Dari waktu ke waktu, kami merilis dokumen, postingan blog, dan video terkait Sensitive Data Protection. Semua item tersebut tercantum di sini.
Postingan blog
Memulai tokenisasi bawaan Google CloudSensitive Data Protection untuk perlindungan data sensitif
Postingan blog ini menjelaskan penggunaan tokenisasi sebagai cara untuk melakukan de-identifikasi elemen data sensitif tanpa kehilangan kemampuan untuk menggabungkan atau mengagregasi data di seluruh set data. Postingan ini juga memperkenalkan kemampuan tokenisasi Sensitive Data Protection.
Baca postingan blog: "Memulai tokenisasi bawaan Sensitive Data Protection untuk perlindungan data sensitif" Google Cloud
Untuk dokumentasi teknis tentang fitur ini, lihat Pseudonimisasi.
Lebih aman secara default: Mengotomatiskan kontrol akses dengan Sensitive Data Protection 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 Sensitive Data Protection
Postingan blog ini membahas pendekatan yang berfokus pada data dalam melindungi aplikasi AI generatif dengan Sensitive Data Protection, dan menyediakan Jupyter Notebook dengan contoh kehidupan 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 merupakan langkah pertama yang penting dalam melindungi dan mengatur data Anda serta bertindak 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 histori 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 untuk Sensitive Data Protection menunjukkan cara untuk mulai menginspeksi data perusahaan Anda hanya dengan beberapa klik. Google Cloud
Baca postingan blog: "Kendalikan data Anda: Memindai data sensitif hanya dengan beberapa klik"
Bagaimana tokenisasi membuat data dapat digunakan tanpa mengorbankan privasi
Tokenisasi, yang 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 diekspos ke sistem yang tidak memerlukannya. Dengan Sensitive Data Protection, pelanggan dapat melakukan tokenisasi dalam skala besar dengan penyiapan minimal.
Menggunakan Sensitive Data Protection untuk melakukan de-identifikasi dan meng-obfuscate informasi sensitif
Tim membahas cara memanfaatkan Sensitive Data Protection untuk melindungi data dengan otomatis menggabungkan teknik obfuscation dan minimisasi data ke dalam alur kerja Anda.
Menggunakan Sensitive Data Protection untuk menemukan dan melindungi PII
Scott Ellis, Product Manager Sensitive Data Protection, membahas cara memanfaatkan Sensitive Data Protection untuk meningkatkan postur privasi Anda.
Memindai BigQuery dengan Sensitive Data Protection
Tim membagikan cara memindai BigQuery dengan mudah dari konsol. Google Cloud
Baca postingan blog: "Memindai BigQuery untuk data sensitif menggunakan Sensitive Data Protection"
Solusi
Inspeksi hybrid Sensitive Data Protection untuk database SQL menggunakan JDBC
Tutorial ini menunjukkan cara menggunakan Sensitive Data Protection metode inspeksi hybrid dengan driver JDBC untuk memeriksa sampel tabel dalam database SQL seperti MySQL, SQL Server, atau PostgreSQL yang berjalan secara virtual di mana saja.
Baca tutorial: "Inspeksi hybrid Sensitive Data Protection untuk database SQL menggunakan JDBC"
Framework Pengeditan Ucapan menggunakan Sensitive Data Protection
Tutorial ini mencakup kumpulan komponen dan kode yang dapat Anda gunakan untuk mengedit informasi sensitif dari file audio. Dengan menggunakan file yang diupload ke Cloud Storage, file ini dapat menemukan dan menulis temuan sensitif atau mengedit informasi sensitif dari file audio.
Selain itu, tutorial kedua, Speech Analysis Framework, mencakup kumpulan komponen dan kode yang dapat Anda gunakan untuk mentranskripsikan audio, membuat pipeline data untuk analisis file audio yang ditranskripsikan, dan mengedit informasi sensitif dari transkrip audio dengan Sensitive Data Protection.
GitHub: "Speech Redaction Framework"
GitHub: "Speech Analysis Framework"
Arsitektur penjadwalan serverless berbasis peristiwa dengan Sensitive Data Protection
Tutorial ini menunjukkan arsitektur penjadwalan serverless berbasis peristiwa yang sederhana namun efektif dan skalabel dengan Google Cloud layanan. Contoh yang disertakan menunjukkan cara menggunakan DLP API untuk memeriksa data BigQuery.
Filter Sensitive Data Protection untuk Envoy
Filter Sensitive Data Protection untuk Envoy adalah filter HTTP WebAssembly ("Wasm") untuk proxy sidecar Envoy di dalam mesh layanan Istio. Filter Sensitive Data Protection untuk Envoy mengambil traffic data plane proxy dan mengirimkannya untuk inspeksi ke Sensitive Data Protection, tempat payload dipindai untuk data sensitif, termasuk PII.
GitHub: Filter Sensitive Data Protection untuk Envoy
Deteksi anomali menggunakan analisis streaming &AI
Dalam postingan ini, kami 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) membangun pipeline analisis streaming untuk mendeteksi anomali. Kami juga membahas cara mengadaptasi pola ini untuk memenuhi kebutuhan real-time organisasi Anda. Solusi bukti konsep ini menggunakan Pub/Sub, Dataflow, BigQuery ML, dan Sensitive Data Protection.
Baca postingan blog: "Deteksi anomali menggunakan analisis streaming & AI"
Baca tutorial: "Deteksi Anomali Realtime Menggunakan Layanan Analisis Streaming dan AI Google Cloud"
De-identifikasi dan identifikasi ulang PII dalam set data berskala besar menggunakan Sensitive Data Protection
Solusi ini membahas cara menggunakan Sensitive Data Protection 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 otomatis di-de-identifikasi 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 mengklasifikasi sistem menggunakan Cloud Storage dan produk lainnya Google Cloud.
Baca tutorial: "Mengotomatiskan klasifikasi data yang diupload ke Cloud Storage"
Impor database relasional ke BigQuery dengan Dataflow
Bukti konsep ini menggunakan Dataflow dan Sensitive Data Protection untuk membuat token dan mengimpor data dari database relasional ke BigQuery dengan aman. Contoh ini menjelaskan cara menggunakan pipeline ini dengan database SQL Server sampel yang dibuat di Google Kubernetes Engine dan penggunaan template Sensitive Data Protection 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 lokasi data. Dalam sesi ini, kami akan menunjukkan cara Sensitive Data Protection dapat membantu Anda mengelola data, dengan berfokus pada dukungan untuk inspeksi konten di lingkungan hybrid seperti lokal, database yang berjalan di mesin virtual, 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 Sensitive Data Protection untuk Envoy"
Baca tutorial: "Inspeksi hybrid Sensitive Data Protection untuk database SQL menggunakan JDBC"
Cloud OnAir: Melindungi set data sensitif di Google Cloud
Data adalah salah satu aset perusahaan Anda yang paling berharga. Analisis dan machine learning dapat membantu membuka layanan 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 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 Google Cloud
Sebagai bank internasional besar, Scotiabank membahas perjalanan keamanan dan pendekatan berbasis cloud untuk menyerap PII ke Google Cloud, membatasi akses, serta dengan hati-hati dan secara selektif memungkinkan identifikasi ulang melalui aplikasi bank.
YouTube: Perlindungan PII yang Komprehensif di Google Cloud (Cloud Next '19)
Cloud Next 2019: Mengidentifikasi dan Melindungi Data Sensitif di Cloud
Tim membagikan kemajuan terbaru yang dibuat untuk Sensitive Data Protection dan mendemonstrasikan beberapa teknik berbeda untuk melindungi data sensitif Anda.