Dari waktu ke waktu, kami merilis makalah, postingan blog, dan video yang terkait dengan Perlindungan Data Sensitif. Kunci tersebut tercantum di sini.
Postingan blog
Melindungi workload AI generatif dengan Perlindungan Data Sensitif
Postingan blog ini membahas pendekatan yang berfokus pada data untuk melindungi aplikasi AI generatif dengan Perlindungan Data Sensitif, dan memberikan Notebook Jupyter dengan contoh kehidupan nyata.
Baca postingan blog: "Cara Perlindungan Data Sensitif membantu mengamankan workload AI generatif"
Manajemen risiko data otomatis untuk BigQuery menggunakan DLP
Layanan penemuan data sensitif terus memindai data di seluruh organisasi untuk memberikan informasi umum tentang data yang Anda miliki dan visibilitas spesifik tentang tempat data sensitif disimpan dan diproses. Awareness ini merupakan langkah pertama yang penting dalam melindungi dan mengatur data Anda serta bertindak sebagai kontrol utama untuk membantu meningkatkan keamanan, privasi, dan postur kepatuhan Anda.
Baca postingan blog: "Pengelolaan risiko data otomatis untuk BigQuery menggunakan DLP "
Bukan hanya kepatuhan: menata ulang DLP untuk dunia yang berfokus pada cloud saat ini
Kilas balik histori DLP sebelum membahas kegunaan DLP di lingkungan saat ini, termasuk kasus penggunaan terkait kepatuhan, keamanan, dan privasi.
Memindai data sensitif hanya dengan beberapa klik
Lihat lebih mendalam antarmuka pengguna Konsol Google Cloud untuk Perlindungan Data Sensitif untuk menunjukkan cara mulai memeriksa data perusahaan hanya dengan beberapa klik.
Bagaimana tokenisasi membuat data dapat digunakan tanpa mengorbankan privasi
Tokenisasi, terkadang disebut sebagai pseudonimisasi atau penggantian pengganti, banyak digunakan di industri seperti keuangan dan layanan kesehatan untuk membantu mengurangi penggunaan data yang digunakan, cakupan kepatuhan, dan meminimalkan data sensitif yang terekspos ke sistem yang tidak memerlukannya. Dengan Perlindungan Data Sensitif, pelanggan dapat melakukan tokenisasi dalam skala besar dengan penyiapan minimal.
Menggunakan Perlindungan Data Sensitif untuk melakukan de-identifikasi dan menyamarkan informasi sensitif
Tim ini membahas cara memanfaatkan Perlindungan Data Sensitif untuk melindungi data dengan menggabungkan teknik minimalisasi dan obfuscation data secara otomatis ke dalam alur kerja Anda.
Menggunakan Perlindungan Data Sensitif untuk menemukan dan melindungi PII
Scott Ellis, Sensitive Data Protection Product Manager, membahas cara memanfaatkan Perlindungan Data Sensitif untuk meningkatkan postur privasi Anda.
Memindai BigQuery dengan Perlindungan Data Sensitif
Tim membagikan cara memindai BigQuery dengan mudah dari konsol Google Cloud.
Solusi
Pemeriksaan hybrid Perlindungan Data Sensitif untuk database SQL menggunakan JDBC
Tutorial ini menunjukkan cara menggunakan metode inspeksi hybrid Perlindungan Data Sensitif dengan driver JDBC untuk memeriksa sampel tabel di database SQL seperti MySQL, SQL Server, atau PostgreSQL yang berjalan hampir di mana saja.
Framework Penyamaran Ucapan menggunakan Perlindungan Data Sensitif
Tutorial ini mencakup kumpulan komponen dan kode yang dapat Anda gunakan untuk menyamarkan informasi sensitif dari file audio. Dengan menggunakan file yang diupload ke Cloud Storage, Cloud Storage dapat menemukan dan menulis temuan sensitif atau menyamarkan informasi sensitif dari file audio.
Selain itu, tutorial kedua, Framework Analisis Ucapan mencakup kumpulan komponen dan kode yang dapat Anda gunakan untuk mentranskripsikan audio, membuat pipeline data untuk analisis file audio yang ditranskripsikan, dan menyamarkan informasi sensitif dari transkrip audio dengan Perlindungan Data Sensitif.
GitHub: "Framework Penyuntingan Ucapan"
GitHub: "Framework Analisis Ucapan"
Arsitektur penjadwalan serverless berbasis peristiwa dengan Perlindungan Data Sensitif
Tutorial ini menunjukkan arsitektur penjadwalan serverless berbasis peristiwa yang sederhana namun efektif dan skalabel dengan layanan Google Cloud. Contoh yang disertakan menunjukkan cara menggunakan DLP API untuk memeriksa data BigQuery.
Filter Perlindungan Data Sensitif untuk Envoy
Filter Perlindungan Data Sensitif untuk Envoy adalah filter HTTP WebAssembly ("Wasm") untuk proxy file bantuan Envoy di dalam mesh layanan Istio. Filter Perlindungan Data Sensitif untuk Envoy menangkap traffic bidang data proxy dan mengirimkannya untuk diperiksa ke Perlindungan Data Sensitif, tempat payload dipindai untuk mendeteksi data sensitif, termasuk PII.
