Dari waktu ke waktu, kami merilis makalah, postingan blog, dan video yang terkait dengan Perlindungan Data Sensitif. Kolaborator tercantum di sini.
Postingan blog
Lebih aman secara default: Otomatiskan kontrol akses dengan Perlindungan Data Sensitif dan IAM bersyarat
Postingan blog ini memperkenalkan kemampuan untuk otomatis memberikan atau menolak akses Identity and Access Management (IAM) ke resource berdasarkan sensitivitas data dalam resource tersebut.
Untuk dokumentasi teknis tentang fitur ini, lihat Mengontrol akses IAM berdasarkan sensitivitas data.
Melindungi workload AI generatif dengan Perlindungan Data Sensitif
Postingan blog ini mengeksplorasi pendekatan yang berfokus pada data untuk melindungi aplikasi AI generatif dengan Perlindungan Data Sensitif, dan menyediakan Jupyter Notebook dengan contoh nyata.
Baca postingan blog: "Cara Sensitive Data Protection membantu mengamankan workload AI generatif"
Pengelolaan risiko data otomatis untuk BigQuery menggunakan DLP
Layanan penemuan data sensitif terus memindai data di seluruh organisasi Anda untuk memberi Anda kesadaran umum tentang data yang Anda miliki dan visibilitas spesifik tentang tempat data sensitif disimpan dan diproses. Kesadaran ini adalah langkah pertama yang penting dalam melindungi dan mengatur data Anda serta berfungsi sebagai kontrol utama untuk membantu meningkatkan postur keamanan, privasi, dan 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
Melihat kembali sejarah DLP sebelum membahas kegunaan DLP di lingkungan saat ini, termasuk kasus penggunaan kepatuhan, keamanan, dan privasi.
Memindai data sensitif hanya dengan beberapa klik
Tampilan mendalam di antarmuka pengguna konsol Google Cloud untuk Perlindungan Data Sensitif untuk menunjukkan cara untuk mulai memeriksa data perusahaan Anda hanya dengan beberapa klik.
Baca postingan blog: "Memegang kendali data Anda: Memindai data sensitif hanya dengan beberapa klik"
Cara tokenisasi membuat data dapat digunakan tanpa mengorbankan privasi
Tokenisasi, yang terkadang disebut sebagai pseudonimisasi atau penggantian surrogate, banyak digunakan di industri seperti keuangan dan layanan kesehatan untuk membantu mengurangi penggunaan data yang digunakan, cakupan kepatuhan, dan meminimalkan data sensitif yang terpapar pada sistem yang tidak membutuhkannya. Dengan Perlindungan Data Sensitif, pelanggan dapat melakukan tokenisasi dalam skala besar dengan penyiapan minimal.
Menggunakan Perlindungan Data Sensitif untuk melakukan de-identifikasi dan meng-obfuscate informasi sensitif
Tim membahas cara memanfaatkan Perlindungan Data Sensitif untuk melindungi data dengan otomatis menggabungkan teknik obfuscation dan minimisasi data ke dalam alur kerja Anda.
Menggunakan Perlindungan Data Sensitif untuk menemukan dan melindungi PII
Scott Ellis, Product Manager Perlindungan Data Sensitif, membahas cara memanfaatkan Perlindungan Data Sensitif untuk meningkatkan postur privasi Anda.
Memindai BigQuery dengan Perlindungan Data Sensitif
Tim ini membagikan cara memindai BigQuery dengan mudah dari konsol Google Cloud.
Solusi
Pemeriksaan campuran Perlindungan Data Sensitif untuk database SQL menggunakan JDBC
Tutorial ini menunjukkan cara menggunakan metode pemeriksaan campuran Perlindungan Data Sensitif dengan driver JDBC untuk memeriksa sampel tabel di database SQL seperti MySQL, SQL Server, atau PostgreSQL yang berjalan di mana saja.
