Biologické Centrum AV ČR, v.v.i.
Bezpečné nakládání s daty
Ztracená data jsou jako ztracený čas: nikdy je úplně nenahradíte!
Jde o soubor postupů a technických opatření, která chrání data v průběhu celého životního cyklu projektu – od jejich sběru a zpracování až po archivaci či sdílení. Patří sem vhodný výběr uložišť, pravidelné zálohování, kontrola přístupových práv, ochrana osobních a citlivých údajů, šifrování přenosů i zařízení a také používání bezpečných pracovních postupů v týmu. Cílem je zajistit integritu, důvěryhodnost a bezpečnost celého výzkumného procesu, minimalizovat rizika ztráty, poškození, neoprávněného přístupu nebo úniku dat.
Pro vědce i výzkumné organizace je bezpečné nakládání s daty zásadní nejen z hlediska legislativy (např. GDPR, etické normy, smluvní závazky), ale také pro zachování dobrého jména a důvěryhodnosti výzkumu. Chyby při ukládání či sdílení dat mohou vést k nevratné ztrátě unikátních výsledků, k porušení práv účastníků výzkumu nebo ke zpochybnění publikovaných závěrů. Při plánování výzkumu je proto nutné myslet na strukturování dat, jejich označování, řízení přístupů v týmu, vhodné formáty pro archivaci a také na to, jak s daty naložíme po skončení projektu. V praxi je proto důležité myslet i na volbu vhodného uložiště podle citlivosti dat.
Flashdisky
Charakteristika: malé, přenosné, levné.
Výhody: přenosné; okamžitý přístup bez sítě.
Nevýhody / rizika: snadno se ztratí nebo poškodí; náchylné k ztrátě dat; bezpečnost (často bez šifrování).
Doporučení: používá se jen pro krátkodobé přenosy nebo zálohy „working copy“. Nikdy jako jediné úložiště hlavních dat; šifrovat; mít alespoň jednu kopii.
Přenosné disky (externí HDD/SSD)
Charakteristika: vyšší kapacity než flashdisky, vhodné pro zálohy.
Výhody: přenosné, cena/objem dat.
Nevýhody: riziko fyzického poškození; opotřebení; bezpečnost.
Doporučení: používat pro off-site zálohy, uchovávat jednu kopii na jiném místě; pravidelné testování integrity dat.
Network Attached Storage (NAS)
Charakteristika: dedikované zařízení poskytující síťové úložiště (typicky s RAID, uživatelskými účty).
Výhody: flexibilní, možnost redundantního pole (RAID), vhodné pro sdílení v týmu.
Nevýhody: správce musí řešit aktualizace, bezpečnost; RAID není záloha (chyby uživatele se šíří).
Doporučení: kombinovat NAS (první úroveň) se zálohováním do off-site nebo cloud-backup. Pro interní velké objemy dat je to často ideální.
Datové repozitáře / datové repozitáře (Zenodo, Dryard, ASEP atd.)
Charakteristika: navrženo pro výzkumná data, podporují perzistentní identifikátory a metadata.
Výhody: umožňují přiřadit DOI, splnit FAIR požadavky a požadavky grantů; často zajišťují dlouhodobé uchování.
Nevýhody: mohou mít limity velikosti ukládání nebo požadavky na formát; nejsou vždy vhodné pro velmi citlivá data bez omezení přístupu.
Doporučení: publikuj finální data určená ke sdílení; pro citlivá data využij repozitáře s možností řízení přístupu nebo uložení jen anonymizovaných datasetů + otevřená metadata.
Lokální disk
(interní v počítači)
Charakteristika: primární úložiště pro práci.
Výhody: rychlý přístup, vhodné pro analýzu dat.
Nevýhody: riziko selhání hardware, krádeže, ztráty; často chybí automatické zálohování.
Doporučení: neuchovávat tam jediné kopie; pravidelné zálohování do jiného fyzického média nebo do síťového úložiště; šifrování pro citlivá data.
Síťová úložiště (institutional network drives, fileshares)
Charakteristika: centrální server v instituci přístupný přes LAN/VPN.
