Nous publions de temps en temps des articles, des articles de blog et des vidéos sur Sensitive Data Protection. Vous trouverez la liste ci-dessous.
Articles de blog
Premiers pas avec la tokenisation intégrée de Google Cloudpour la protection des données sensibles
Cet article de blog explique comment utiliser la tokenisation pour anonymiser des éléments de données sensibles sans perdre la possibilité de joindre ou d'agréger des données entre les ensembles de données. Cet article présente également les fonctionnalités de tokenisation de Sensitive Data Protection.
Pour obtenir la documentation technique sur cette fonctionnalité, consultez Pseudonymisation.
Sécurité par défaut : automatisez le contrôle des accès avec Sensitive Data Protection et IAM conditionnel
Cet article de blog présente la possibilité d'accorder ou de refuser automatiquement l'accès IAM (Identity and Access Management) aux ressources en fonction de la sensibilité des données qu'elles contiennent.
Pour obtenir une documentation technique sur cette fonctionnalité, consultez Contrôler l'accès IAM en fonction de la sensibilité des données.
Protéger les charges de travail d'IA générative avec Sensitive Data Protection
Cet article de blog explore une approche axée sur les données pour protéger les applications d'IA générative avec Sensitive Data Protection et fournit un notebook Jupyter avec des exemples concrets.
Gestion automatique des risques liés aux données pour BigQuery avec la protection contre la perte de données
Le service de découverte des données sensibles analyse en continu les données de l'ensemble de votre organisation pour vous donner une vue d'ensemble des données dont vous disposez et une visibilité spécifique sur les emplacements où les données sensibles sont stockées et traitées. Cette prise de conscience est une première étape essentielle pour protéger et gérer vos données. Elle constitue un contrôle clé pour vous aider à améliorer votre stratégie de sécurité, de confidentialité et de conformité.
Au-delà de la conformité : repenser DLP pour le monde centré sur le cloud d'aujourd'hui
Retour sur l'historique de DLP avant d'aborder l'utilité de la protection contre la perte de données dans l'environnement d'aujourd'hui, y compris les cas d'utilisation de conformité, de sécurité et de confidentialité.
Analysez les données sensibles en quelques clics
Découvrez comment lancer l'inspection des données de votre entreprise en quelques clics avec ces explications détaillées sur l'interface utilisateur de la console Google Cloud pour Sensitive Data Protection.
Comment la tokenisation rend les données utilisables sans remettre en cause la confidentialité
La tokenisation, parfois appelée pseudonymisation ou remplacement de substituts, est couramment employée dans les secteurs tels que la finance et la santé pour limiter l'exploitation des données utilisées et le champ d'application de conformité, ainsi que pour minimiser l'exposition des données sensibles aux systèmes qui n'en ont pas besoin. Avec Sensitive Data Protection, les clients peuvent effectuer une tokenisation à grande échelle avec une configuration minimale.
Utiliser Sensitive Data Protection pour anonymiser et obscurcir les informations sensibles
L'équipe explique comment utiliser Sensitive Data Protection pour protéger les données en intégrant automatiquement des techniques d'obscurcissement et de minimisation des données dans vos workflows.
Utiliser Sensitive Data Protection pour détecter et protéger les informations permettant d'identifier personnellement l'utilisateur
Scott Ellis, responsable produit Sensitive Data Protection, explique comment utiliser Sensitive Data Protection pour améliorer votre stratégie de confidentialité.
Analyser BigQuery avec Sensitive Data Protection
L'équipe explique comment analyser facilement BigQuery depuis la consoleGoogle Cloud .
Solutions
Inspection hybride de Sensitive Data Protection pour les bases de données SQL à l'aide de JDBC
Ce tutoriel explique comment utiliser la méthode d'inspection hybride de Sensitive Data Protection avec un pilote JDBC pour inspecter des échantillons de tables dans une base de données SQL telle que MySQL, SQL Server ou PostgreSQL s'exécutant pratiquement n'importe où.
Framework de masquage de la voix à l'aide de Sensitive Data Protection
Ce tutoriel inclut un ensemble de composants et de code que vous pouvez utiliser pour masquer les informations sensibles des fichiers audio. À l'aide de fichiers importés dans Cloud Storage, il peut détecter et écrire des résultats sensibles ou masquer les informations sensibles du fichier audio.
De plus, un deuxième tutoriel, le framework d'analyse vocale, comprend un ensemble de composants et de code que vous pouvez utiliser pour transcrire des contenus audio, créer un pipeline de données pour l'analyse des fichiers audio transcrits et masquer les informations sensibles des transcriptions audio avec Sensitive Data Protection.
GitHub : "Speech Redaction Framework"
GitHub : "Speech Analysis Framework"
Architecture de planification sans serveur basée sur des événements avec Sensitive Data Protection
Ce tutoriel présente une architecture de planification sans serveur simple, mais efficace et évolutive, basée sur des événements, avec des services Google Cloud . L'exemple fourni montre comment utiliser l'API DLP pour inspecter des données BigQuery.
