公開から5年後の改訂
そのプライバシー対策、実は“時代遅れ”かも？ NISTが示す新基準
米国立標準技術研究所（NIST）が、2020年に公開したプライバシーリスクに関する枠組みの改訂を控えている。その目的は何か。
米国立標準技術研究所（NIST）は2025年4月、組織のプライバシーリスクに関するフレームワーク（行動指針）「Privacy Framework」（以下、PF）の改訂版「PF 1.1」の制定に向けた初期公開ドラフト（Initial Public Draft：IPD）を公開した。2020年1月、PFの初版1.0が公開されてから初めての改訂となる。その狙いは。
PF 1.1の狙いは？
PFの改訂は、フレームワークの使いやすさを高めるとともに、2024年2月にNISTが公開した組織のサイバーセキュリティ対策に関するフレームワーク「NIST CFS」（NIST Cybersecurity Framework）との整合性を高めることを目的としている。
改訂に当たってIPDは、NIST CFSのバージョン2.0（以下、CFS 2.0）の構成を採用。人工知能（AI）やプライバシーリスク管理に関する新たな項目を追加した。
PF 1.1は、CSF 2.0と同様に以下の3つの要素で構成されている。
- コア（Core）
- 組織がプライバシーリスクを管理するために取り組むべき共通の活動の一覧
- 組織プロファイル（Organizational Profiles）
- プライバシーに関する組織の慣行を評価し、目標を定義するための枠組み
- ティア（Tiers）
- プライバシーリスク管理のプロセスの成熟度や洗練度を評価する基準
NIST CSFとPFを併用することで、プライバシーやセキュリティ施策をより効果的に進めることが可能となる見通しだ。
PFは、対象となる組織の業種や技術を限定していない。さまざまな組織が、自社のプライバシーポリシーの公開や、プライバシーを念頭に置いたシステム設計、社内外との連携を進めることで、プライバシーリスクを適切に管理できるようにするためのものだ。
PF 1.1は、Coreの見直しを進めている。Coreは、プライバシーリスクに関する取り組み方や、目指すべき結果について組織で話し合うための土台となるものだ。IPDは、特にCSF 2.0の「統治」（Govern）、「防御」（Protect）との整合性の維持に重点を置いている。
IPDには、AIとプライバシーリスクの関連性に焦点を当てた新たなセクションが追加された。PF 1.0が、AIチャットbotをはじめとしたAIツールの普及以前に公開されたためだ。PF 1.1には、PF 1.1を活用することでAI関連のリスクにどのように対処できるかも示される計画だ。
NISTは、PF 1.1を文書ではなく専用のWebサイトで公開することを見込んでいる。これによって、文言を迅速に更新したり、エンドユーザーのニーズに速やかに対処したりしやすくなる。
NISTは、IPDに対する意見を2025年6月13日（現地時間）まで受け付け、その後最終版の策定を進める。
TechTarget.AIとは
TechTarget.AI編集部は生成AIなどのサービスを利用し、米国Informa TechTargetの記事を翻訳して国内向けにお届けします。
Copyright © ITmedia, Inc. All Rights Reserved.
本記事は制作段階でChatGPT等の生成系AIサービスを利用していますが、文責は編集部に帰属します。
TechTarget.AI
TechTarget.AI編集部は生成AIなどのサービスを利用し、米国TechTargetの記事を翻訳して国内向けにお届けします。
この記事の著者
関連記事
新着ホワイトペーパー PR
-
製品資料
[ゾーホージャパン株式会社] サイバー攻撃からネットワークを守る上で確実に押さえておきたいポイントとは？ -
事例
[アルプス システム インテグレーション株式会社] 中小企業でも安心して活用できる「手ごろなSOCサービス」とは？ -
製品資料
[株式会社シーイーシー] 脱VMwareに成功した企業は何をどう実践した？ 事例に学ぶ戦略立案＆実装のコツ -
製品資料
[株式会社オービックビジネスコンサルタント] ランサムウェア攻撃を“二重の防御構造”で防ぐ、クラウド型基幹システムの実力 -
製品資料
[株式会社オービックビジネスコンサルタント] 動画で知るランサムウェア被害企業のリアル、会計データが無事だった理由とは
こんなメディアも見られています
TechTargetジャパンに関連する情報をお探しであれば、こちらのメディアもお役に立てるかもしれません。
ベンダーコンテンツ PR
From Informa TechTarget
SpecialPR
アクセスランキング
-
1
損保ジャパンはなぜ「COBOL」を捨てなかったのか？ 脱メインフレームの真相
-
2
AIの導入効果はどう測る？ DMM.comのエンジニア組織に学ぶ効果検証のノウハウ
-
3
鹿島建設のDXを阻む「10年前のAWS」 安全性と自由度を両立したモダナイズ
-
4
「データストレージの活用方法」に関するアンケート
-
5
なぜ「全社配布Copilot」は使われないのか？ 失敗に学ぶAI定着
-
6
「AI活用を前提とした業務PCへの移行」に関するアンケート
-
7
「企業におけるAI導入検討度とIT投資優先度」に関するアンケート
-
8
「ITインフラとデータ保護・バックアップ対策」に関するアンケート
-
9
「データ活用とAI活用の実態」に関するアンケート
-
10
慶應義塾が「Notion」を選んだ理由 AI導入の盲点になる“情報のサイロ化”
ホワイトペーパーランキング PR
-
1
不審メールの経路や見せ方に変化？ 2026年夏の3事例から見えた動向と対処方法
-
2
DX／AI投資の壁を突破、現代の最高財務責任者が直面する課題と克服のヒント
-
3
「オンプレミス回帰」せざるを得ない“合理的な理由”
-
4
LLMが兵器化？ 元FBI高官が鳴らす警鐘とセキュリティツール統合のポイント
-
5
システムの保守がモダン化を阻む？ 「変えない判断」から脱却する方法とは
-
6
生成AIを開発に導入しても効果が見えない？ 実証実験で分かった成果と課題
-
7
経産省DX指針から読み解く、受発注業務デジタル化ロードマップ
-
8
“あのファイル転送”で暗躍するノーウェアランサム
-
9
Microsoft 365を安全に運用 うっかりミスやサイバー攻撃に備えるデータ保護術
-
10
HDDを使わない「SSDオンリー」が無謀なのはなぜ？
TechTargetジャパン SNS
@techtarget_itmをフォロー
インフォメーション
注目情報をチェック
TechTargetジャパンをフォロー