Di tanto in tanto pubblichiamo articoli, post di blog e video relativi alla protezione dei dati sensibili. Sono elencate qui.
Blog post
Proteggi i carichi di lavoro dell'AI generativa con Sensitive Data Protection
Questo blog post esplora un approccio incentrato sui dati per proteggere le applicazioni di AI generativa con Sensitive Data Protection e fornisce un blocco note Jupyter con esempi reali.
Gestione automatica del rischio dei dati per BigQuery mediante DLP
Il servizio di rilevamento di dati sensibili scansiona continuamente i dati in tutta l'organizzazione per darti informazioni generali sui dati a tua disposizione e visibilità specifica sulla posizione in cui vengono archiviati ed elaborati i dati sensibili. Questa consapevolezza è un primo passo fondamentale per proteggere e gestire i dati e funge da controllo chiave per migliorare la sicurezza, la privacy e la conformità.
Leggi il blog post: "Gestione automatica del rischio dei dati per BigQuery con DLP "
Non solo conformità: reimmaginare la DLP per il mondo di oggi incentrato sul cloud
Ripercorri la storia di DLP prima di parlare dell'utilità di questo prodotto nell'ambiente odierno, inclusi i casi d'uso di conformità, sicurezza e privacy.
Scansione dei dati sensibili in pochi clic
Un'analisi più approfondita dell'interfaccia utente di Sensitive Data Protection della console Google Cloud per mostrare come puoi iniziare a ispezionare i dati aziendali con pochi clic.
Leggi il blog post: "Assumi il controllo dei tuoi dati: scansiona i dati sensibili in pochi clic"
In che modo la tokenizzazione rende i dati utilizzabili senza sacrificare la privacy
La tokenizzazione, a volte definita pseudonimi o sostituzione di surrogati, è ampiamente utilizzata in settori come la finanza e la sanità per contribuire a ridurre l'uso dei dati in uso, l'ambito di conformità e ridurre al minimo l'esposizione dei dati sensibili a sistemi che non ne hanno bisogno. Con Sensitive Data Protection, i clienti possono eseguire la tokenizzazione su larga scala con una configurazione minima.
Utilizzo di Sensitive Data Protection per anonimizzare e offuscare le informazioni sensibili
Il team parla di come sfruttare Sensitive Data Protection per proteggere i dati incorporando automaticamente tecniche di offuscamento e minimizzazione dei dati nei tuoi flussi di lavoro.
Utilizzare Sensitive Data Protection per trovare e proteggere le PII
Scott Ellis, Sensitive Data Protection Product Manager, spiega come utilizzare Sensitive Data Protection per migliorare la tua strategia di privacy.
Analisi di BigQuery con Sensitive Data Protection
Il team spiega come eseguire facilmente la scansione di BigQuery dalla console Google Cloud.
Leggi il blog post: "Scan BigQuery for sensitive data using Sensitive Data Protection"
Soluzioni
Ispezione ibrida di Sensitive Data Protection per database SQL tramite JDBC
Questo tutorial mostra come utilizzare il metodo di ispezione ibrido di Sensitive Data Protection con un driver JDBC per ispezionare esempi di tabelle in un database SQL come MySQL, SQL Server o PostgreSQL in esecuzione virtualmente ovunque.
Leggi il tutorial: "Ispezione ibrida di Sensitive Data Protection per database SQL utilizzando JDBC"
Framework di oscuramento vocale che utilizza Sensitive Data Protection
Questo tutorial include una raccolta di componenti e codice che puoi utilizzare per oscurare le informazioni sensibili nei file audio. Utilizzando i file caricati in Cloud Storage, può rilevare e scrivere risultati sensibili o oscurare informazioni sensibili dal file audio.
Inoltre, un secondo tutorial, il framework di analisi vocale, include una raccolta di componenti e codice che puoi utilizzare per trascrivere audio, creare una pipeline di dati per l'analisi di file audio trascritti e oscurare informazioni sensibili dalle trascrizioni audio con Sensitive Data Protection.
GitHub: "Framework di oscuramento vocale"
GitHub: "Framework di analisi vocale"
Architettura di pianificazione serverless basata su eventi con Sensitive Data Protection
Questo tutorial mostra un'architettura di pianificazione serverless basata su eventi semplice ma efficace e scalabile con i servizi Google Cloud. L'esempio incluso mostra come utilizzare l'API DLP per esaminare i dati di BigQuery.
Filtro Sensitive Data Protection per Envoy
Il filtro Sensitive Data Protection per Envoy è un filtro HTTP WebAssembly ("Wasm") per i proxy sidecar Envoy all'interno di un mesh di servizi Istio. Sensitive Data Protection Filter for Envoy acquisisce il traffico del piano dati proxy e lo invia per l'ispezione a Sensitive Data Protection, dove il payload viene analizzato alla ricerca di dati sensibili, incluse le PII.