Výhody: centrální správa, zálohy řízené IT, možnosti přístupových práv.
Nevýhody: závislost na institucionální infrastruktuře a správě; limity kapacity; dostupnost mimo kampus může vyžadovat VPN.
Doporučení: vhodné pro interní data a pracovní verze; ověřit SLA (dostupnost), zálohovací politiku a retenci.
Cloudová úložiště
(Google Drive, OneDrive atd.)
Charakteristika: škálovatelné, dostupné přes internet.
Výhody: vysoká dostupnost, automatické zálohy, integrace s nástroji, snadné sdílení.
Nevýhody: právní otázky (kde se data fyzicky nachází), náklady při velkých objemech, závislost na dodavateli.
Doporučení: pro veřejná či interní data je cloud vhodný; u citlivých dat zkontroluj smluvní podmínky, šifrování (at-rest a in-transit) a lokalitu dat (GDPR). Pro dlouhodobou archivaci lepší jiné služby.
Národní / vědecká úložiště (např. CESNET služby)
Charakteristika: služby určené vědecké komunitě (CESNET: VO Storage, ownCloud, FileSender). Nabízejí kapacitu šitou na míru vědeckým potřebám.
Výhody: pro BC dostupné bez dodatečných poplatků; důvěryhodné z hlediska dlouhodobého uchování a compliance.
Nevýhody: přístup omezen na uživatele připojených institucí.
Doporučení: pro velké objemy vědeckých dat a sdílení v rámci výzkumných týmů je CESNET (nebo obdobné národní služby) v ČR velmi vhodná volba; ověřit podmínky služby a limity.
Zálohování 3-2-1: Zlaté pravidlo ochrany vašich dat
Ve vědeckém prostředí BC jsou data nejdůležitějším výsledkem letitého výzkumu, laboratorních experimentů i terénních sběrů. Jejich ztráta neznamená jen technický problém, ale ohrožení celých projektů, grantových závazků a publikační činnosti. Strategie 3-2-1 představuje mezinárodně uznávaný standard, jak zajistit maximální redundanci a odolnost tvých datasetů.
Data z biologických experimentů jsou často neopakovatelná nebo velice zdlouhavě (sezónní sběry, unikátní genetické sekvence). Pravidlo 3-2-1 tvoří základní pilíř Data Management Planu (DMP), který je dnes standardem pro většinu poskytovatelů grantů.
3 kopie
Minimální redundance
Vždy měj alespoň tři kopie svých výzkumných dat. První je originál, primární, živá data, se kterými pracuješ. Ty máš v počítači nebo laboratorním přístroji. Další dvě jsou nezávislé zálohy. Statisticky se tím eliminuje riziko souběžné chyby zápisu či selhání nosičů. Když selžou všechny tři kopie, tak to můžeš zabalit. Patrně nastal konec světa…
2 média
Diverzifikace úložišť
Dvě zálohy z prvního bodu nesmějí být uloženy na stejném typu technologie. Natož na jednom zařízení! Kombinuj různé principy zápisu a zařízení. Jednu kopii ulož např. na externí SSD/HDD a druhou kopii na síťové uložiště. Tím se vyhneš ztrátě dat kvůli závadě jednoho hardwaru nebo specifické systémové chybě jednoho typu média.
1 mimo
Geografická separace
Minimálně jedna kopie musí být uložena v jiné lokalitě než zbytek kopií. V kontextu BC to znamená využití vzdáleného cloudu (např. CESNET) nebo alespoň odděleného serverového uzlu v jiné budově. Geografická separace je jedinou účinnou ochranou proti živelním pohromám a dalším nenadálým událostem (požár, havárie vodovodu) nebo kybernetickým útokům.
Doporučení pro výběr uložišť
Jestli potřebuješ pomoc s nastavením zálohování výzkumných dat, neváhej se obrátit na IT podporu svého ústavu. Kluci to mají v malíku. Pokud potřebuješ poradit ohledně Data Management Plánu, podmínek grantu v souvislosti s ukládáním a sdílením dat, příp. s nahráním dat do repozitáře, napiš institucionálnímu data stewardovi.