GitHub: Filter Perlindungan Data Sensitif untuk Envoy
Deteksi anomali menggunakan analisis streaming & AI
Dalam postingan ini, kami membahas pola AI real-time untuk mendeteksi anomali dalam file log. Dengan menganalisis dan mengekstrak fitur dari log jaringan, kami membantu pelanggan telekomunikasi (telko) membangun pipeline analisis streaming untuk mendeteksi anomali. Kami juga membahas cara menyesuaikan pola ini untuk memenuhi kebutuhan real-time organisasi Anda. Solusi bukti konsep ini menggunakan Pub/Sub, Dataflow, BigQuery ML, dan Perlindungan Data Sensitif.
Baca postingan blog: "Deteksi anomali menggunakan analisis streaming & AI"
Baca tutorial: "Deteksi Anomali Realtime Menggunakan Analisis Streaming dan Layanan AI Google Cloud"
De-identifikasi dan identifikasi ulang PII dalam set data berskala besar menggunakan Perlindungan Data Sensitif
Solusi ini membahas cara menggunakan Perlindungan Data Sensitif untuk membuat pipeline transformasi data otomatis guna melakukan de-identifikasi data sensitif seperti informasi identitas pribadi (PII). Solusi inspeksi dan migrasi ini membaca data terstruktur dan tidak terstruktur dari sistem penyimpanan seperti Amazon S3 dan Cloud Storage. Data dapat dide-identifikasi secara otomatis menggunakan DLP API serta dikirim ke BigQuery dan Cloud Storage.
GitHub: PoC Tokenisasi Data Menggunakan Dataflow/Beam dan DLP API
Mengotomatiskan klasifikasi data yang diupload ke Cloud Storage
Tutorial ini menunjukkan cara menerapkan sistem karantina data dan klasifikasi otomatis menggunakan Cloud Storage dan produk Google Cloud lainnya.
Baca tutorial: "Mengotomatiskan klasifikasi data yang diupload ke Cloud Storage"
Impor database relasional ke BigQuery dengan Dataflow
Bukti konsep ini menggunakan Dataflow dan Perlindungan Data Sensitif untuk membuat token dan mengimpor data dari database relasional ke BigQuery dengan aman. Contoh ini menjelaskan cara menggunakan pipeline ini dengan contoh database SQL Server yang dibuat di Google Kubernetes Engine dan penggunaan template Perlindungan Data Sensitif untuk membuat token data PII sebelum disimpan.
GitHub: Impor Database Relasional ke BigQuery dengan Dataflow dan Perlindungan Data Sensitif
Contoh arsitektur untuk menggunakan proxy Perlindungan Data Sensitif untuk membuat kueri database yang berisi data sensitif
Arsitektur bukti konsep ini menggunakan proxy untuk meneruskan semua kueri dan hasil melalui layanan yang mengurai, memeriksa, lalu mencatat temuan tersebut ke dalam log atau melakukan de-identifikasi hasil dengan menggunakan Perlindungan Data Sensitif. Kemudian, kode ini akan menampilkan data yang diminta kepada pengguna. Perlu diperhatikan bahwa jika database sudah menyimpan data yang di-token, konsep proxy ini juga dapat digunakan untuk melakukan de-token sebelum menampilkan data yang diminta. Baca tutorial: "Contoh arsitektur untuk menggunakan proxy Perlindungan Data Sensitif untuk membuat kueri database yang berisi data sensitif"
Video
Cloud Next '20: OnAir: Mengelola Data Sensitif di Lingkungan Hybrid
Data sensitif ada di lingkungan perusahaan baik di dalam maupun di luar cloud. Mengelola data ini dengan benar sangatlah penting di mana pun data tersebut berada. Dalam sesi ini, kami akan menunjukkan cara Perlindungan Data Sensitif dapat membantu Anda mengelola data, yang berfokus pada dukungan untuk pemeriksaan konten di lingkungan hybrid seperti lokal, database yang berjalan di virtual machine, file yang dihosting di penyedia cloud lain, data yang mengalir di dalam Kubernetes, dan lainnya.
YouTube: SEC206: Mengelola Data Sensitif di Lingkungan Hybrid
Baca tutorial: "Filter Perlindungan Data Sensitif untuk Envoy"
Cloud OnAir: Melindungi set data sensitif di Google Cloud
Data adalah salah satu aset paling berharga di perusahaan Anda. Analisis dan machine learning dapat membantu mendapatkan layanan berharga bagi pelanggan dan bisnis Anda. {i>Dataset<i} ini juga dapat berisi data sensitif yang memerlukan perlindungan. Dalam webinar ini, Anda akan mempelajari cara Perlindungan Data Sensitif dapat membantu Anda menemukan, mengklasifikasikan, dan melakukan de-identifikasi data sensitif sebagai bagian dari strategi tata kelola secara keseluruhan.
YouTube: Cloud OnAir: Melindungi set data sensitif di Google Cloud
Cloud Next 2019: Scotiabank membagikan pendekatan berbasis cloud mereka untuk menyerap PII ke dalam Google Cloud
Sebagai bank internasional besar, Scotiabank membahas perjalanan keamanannya dan pendekatan berbasis cloud untuk menyerap PII ke dalam Google Cloud, membatasi akses, serta secara cermat dan selektif mengizinkan identifikasi ulang melalui aplikasi bank.
YouTube: Perlindungan Menyeluruh terhadap PII di Google Cloud (Cloud Next '19)
Cloud Next 2019: Mengidentifikasi dan Melindungi Data Sensitif di Cloud
Tim ini membagikan kemajuan terbaru yang dibuat untuk Perlindungan Data Sensitif dan mendemonstrasikan beberapa teknik berbeda untuk melindungi data sensitif Anda.