GitHub: filtro Sensitive Data Protection per Envoy
Rilevamento di anomalie tramite l'analisi dei flussi di dati e l'AI
In questo post illustreremo un pattern di AI in tempo reale per il rilevamento di anomalie nei file di log. Analizzando ed estraendo funzionalità dai log di rete, abbiamo aiutato un cliente delle telecomunicazioni a creare una pipeline di analisi dei flussi di dati per rilevare eventuali anomalie. Discuteremo anche di come adattare questo modello alle esigenze in tempo reale della tua organizzazione. Questa soluzione proof of concept utilizza Pub/Sub, Dataflow, BigQuery ML e Sensitive Data Protection.
Leggi il blog post: "Rilevamento di anomalie con l'analisi dei flussi di dati e l'AI"
Leggi il tutorial: "Realtime Anomaly Detection using Google Cloud Stream Analytics and AI Services"
Anonimizzazione e reidentificazione delle PII in set di dati su larga scala utilizzando Sensitive Data Protection
Questa soluzione illustra come utilizzare Sensitive Data Protection per creare una pipeline di trasformazione dei dati automatizzata per anonimizzare i dati sensibili come le informazioni che consentono l'identificazione personale (PII). Questa soluzione di ispezione e migrazione legge i dati strutturati e non strutturati da sistemi di archiviazione come Amazon S3 e Cloud Storage. I dati possono essere anonimizzati automaticamente utilizzando l'API DLP e inviati a BigQuery e Cloud Storage.
GitHub: PoC per la tokenizzazione dei dati con Dataflow/Beam e API DLP
Automazione della classificazione dei dati caricati su Cloud Storage
Questo tutorial mostra come implementare un sistema automatizzato di quarantena e classificazione dei dati utilizzando Cloud Storage e altri prodotti Google Cloud.
Leggi il tutorial: "Automazione della classificazione dei dati caricati in Cloud Storage"
Importazione di database relazionali in BigQuery con Dataflow
Questa proof-of-concept utilizza Dataflow e Sensitive Data Protection per tokenizzare e importare in modo sicuro i dati da un database relazionale in BigQuery. L'esempio descrive come utilizzare questa pipeline con un database SQL Server di esempio creato in Google Kubernetes Engine e come utilizzare il modello Sensitive Data Protection per tokenizzare i dati PII prima che vengano resi persistenti.
GitHub: importazione di database relazionali in BigQuery con Dataflow e Sensitive Data Protection
Architettura di esempio per l'utilizzo di un proxy di Sensitive Data Protection per eseguire query su un database contenente dati sensibili
Questa architettura proof-of-concept utilizza un proxy per passare tutte le query e i risultati tramite un servizio che analizza, ispeziona e quindi registra i risultati o anonimizza i risultati utilizzando Sensitive Data Protection. Quindi, restituisce i dati richiesti all'utente. Tieni presente che se il database archivia già i dati tokenizzati, questo concetto di proxy può essere utilizzato anche per annullare la tokenizzazione prima di restituire i dati richiesti. Leggi il tutorial: "Architettura di esempio per l'utilizzo di un proxy Sensitive Data Protection per eseguire query su un database contenente dati sensibili"
Video
Cloud Next '20: OnAir: gestione dei dati sensibili in ambienti ibridi
I dati sensibili esistono in ambienti aziendali sia all'interno che all'esterno del cloud. La corretta gestione di questi dati è fondamentale, indipendentemente da dove si trovano. In questa sessione ti mostreremo come la protezione dei dati sensibili può aiutarti a gestire i dati, concentrandosi sul supporto dell'ispezione dei contenuti in ambienti ibridi come on-premise, database in esecuzione su macchine virtuali, file ospitati su altri cloud provider, flusso di dati all'interno di Kubernetes e altro ancora.
YouTube: SEC206: gestione dei dati sensibili in ambienti ibridi
Leggi il tutorial: "Sensitive Data Protection Filtro per Envoy"
Leggi il tutorial: "Ispezione ibrida di Sensitive Data Protection per database SQL utilizzando JDBC"
Cloud OnAir: protezione dei set di dati sensibili su Google Cloud
I dati sono una delle risorse più preziose della tua azienda. Le analisi e il machine learning possono aiutarti a usufruire di servizi di valore per i tuoi clienti e la tua attività. Questi set di dati possono contenere anche dati sensibili che richiedono protezione. In questo webinar scoprirai come la protezione dei dati sensibili può aiutarti a scoprire, classificare e anonimizzare i dati sensibili nell'ambito di una strategia di governance complessiva.
YouTube: Cloud OnAir: proteggere i set di dati sensibili in Google Cloud
Cloud Next 2019: Scotiabank condivide il suo approccio cloud-native per l'importazione di PII in Google Cloud
In qualità di importante banca internazionale, Scotiabank parla del suo percorso verso la sicurezza e dell'approccio cloud-native per l'importazione di PII in Google Cloud, limitando l'accesso e consentendo in modo attento e selettivo la reidentificazione da parte delle applicazioni bancarie.
YouTube: protezione completa delle PII in Google Cloud (Cloud Next '19)
Cloud Next 2019: identifica e proteggi i dati sensibili nel cloud
Il team condivide gli ultimi progressi compiuti in relazione alla protezione dei dati sensibili e mostra varie tecniche per proteggere i dati sensibili.