O mnie i o książce 9

 

Początki anonimizacji danych w IT 11

Po co anonimizacja danych? 12

Do kogo skierowana jest anonimizacja danych? 14

• Anonimizacja danych w przedsiębiorstwie 14
• Anonimizacja jako sposób na zachowanie prywatności danych osób i małych firm 15
  • Czy firmy jednoosobowe lub nawet osoby prywatne powinny stosować techniki anonimizacji danych wrażliwych? 15
  • Czy brak świadomości zagrożeń wynikających z braku stosowania anonimizacji może mieć wpływ na nasze życie prywatne i życie zawodowe? 16
  • Czy świadomość zagrożeń wynikających z braku stosowania anonimizacji może mieć wpływ na nasze życie prywatne i życie zawodowe? 17

Czym właściwie jest anonimizacja danych wrażliwych? 18

Stopień miary anonimizacji danych 20

Zrównoważenie przebiegu anonimizacji danych 22

Co to są dane wrażliwe? 24

TDM z perspektywy anonimizacji danych wrażliwych 25

Standardy stosowane dla danych wrażliwych 26

Definicja zespołu odpowiedzialnego za dane wrażliwe 28

• Role i obowiązki CPO/CDO (z perspektywy danych wrażliwych) 28
• Wizja i decyzyjność CPO/CDO 29
• Role i obowiązki zespołu odpowiedzialnego za anonimizację w systemie ITSM 29

Zgłoszenie naruszenia wrażliwości danych poza systemem ITSM 32

Zgłoszenie naruszenia wrażliwości danych w systemie ITSM 34

• Przepływ danych w systemie ITSM 36
  • Nie wiem, jakiego obszaru lub środowiska dotyczyło naruszenie 36

Znajdujemy dane wrażliwe - czy moje dane są wrażliwe? 38

• Identyfikacja naszych danych wrażliwych 38
  • Kontekst wrażliwości danych 39
• Anomalie danych - obsługa błędów i wyjątków 39

Analiza ryzyka a wycieki danych wrażliwych 41

• Najczęstsze przyczyny wycieków danych wrażliwych 42
• Eliminacja wycieków - praktyczne zastosowanie anonimizacji danych 43

Codzienna świadomość zagrożeń 44

Anonimizacja i autoryzacja dla koncepcji DCS 45

• Dane skorelowane z polityką bezpieczeństwa 46

Metody znajdowania danych produkcyjnych 50

• Metoda od dołu 50
• Metoda big bang 50
• Metoda obszarów 50

Rozpoczęcie projektu wdrożenia anonimizacji 52

• Kroki i fazy projektu 52

Jak przydzielać zadania dotyczące maskowania danych wrażliwych? 55

Czym jest Złota Kopia bazy (Golden Copy)? 57

• Złota Kopia - jak to się robi? 57
  • Najczęstsze problemy ze Złotą Kopią 58

Ile kosztuje pełna anonimizacja danych wrażliwych? 59

Kiedy będzie sukces? 60

Własne rozwiązania w zakresie anonimizacji danych wrażliwych 61

Wybór odpowiedniego narzędzia do anonimizacji danych 62

• Różne typy baz wykorzystywanych w przedsiębiorstwie 62
  • Środowiska wykorzystujące jednego dostawcę SZBD 62
  • Środowiska wykorzystujące różnych dostawców SZBD 63
• Lista dostawców narzędzi do anonimizacji 63
• Wersja próbna / pilot narzędzia do anonimizacji 65
• Nasze środowisko - atrybuty klasyfikacyjne 66
• Prototyp rozwiązania - POC (Proof of Concept) 68
• Etapy procesu wyboru narzędzia do anonimizacji danych i wybór końcowy 70
  • Etap 1. - minimum założonych wymagań 71
  • Etap 2. - warunki techniczne 72
• Zakres prac - SOW (Statement of Work) 74
  • Etap 3. - wybór końcowy narzędzia 75

Obsługa poprodukcyjna anonimizacji danych 77

Dlaczego nie możemy zrobić tego sami? 79

• Najczęstsze pułapki związane z nieprawidłowym wyborem własnych rozwiązań 80

Kilka sposobów na porażkę przy wdrażaniu systemu anonimizacji 81

Poziomy anonimizacji w Twoim przedsiębiorstwie 82

• Big data - coraz więcej danych! Coraz trudniej to ogarnąć! 83
  • Wzrost popularności nowych typów danych 83
  • Wzrost objętości danych 84

