dan bahkan dapat membocorkan informasi sensitif melalui keluarannya. DLP perlu memantau bukan hanya apa yang masuk, tetapi juga apa yang keluar dari alat bertenaga AI.
2. Tanamkan DLP ke dalam Alur Kerja Copilot:Gunakan DLP dan label sensitivitas untuk mengklasifikasikan, memantau, dan memblokir prompt serta keluaran Copilot yang berisiko secara otomatis. Untuk peta jalan terperinci tentang tata kelola Copilot, lihat pembahasan mendalam tentang kepatuhan Copilot ini dan strategi adopsi Copilot yang terkelola.
3. Kendalikan Izin dan Akses Hak Minimum:Pastikan alat AI beroperasi dengan izin Graph API yang ketat dan hak minimum, bukan akses penuh ke semua data. Pembagian berlebihan atau peran yang salah konfigurasi dapat membuat Copilot melihat, dan mungkin membocorkan, jauh lebih banyak daripada yang Anda perkirakan, sebagaimana dibahas dalam episode tentang tata kelola Copilot ini.
4. Pantau dan Audit Aktivitas AI:Gunakan Purview Audit dan Defender for Cloud untuk membuat jejak forensik tentang prompt, respons, dan tindakan AI yang terjadi di latar belakang. Tetapkan rencana respons insiden yang jelas untuk saat sesuatu lolos dari pengawasan.
5. Latih Pengguna AI dan Dukung Tata Kelola Berkelanjutan:Jangan biarkan pengguna menebak-nebak. Sediakan pusat pembelajaran terpusat mengenai penggunaan Copilot, keamanan, dan dampak kebijakan DLP. Tata kelola bukan permainan pasang lalu lupakan. Pantau dan adaptasi secara terus-menerus, serta umpankan risiko baru kembali ke dalam kebijakan dan pelatihan.

Masa depan data loss prevention sangat terkait dengan cara Anda mengelola AI. Tetaplah di depan dengan kebijakan yang proaktif, kontrol yang transparan, dan fokus tanpa henti pada perbaikan berkelanjutan.