Baca tutorial: "Pemeriksaan campuran Perlindungan Data Sensitif untuk database SQL menggunakan JDBC"
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, alat ini dapat menemukan dan menulis temuan sensitif atau menyamarkan informasi sensitif dari file audio.
Selain itu, tutorial kedua, Framework Analisis Ucapan menyertakan 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: "Speech Redaction Framework"
GitHub: "Speech Analysis Framework"
Arsitektur penjadwalan serverless berbasis peristiwa dengan Perlindungan Data Sensitif
Tutorial ini menunjukkan arsitektur penjadwalan serverless berbasis peristiwa yang sederhana, 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 sidecar 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 menemukan data sensitif, termasuk PII.
GitHub: Filter Perlindungan Data Sensitif untuk Envoy
Deteksi anomali menggunakan analisis streaming & AI
Dalam postingan ini, kita akan membahas pola AI real-time untuk mendeteksi anomali dalam file log. Dengan menganalisis dan mengekstrak fitur dari log jaringan, kami membantu pelanggan telekomunikasi (telco) membuat pipeline analisis streaming untuk mendeteksi anomali. Kita juga akan 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: "Realtime Anomaly Detection Using Google Cloud Stream Analytics and AI Services"
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 pemeriksaan dan migrasi ini membaca data terstruktur dan tidak terstruktur dari sistem penyimpanan seperti Amazon S3 dan Cloud Storage. Data dapat dideidentifikasi secara otomatis menggunakan DLP API dan 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 mengimplementasikan karantina data otomatis dan sistem klasifikasi 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 dipertahankan.
GitHub: Impor Database Relasional ke BigQuery dengan Dataflow dan Sensitive Data Protection
Video
Cloud Next '20: OnAir: Mengelola Data Sensitif di Lingkungan Hybrid
Data sensitif ada di lingkungan perusahaan, baik di cloud maupun di luar cloud. Mengelola data ini dengan benar sangat penting, terlepas dari tempat data tersebut berada. Dalam sesi ini, kami akan menunjukkan cara Perlindungan Data Sensitif dapat membantu Anda mengelola data, dengan berfokus pada dukungan untuk pemeriksaan konten di lingkungan campuran seperti infrastruktur 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 Gabungan
Baca tutorial: "Filter Perlindungan Data Sensitif untuk Envoy"
Baca tutorial: "Pemeriksaan campuran Perlindungan Data Sensitif untuk database SQL menggunakan JDBC"
Cloud OnAir: Protecting sensitive datasets on Google Cloud
Data adalah salah satu aset perusahaan Anda yang paling berharga. Analisis dan machine learning dapat membantu membuka layanan yang berharga bagi pelanggan dan bisnis Anda. Set data ini juga dapat berisi data sensitif yang memerlukan perlindungan. Dalam webinar ini, Anda akan mempelajari cara Sensitive Data Protection dapat membantu Anda menemukan, mengklasifikasikan, dan melakukan de-identifikasi data sensitif sebagai bagian dari strategi pemerintahan secara keseluruhan.
YouTube: Cloud OnAir: Protecting sensitive datasets in Google Cloud
Cloud Next 2019: Scotiabank membagikan pendekatan native cloud mereka untuk menyerap PII ke Google Cloud
Sebagai bank internasional utama, Scotiabank membahas perjalanan keamanan dan pendekatan native cloud-nya untuk menyerap PII ke Google Cloud, membatasi akses, serta dengan hati-hati dan secara selektif mengizinkan identifikasi ulang oleh aplikasi bank.
YouTube: Perlindungan Komprehensif PII di Google Cloud (Cloud Next '19)
Cloud Next 2019: Identifikasi dan Lindungi Data Sensitif di Cloud
Tim ini membagikan kemajuan terbaru yang dibuat pada Perlindungan Data Sensitif dan mendemonstrasikan beberapa teknik berbeda untuk melindungi data sensitif Anda.