Chmury (Cloud Computing) a anonimizacja danych 85

• Dla kogo jakie rozwiązania? 85
• Zaufanie do dostawcy rozwiązań Cloud Computing 88

Miara poziomów zabezpieczeń danych wrażliwych 89

Dostosowanie modelu anonimizacji do potrzeb przedsiębiorstwa 91

Klasyfikacja anonimizacji danych wrażliwych 93

Przebieg analizy danych wrażliwych 96

• Przydziel dostęp do bazy 96
• Wyszukaj metadane 97
• Automatyzuj wyszukiwanie danych wrażliwych 98
• Ręczna analiza danych i wyszukiwanie wyjątków 98
• Zatwierdzenie 99

Z czego się składa pełna anonimizacja danych? 100

Maskowanie statyczne jako proces anonimizacji danych wrażliwych 102

Trzy warianty maskowania statycznego 103

• Wariant 1. - statyczny EAL (Extract, Anonimize, Load) 103
• Wariant 2. - statyczny ELA (Extract, Load, Anonimize) 104
• Wariant 3. - statyczny podzbiór danych bez kopii bazy produkcyjnej 105
  • Przykład błędnego scenariusza 105
  • Przykład pozytywnego scenariusza 105
• Wariant 3B - statyczny podzbiór danych kopii bazy produkcyjnej 106
  • Przykład błędnego scenariusza 107
  • Przykład pozytywnego scenariusza 107
• Maskowanie dynamiczne jako proces anonimizacji danych wrażliwych 107
  • Zastosowania anonimizacji dynamicznej w przedsiębiorstwie 109
• Formatowanie danych dla maskowania statycznego 111

Maskowanie danych - co to jest? 113

• Prawa maskowania danych wrażliwych 113
• Logiczna kolejność analizy maskowania danych 115
• Stosowane techniki maskowania 117
• Kroki milowe maskowania 117
  • Kroki milowe maskowania - podział na tygodnie 118
  • Kroki milowe maskowania - podział na aplikacje 119
• Schemat maskowania danych standardowych 119
  • Maskowanie typów logicznych (tak/nie) 119
  • Maskowanie imion i nazwisk w języku polskim 120
  • Maskowanie pól daty 121
  • Maskowanie pól e-mail 122
  • Maskowanie pól adresu (jeśli nie jest ważna poprawność adresu) 123
• Maskowanie przez podstawienie (bez aliasu) - Standard Substitution 125
• Maskowanie przez podstawienie z aliasem - (Substitution Lookup) 127
• Maskowanie przez szablon zmian 130
• Maskowanie wyliczeniowe 132
  • Maskowanie wyliczeniowe (z argumentem progowym) 133
  • Maskowanie wyliczeniowe podsumowujące 133
  • Maskowanie z innymi parametrami 134
• Maskowanie losowe (Shuffle) 135
• Maskowanie a problem integralności logicznej danych 136
  • Ustalenie rozwiązań problemów integracyjnych 136

Zastosowanie szyfrowania do anonimizacji danych 140

• Techniki szyfrowania stosowane do anonimizacji danych 140
  • Ogólna idea szyfrowania danych 140
• Techniki haszowania danych w anonimizacji danych 142

Testowanie danych zanonimizowanych i reakcja na błędy 143

• • Metoda Zero Absolutne 143
  • Metoda 1+ 144

Działanie algorytmów maskowania 145

Maskowanie dynamiczne na przykładzie Microsoft SQL Server 2016 146

Maskowanie statyczne w IBM InfoSphere Optim (wersja 11.3) 152

Maskowanie statyczne w Ab Initio Express IT 155

• Wbudowane funkcje maskujące 155
  • Kroki procesu maskowania danych w Ab Initio 156
• Zasada działania maskowania danych w Ab Initio 158
• Obsługa wyjątków i błędów poprzez stosowanie własnych wyrażeń maskujących 160
• Reorganizacja danych a maskowanie danych 161
• Shuffle Masking jako maskowanie losowe i maskowanie przez podstawienie 162
• Subsetting Masking jako maskowanie wyliczeniowe i maskowanie szablonowe 163

Akronimy 165

Bibliografia 169

Skorowidz 171

• Title: Anonimizacja i maskowanie danych wrażliwych w przedsiębiorstwach
• Author: Dariusz Nabywaniec
• ISBN: 978-83-283-5681-8, 9788328356818
• Date of issue: 2019-03-05
• Format: Ebook
• Item ID: anomas
• Publisher: Helion