論文の概要: Securing Data Platforms: Strategic Masking Techniques for Privacy and
Security for B2B Enterprise Data
- arxiv url: http://arxiv.org/abs/2312.03293v1
- Date: Wed, 6 Dec 2023 05:04:37 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-07 16:08:02.514662
- Title: Securing Data Platforms: Strategic Masking Techniques for Privacy and
Security for B2B Enterprise Data
- Title(参考訳): データプラットフォームのセキュリティ - b2bエンタープライズデータのプライバシとセキュリティのための戦略的マスク技術
- Authors: Mandar Khoje
- Abstract要約: ビジネス・ツー・ビジネス(B2B)企業はますますデータプラットフォームを構築しています。
データプライバシとセキュリティを本質的にサポートするメカニズムで、これらのデータプラットフォームを設計することが重要になっている。
データマスキングは、データプラットフォームアーキテクチャの重要な特徴である。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In today's digital age, the imperative to protect data privacy and security
is a paramount concern, especially for business-to-business (B2B) enterprises
that handle sensitive information. These enterprises are increasingly
constructing data platforms, which are integrated suites of technology
solutions architected for the efficient management, processing, storage, and
data analysis. It has become critical to design these data platforms with
mechanisms that inherently support data privacy and security, particularly as
they encounter the added complexity of safeguarding unstructured data types
such as log files and text documents. Within this context, data masking stands
out as a vital feature of data platform architecture. It proactively conceals
sensitive elements, ensuring data privacy while preserving the information's
value for business operations and analytics. This protective measure entails a
strategic two-fold process: firstly, accurately pinpointing the sensitive data
that necessitates concealment, and secondly, applying sophisticated methods to
disguise that data effectively within the data platform infrastructure. This
research delves into the nuances of embedding advanced data masking techniques
within the very fabric of data platforms and an in-depth exploration of how
enterprises can adopt a comprehensive approach toward effective data masking
implementation by exploring different identification and anonymization
techniques.
- Abstract(参考訳): 今日のデジタル時代には、機密情報を扱うビジネス・ツー・ビジネス(B2B)企業にとって、データプライバシとセキュリティを保護する義務が最重要課題である。
これらの企業は、効率的な管理、処理、ストレージ、データ分析のために設計されたテクノロジソリューションの統合スイートであるデータプラットフォームを構築しつつある。
特にログファイルやテキストドキュメントなどの構造化されていないデータタイプを保護するという複雑さに直面するため、これらのデータプラットフォームを本質的にデータプライバシとセキュリティをサポートするメカニズムで設計することが重要になっている。
このコンテキストにおいて、データマスキングはデータプラットフォームアーキテクチャの重要な特徴である。
機密性の高い要素を積極的に隠蔽し、データプライバシを確保しながら、ビジネスオペレーションや分析に情報の価値を保護します。
第一に、隠蔽を必要とする機密データを正確に特定し、第二に、データプラットフォームインフラ内でデータを効果的に偽装するための洗練された方法を適用する。
本研究は,高度データマスキング手法をデータプラットフォームに組み込むニュアンスと,異なる識別・匿名化手法を探求することによって,企業が効果的なデータマスキング実装への包括的アプローチをどのように採用できるかを深く探究するものである。
関連論文リスト
- You Still See Me: How Data Protection Supports the Architecture of ML
Surveillance [6.731053352452566]
人間のデータは機械学習のバックボーンを形成する。
データ保護法は、MLシステムの管理方法に強く依存している。
