{"id":199961,"date":"2025-09-23T16:27:26","date_gmt":"2025-09-23T20:27:26","guid":{"rendered":"https:\/\/primicias.net\/web\/?p=199961"},"modified":"2025-09-23T16:27:26","modified_gmt":"2025-09-23T20:27:26","slug":"informe-de-fortinet-revela-un-aumento-continuo-en-la-perdida-de-datos-a-pesar-de-practicas-de-seguridad-de-datos-mas-inteligentes-y-el-gasto-record-en-ciberseguridad","status":"publish","type":"post","link":"https:\/\/primicias.net\/web\/informe-de-fortinet-revela-un-aumento-continuo-en-la-perdida-de-datos-a-pesar-de-practicas-de-seguridad-de-datos-mas-inteligentes-y-el-gasto-record-en-ciberseguridad\/","title":{"rendered":"Informe de Fortinet revela un aumento continuo en la p\u00e9rdida de datos a pesar de pr\u00e1cticas de seguridad de datos m\u00e1s inteligentes y el gasto r\u00e9cord en ciberseguridad"},"content":{"rendered":"

El\u00a0Informe de Seguridad de Datos 2025 de Fortinet<\/a>\u00a0y Cybersecurity Insiders muestra que muchos l\u00edderes de seguridad est\u00e1n dejando atr\u00e1s una mentalidad puramente tecnol\u00f3gica y adoptando un enfoque m\u00e1s program\u00e1tico para la protecci\u00f3n de datos confidenciales. Las tendencias presupuestarias son positivas, las organizaciones informaron un aumento en la financiaci\u00f3n para riesgos internos y protecci\u00f3n de datos el a\u00f1o pasado, lo que refleja el \u00e9xito en la justificaci\u00f3n de la inversi\u00f3n.<\/p>\n

Sin embargo, a pesar de adoptar estrategias m\u00e1s inteligentes y asignar presupuestos m\u00e1s s\u00f3lidos, la p\u00e9rdida de datos sigue aumentando. El 77% de las organizaciones report\u00f3 al menos un incidente relacionado con p\u00e9rdida de informaci\u00f3n privilegiada en los \u00faltimos 18 meses, y el 58% report\u00f3 seis o m\u00e1s. La pregunta es, \u00bfpor qu\u00e9?<\/p>\n

La brecha radica en las herramientas. Si bien la mayor\u00eda de las organizaciones cuenta con alg\u00fan tipo de herramienta para Prevenci\u00f3n de P\u00e9rdida de Datos (DLP), muchas de estas soluciones heredadas se dise\u00f1aron para entornos m\u00e1s simples y perimetrales. La mayor\u00eda carece de visibilidad sobre c\u00f3mo los empleados interact\u00faan realmente con los datos, especialmente en SaaS y herramientas de IA generativa, y pasan por alto el contexto que separa los accidentes del riesgo real. En las empresas actuales, distribuidas y con un uso intensivo de la nube, esas limitaciones hacen que las herramientas DLP tradicionales sean inadecuadas para esta tarea.<\/p>\n

Gastando m\u00e1s, pero asegurando menos.\u00a0<\/strong>\u00bfPor qu\u00e9?<\/strong><\/p>\n

Seg\u00fan el informe, el 72% de las organizaciones aument\u00f3 sus presupuestos para abordar el riesgo interno y la protecci\u00f3n de datos el a\u00f1o pasado, y m\u00e1s de una cuarta parte report\u00f3 aumentos significativos. Muchas tambi\u00e9n incorporaron herramientas e iniciativas program\u00e1ticas para subsanar las deficiencias. Sin embargo, casi la mitad sufri\u00f3 p\u00e9rdidas financieras sustanciales, a menudo de millones de d\u00f3lares por incidente. Por lo tanto, a pesar de estos cambios dr\u00e1sticos, el problema contin\u00faa agrav\u00e1ndose. El problema no es la inversi\u00f3n, sino la dependencia de herramientas que no fueron dise\u00f1adas para los riesgos actuales.<\/p>\n

\"\"<\/p>\n

\u00bfD\u00f3nde falla la DLP tradicional?<\/strong><\/p>\n

Las herramientas tradicionales de prevenci\u00f3n de p\u00e9rdida de datos (DLP) se dise\u00f1aron para evitar que datos regulados, como los n\u00fameros de seguridad social, datos de tarjetas de cr\u00e9dito o historiales m\u00e9dicos, salgan de una organizaci\u00f3n. Estas se centran en el per\u00edmetro y se basaban en el cumplimiento normativo, analizando datos estructurados localmente, ya que las amenazas se consideran principalmente externas a la organizaci\u00f3n.<\/p>\n

La realidad actual es diferente. Los datos confidenciales, incluida la propiedad intelectual, se crean y comparten continuamente entre servicios en la nube, plataformas SaaS y herramientas de IA. Los analistas trasladan conjuntos completos de datos de clientes a hojas de c\u00e1lculo. Los ingenieros comparten archivos de dise\u00f1o con contratistas. Los empleados introducen datos confidenciales en asistentes de inteligencia artificial. Todo esto es normal y cada vez m\u00e1s cr\u00edtico para la productividad, pero cada paso conlleva riesgos.<\/p>\n

Las soluciones tradicionales de DLP son deficientes porque:<\/p>\n