Automatická detekcia citlivých dát v nadnárodnej IT spoločnosti
Autor(ka) práce:
Grossertová, Ľubomíra
Typ práce:
Diplomová práce
Vedoucí práce:
Umlauf, Miroslav
Oponenti práce:
Bartak, Vladimir
Jazyk práce:
Slovensky
Abstrakt:
Citlivé dáta sú v dnešnej dobe čoraz viac spomínaným slovným spojením, ktoré ale pre väčšinu bežnej populácie predstavuje abstraktný pojem. Užívatelia a zákazníci rôznych IT firiem síce vedia, že existujú legislatívy a nariadenia, ako napríklad ochrana osobných údajov, ale v skutočnosti veľakrát nie je jasné, ako firma zaobchádza s ich údajmi. Na druhej strane globálne IT firmy pracujú s obrovským kvantom informácií, vrátane samozrejme aj tých senzitívnych, v ktorom je veľakrát ťažké sa zorientovať. Tým vzniká priestor pre automatickú detekciu, ktorá pomáha spoločnostiam pri riadení a správe dát v súlade s nariadeniami a reguláciami. Táto diplomová práca sa v úvode zaoberá vymedzením teoretického hľadiska z oblasti riadenia dát, legislatívou, reguláciami a takisto aj konkrétnym prípadom riadenia dát v cloudovom prostredí. Následne je prevedená analýza a zber dátových zdrojov vo firme, v ktorých sa bude aplikovať automatická detekcia citlivých údajov a samotné riešenie. Na záver je autorkou poskytnuté zhodnotenie priebehu riešenia a prínos práce.
Klíčová slova:
bezpečnosť údajov; citlivé dáta; automatická detekcia; strojové učenie; ochrana údajov; riadenie dát
Název práce:
Automatická detekce citlivých dat v nadnárodní IT společnosti
Autor(ka) práce:
Grossertová, Ľubomíra
Typ práce:
Diplomová práce
Vedoucí práce:
Umlauf, Miroslav
Oponenti práce:
Bartak, Vladimir
Jazyk práce:
Slovensky
Abstrakt:
Citlivé údaje jsou v dnešní době stále častěji zmiňovaným slovním spojením, ale pro většinu běžné populace se jedná o abstraktní pojem. Uživatelé a zákazníci různých IT společností sice vědí, že existují zákony a předpisy, například o ochraně osobních údajů, ale ve skutečnosti jim často není jasné, jak společnost s jejich daty zachází. Na druhou stranu globální IT společnosti pracují s obrovským množstvím informací, samozřejmě včetně citlivých informací, ve kterých je často obtížné se orientovat. Vzniká tak prostor pro automatizované zjišťování, které firmám pomůže spravovat a řídit data v souladu s předpisy a nařízeními. Tato práce začíná vymezením teoretického pohledu na oblast správy dat, legislativy a předpisů a zabývá se také konkrétním případem správy dat v cloudovém prostředí. Následně je provedena analýza a sběr datových zdrojů ve společnosti, kde bude aplikována automatická detekce citlivých dat a samotné řešení. V závěru je uvedeno zhodnocení postupu řešení a přínosu práce autorem.
Klíčová slova:
bezpečnost dat; citlivá data; automatická detekce; strojové učení; ochrana dat; správa dat
Název práce:
Automatic detection of sensitive data for a global IT organisation
Autor(ka) práce:
Grossertová, Ľubomíra
Typ práce:
Diploma thesis
Vedoucí práce:
Umlauf, Miroslav
Oponenti práce:
Bartak, Vladimir
Jazyk práce:
Slovensky
Abstrakt:
The growing conversation over "sensitive data" exposes a gap between the public's understanding and corporate realities. Users and customers of various IT companies may know that there are laws and regulations, such as General Data Protection Regulation (GDPR) etc., but it is often unclear how a company handles this data. On the other hand, global IT organisations deal with a huge amount of information, including sensitive information, that is often difficult to navigate. This creates an opportunity for automated discovery to help organisations manage and govern data in a compliant manner. This thesis starts by defining the theoretical perspective in the field of data governance, legislatives, regulations as well as a specific case of data management in a cloud environment. Subsequently, the analysis and collection of data sources in the company in which the automatic detection of sensitive data and the solution itself will be applied is carried out. Finally, a conclusion chapter contains an evaluation of the solution process and the contribution of the thesis.
Klíčová slova:
Sensitive Data; Automatic Detection; Machine Learning; Data Protection; Data Governance; Data Security