データ保護技術は、しばしば監視のインフラをサポートする方法で実施されている、と私たちは主張する。
論文 参考訳(メタデータ) (2024-02-09T18:39:29Z) - Architecting Data-Intensive Applications : From Data Architecture Design
to Its Quality Assurance [0.0]
データアーキテクチャは、ビジネスニーズを満たすためのデータの記述、収集、保存、処理、分析において重要である。
各種の業界領域において,DATを5つ以上のケースで評価し,その例外的な適応性と有効性を示した。
論文 参考訳(メタデータ) (2024-01-22T14:58:54Z) - A Unified View of Differentially Private Deep Generative Modeling [60.72161965018005]
プライバシー上の懸念のあるデータには、データアクセスとデータ共有を頻繁に禁止する厳格な規制が伴う。
これらの障害を克服することは、プライバシーに敏感なデータを含む多くの現実世界のアプリケーションシナリオにおいて、技術的進歩の鍵となる。
差分的プライベート(DP)データパブリッシングは、データの衛生化された形式のみを公開する、魅力的なソリューションを提供する。
論文 参考訳(メタデータ) (2023-09-27T14:38:16Z) - Privacy-Preserving Graph Machine Learning from Data to Computation: A
Survey [67.7834898542701]
我々は,グラフ機械学習のプライバシ保護手法の見直しに重点を置いている。
まずプライバシ保護グラフデータを生成する方法を検討する。
次に,プライバシ保護情報を送信する方法について述べる。
論文 参考訳(メタデータ) (2023-07-10T04:30:23Z) - Towards Generalizable Data Protection With Transferable Unlearnable
Examples [50.628011208660645]
本稿では、転送不可能な例を生成することによって、新しい一般化可能なデータ保護手法を提案する。
私たちの知る限りでは、これはデータ分散の観点からデータのプライバシを調べる最初のソリューションです。
論文 参考訳(メタデータ) (2023-05-18T04:17:01Z) - An Example of Privacy and Data Protection Best Practices for Biometrics
Data Processing in Border Control: Lesson Learned from SMILE [0.9442139459221784]
データの誤用、個人のプライバシーの妥協、および/または承認されたデータの処理は不可逆である。
これは部分的には、システム開発プロセスにおける設計によるデータ保護とプライバシの統合のための方法やガイダンスの欠如によるものである。
データコントローラと開発者のためのガイダンスを提供するために、プライバシーとデータ保護のベストプラクティスの例を示す。
論文 参考訳(メタデータ) (2022-01-10T15:34:43Z) - Distributed Machine Learning and the Semblance of Trust [66.1227776348216]
フェデレートラーニング(FL)により、データ所有者はデータを共有することなく、データガバナンスを維持し、モデルトレーニングをローカルで行うことができる。
FLと関連する技術は、しばしばプライバシー保護と表現される。
この用語が適切でない理由を説明し、プライバシの形式的定義を念頭に設計されていないプロトコルに対する過度な信頼に関連するリスクを概説する。
論文 参考訳(メタデータ) (2021-12-21T08:44:05Z) - A Secure Experimentation Sandbox for the design and execution of trusted
and secure analytics in the aviation domain [0.0]
ICARUSプラットフォームは、航空データおよび情報市場のための「ワンストップショップ」になることを目指している。
Secure Experimentation SandboxはICARUSプラットフォームに設計および統合されている。
論文 参考訳(メタデータ) (2021-11-18T18:44:29Z) - Dataset Security for Machine Learning: Data Poisoning, Backdoor Attacks,
and Defenses [150.64470864162556]
この作業は体系的に分類され、幅広いデータセット脆弱性とエクスプロイトを議論する。
様々な毒とバックドアの脅威モデルとそれらの関係を記述することに加えて,それらの統一分類法を展開する。
論文 参考訳(メタデータ) (2020-12-18T22:38:47Z) - PCAL: A Privacy-preserving Intelligent Credit Risk Modeling Framework
Based on Adversarial Learning [111.19576084222345]
本稿では,PCAL(Adversarial Learning)に基づくプライバシ保護型信用リスクモデリングの枠組みを提案する。
PCALは、ターゲット予測タスクのパフォーマンスの重要なユーティリティ情報を維持しながら、元のデータセット内のプライベート情報を隠蔽することを目的としている。
結果は,PCALがユーザデータから効果的なプライバシフリー表現を学習し,信用リスク分析のためのプライバシ保存機械学習の基盤となることを示唆している。
論文 参考訳(メタデータ) (2020-10-06T07:04:59Z) - Towards an Integrated Platform for Big Data Analysis [4.5257812998381315]
本稿では,これらすべての側面を統合した,ビッグデータ解析のための統合型プレート形式のビジョンについて述べる。
このアプローチの主な利点は、プラットフォーム全体の拡張スケーラビリティ、アルゴリズムのパラメータ化の改善、エンドツーエンドのデータ分析プロセスにおけるユーザビリティの改善である。
論文 参考訳(メタデータ) (2020-04-27T03:15:23Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。