Filtre Sensitive Data Protection pour Envoy
Le filtre Sensitive Data Protection pour Envoy est un filtre HTTP WebAssembly ("Wasm") pour les proxys side-car Envoy dans un maillage de services Istio. Le filtre Sensitive Data Protection pour Envoy capture le trafic du plan de données du proxy et l'envoie pour inspection à Sensitive Data Protection, où la charge utile est analysée pour détecter les données sensibles, y compris les informations permettant d'identifier personnellement l'utilisateur.
GitHub : filtre Sensitive Data Protection pour Envoy
Détection d'anomalies à l'aide de l'analyse des flux et de l'IA
Dans cet article, vous allez découvrir un modèle d'IA en temps réel permettant de détecter les anomalies dans les fichiers journaux. En analysant et en extrayant des caractéristiques des journaux réseau, nous avons aidé un client du secteur des télécommunications (telco) à créer un pipeline d'analyse des flux pour détecter les anomalies. Nous abordons également la manière dont vous pouvez adapter ce modèle aux besoins de votre entreprise en temps réel. Cette solution de démonstration de faisabilité utilise Pub/Sub, Dataflow, BigQuery ML et Sensitive Data Protection.
Anonymiser et désanonymiser les informations permettant d'identifier personnellement l'utilisateur dans les ensembles de données à grande échelle à l'aide de Sensitive Data Protection
Cette solution explique comment utiliser Sensitive Data Protection pour créer un pipeline de transformation de données automatisé afin d'anonymiser des données sensibles telles que les informations permettant d'identifier personnellement l'utilisateur. Cette solution d'inspection et de migration permet de lire des données structurées et non structurées situées dans des systèmes de stockage tels que Cloud Storage et Amazon S3. Les données peuvent être automatiquement anonymisées à l'aide de l'API DLP, puis envoyées à BigQuery ainsi qu'à Cloud Storage.
Automatisation de la classification des données téléchargées sur Cloud Storage
Ce tutoriel explique comment implémenter un système de classification et de mise en quarantaine automatique des données à l'aide de Cloud Storage et d'autres produits Google Cloud.
Lire le tutoriel "Automatisation de la classification des données importées sur Cloud Storage"
Importation d'une base de données relationnelle dans BigQuery à l'aide de Dataflow
Cette démonstration de faisabilité utilise Dataflow et Sensitive Data Protection pour tokeniser et importer de manière sécurisée des données d'une base de données relationnelle vers BigQuery. L'exemple décrit comment utiliser ce pipeline avec un exemple de base de données SQL Server créée dans Google Kubernetes Engine et comment utiliser un modèle Sensitive Data Protection pour tokeniser les informations permettant d'identifier personnellement l'utilisateur avant qu'elles ne soient conservées.
Vidéos
Cloud Next 2020 OnAir : Gérer les données sensibles dans des environnements hybrides
Les données sensibles existent dans les environnements d'entreprise, à la fois sur le cloud et en dehors. Il est essentiel de gérer correctement ces données, quel que soit leur emplacement. Dans cette session, nous allons vous montrer comment Sensitive Data Protection peut vous aider à gérer les données, en mettant l'accent sur l'inspection du contenu dans les environnements hybrides tels que les bases de données sur site, les bases de données exécutées sur des machines virtuelles, les fichiers hébergés chez d'autres fournisseurs de services cloud, les données circulant dans Kubernetes, etc.
Lire le tutoriel "Filtre Sensitive Data Protection pour Envoy"
Cloud OnAir : Protéger les ensembles de données sensibles sur Google Cloud
Les données constituent l'un des actifs les plus précieux de votre entreprise. Les analyses et le machine learning peuvent vous aider à proposer des services très utiles à vos clients et à votre organisation. Ces ensembles de données peuvent également contenir des données sensibles nécessitant une protection. Dans ce webinaire, vous découvrirez comment Sensitive Data Protection peut vous aider à découvrir, classer et anonymiser les données sensibles dans le cadre d'une stratégie de gouvernance globale.
YouTube : Cloud OnAir : Protéger les ensembles de données sensibles dansGoogle Cloud
Cloud Next 2019 : Scotiabank évoque son approche cloud natif concernant l'ingestion d'informations permettant d'identifier l'utilisateur dans Google Cloud
En tant que grande banque internationale, Scotiabank présente son parcours de sécurité et son approche cloud native pour ingérer les informations permettant d'identifier personnellement les utilisateurs dans Google Cloud, restreindre les accès et sélectionner avec soin les applications bancaires autorisées à restaurer l'identification.
Cloud Next 2019 : Identifier et protéger les données sensibles dans le cloud
L'équipe présente les dernières avancées de Sensitive Data Protection et propose des démonstrations de plusieurs techniques pour protéger vos données sensibles.