무료 온라인 액세스 ISACA.CISA-KR.v2024-01-31.q392 모의 시험 (Page 45)

CISA-KR 문제 216

용량 관리를 통해 조직은 다음을 수행할 수 있습니다.

A. 기술 동향 예측

B. 네트워크 통신 링크의 용량 설정

C. 구성 요소를 업그레이드해야 하는 범위를 식별합니다.

D. 비즈니스 거래량을 결정합니다.

CISA-KR 문제 217

시스템 관리자는 최근 조직 외부에서 침입 시도가 여러 번 실패했다는 사실을 IS 감사자에게 알렸습니다. 다음 중 그러한 침입을 탐지하는 데 가장 효과적인 것은 무엇입니까?

A. 정기적으로 로그 파일 검토

B. 라우터를 방화벽으로 구성

C. 일회용 비밀번호로 스마트 카드 사용

D. 생체 기반 인증 설치

CISA-KR 문제 218

다음 중 데이터 센터의 바닥 타일 아래에 배치될 가능성이 가장 큰 환경 장비 유형은 무엇입니까?

A. 온도 센서

B. 습도 센서

C. 물 센서

D. 기압 센서

CISA-KR 문제 219

조직의 위험 관리 관행을 감사하는 동안 IS 감사인이 문서화된 여러 IT 위험 수락이 지정된 만료 날짜 이후에 적시에 갱신되지 않았음을 발견했습니다. ?

A. 비즈니스 프로세스에 대한 문서화된 보상 통제가 있습니다.

B. 위험 수용은 적절한 고위 경영진에 의해 사전에 검토 및 승인되었습니다.

C. 리스크 수용이 승인된 이후 사업 환경이 크게 바뀌지 않았습니다.

D. 문제가 있는 위험 수용은 전체 인구의 작은 비율을 반영합니다.

CISA-KR 문제 220

조직의 소프트웨어 개발자는 특정 데이터 형식으로 저장된 개인 식별 정보(Pll)에 액세스해야 합니다. 다음 중 개발자가 개발 및 테스트 환경에서 사용하도록 허용하면서 이 민감한 정보를 보호하는 가장 좋은 방법은 무엇입니까?

A. 데이터 마스킹

B. 데이터 토큰화

C. 데이터 암호화

D. 데이터 추상화

정답: A

Explanation
The best way to protect sensitive information such as personally identifiable information (PII) stored in a particular data format while allowing the software developers to use it in development and test environments is data masking. Data masking is a technique that replaces or obscures sensitive data elements with fictitious or modified data elements that retain the original format and characteristics of the data. Data masking can help protect sensitive information such as PII stored in a particular data format while allowing the software developers to use it in development and test environments by preventing the exposure or disclosure of the real data values without affecting the functionality or performance of the software or application. The other options are not as effective as data masking in protecting sensitive information such as PII stored in a particular data format while allowing the software developers to use it in development and test environments, as they have different limitations or drawbacks. Data tokenization is a technique that replaces sensitive data elements with non-sensitive tokens that have no intrinsic value or meaning. Data tokenization can protect sensitive information such as PII from unauthorized access or theft, but it may not retain the original format and characteristics of the data, which may affect the functionality or performance of the software or application.
Data encryption is a technique that transforms sensitive data elements into unreadable or unintelligible ciphertext using an algorithm and a key. Data encryption can protect sensitive information such as PII from unauthorized access or modification, but it requires decryption to restore the original data values, which may introduce additional complexity or overhead to the software development process. Data abstraction is a technique that hides the details or complexity of data structures or operations from users or programmers by providing a simplified representation or interface. Data abstraction can help improve the usability or maintainability of software or applications, but it does not protect sensitive information such as PII from exposure or disclosure. References: CISA Review Manual (Digital Version), Chapter 5, Section 5.3.2

다른 버전: 4019ISACA.CISA-KR.v2026-05-16.q709; 1808ISACA.CISA-KR.v2026-05-06.q261; 3124ISACA.CISA-KR.v2026-03-16.q665; 4489ISACA.CISA-KR.v2026-03-07.q651; 9233ISACA.CISA-KR.v2025-04-07.q633; 4453ISACA.CISA-KR.v2025-04-03.q628; 3700ISACA.CISA-KR.v2025-04-02.q544; 4223ISACA.CISA-KR.v2025-03-31.q534; 5321ISACA.CISA-KR.v2025-03-28.q617; 3152ISACA.CISA-KR.v2025-03-19.q581; 3998ISACA.CISA-KR.v2025-03-03.q807; 5135ISACA.CISA-KR.v2024-02-07.q421; 5290ISACA.CISA-KR.v2023-10-24.q329; 5215ISACA.CISA-KR.v2023-07-31.q266; 3142ISACA.CISA-KR.v2023-06-23.q324

최근 업로드: 118Microsoft.AZ-305-KR.v2026-08-14.q177; 159Microsoft.DP-900-KR.v2026-08-13.q130; 244Microsoft.PL-600.v2026-08-11.q206; 184Microsoft.DP-100.v2026-08-11.q160; 177Oracle.1Z0-1048-25.v2026-08-11.q68; 145ISQI.CTAL-TAE.v2026-08-11.q37; 195ServiceNow.CIS-HR.v2026-08-11.q84; 259Salesforce.Plat-Arch-201.v2026-08-10.q101; 245Databricks.Databricks-Machine-Learning-Professional.v2026-08-10.q76; 192F5.F5CAB2.v2026-08-10.q41