Opis ebooka: Practical Data Privacy
Between major privacy regulations like the GDPR and CCPA and expensive and notorious data breaches, there has never been so much pressure to ensure data privacy. Unfortunately, integrating privacy into data systems is still complicated. This essential guide will give you a fundamental understanding of modern privacy building blocks, like differential privacy, federated learning, and encrypted computation. Based on hard-won lessons, this book provides solid advice and best practices for integrating breakthrough privacy-enhancing technologies into production systems.
Practical Data Privacy answers important questions such as:
- What do privacy regulations like GDPR and CCPA mean for my data workflows and data science use cases?
- What does "anonymized data" really mean? How do I actually anonymize data?
- How does federated learning and analysis work?
- Homomorphic encryption sounds great, but is it ready for use?
- How do I compare and choose the best privacy-preserving technologies and methods? Are there open-source libraries that can help?
- How do I ensure that my data science projects are secure by default and private by design?
- How do I work with governance and infosec teams to implement internal policies appropriately?
Wybrane bestsellery
-
This book is the ultimate guide to using latest features of Python 3.x to scrape data from websites. Learn right from extracting data from static web pages to creating class-based scrapers with Scrapy libraries. This book will also help you build crawlers and determine how to scrape data from Jav...(90.87 zł najniższa cena z 30 dni)
90.77 zł
109.00 zł(-17%) -
How do you take your data analysis skills beyond Excel to the next level? By learning just enough Python to get stuff done. This hands-on guide shows non-programmers like you how to process information that’s initially too messy or difficult to access. You don't need to know a thing about t...(99.84 zł najniższa cena z 30 dni)
99.79 zł
139.00 zł(-28%) -
Oto drugie wydanie książki, którą specjaliści CISO uznali za przełomową. Dowiesz się z niej, jak kwantyfikować niepewność i jak za pomocą prostych metod i narzędzi poprawić ocenę ryzyka w nowoczesnych organizacjach. Znalazły się tu nowe techniki modelowania, pomiaru i szacowania, a także mnóstwo ...(60.90 zł najniższa cena z 30 dni)
52.20 zł
87.00 zł(-40%) -
Dzięki tej świetnie napisanej, miejscami przezabawnej książce dowiesz się, na czym naprawdę polega testowanie granic bezpieczeństwa fizycznego. To fascynująca relacja o sposobach wynajdywania niedoskonałości zabezpieczeń, stosowania socjotechnik i wykorzystywania słabych stron ludzkiej natury. Wy...(35.40 zł najniższa cena z 30 dni)
35.40 zł
59.00 zł(-40%) -
Oto przewodnik po inżynierii detekcji, przeznaczony dla inżynierów zabezpieczeń i analityków bezpieczeństwa. Zaprezentowano w nim praktyczną metodologię planowania, budowy i walidacji mechanizmów wykrywania zagrożeń. Opisano zasady pracy z frameworkami służącymi do testowania i uwierzytelniania p...(53.40 zł najniższa cena z 30 dni)
53.40 zł
89.00 zł(-40%) -
Trzymasz w rękach drugie wydanie książki, którą docenili specjaliści bezpieczeństwa IT na całym świecie. Dzięki niej zrozumiesz zasady tworzenia skutecznych strategii cyberbezpieczeństwa dla swojej organizacji. Poznasz długoterminowe trendy w ujawnianiu i wykorzystywaniu luk w zabezpieczeniach, r...(65.40 zł najniższa cena z 30 dni)
65.40 zł
109.00 zł(-40%) -
Dzięki tej książce nauczysz się gromadzić publicznie dostępne informacje, korzystać z wiedzy o cyklu życia wrażliwych danych i przekształcać je w informacje wywiadowcze przydatne dla zespołów zajmujących się bezpieczeństwem. Opanujesz proces gromadzenia i analizy danych, poznasz również strategie...(59.40 zł najniższa cena z 30 dni)
59.40 zł
99.00 zł(-40%) -
W ostatnich latach na lidera konteneryzacji wyrosło środowisko uruchomieniowe Docker. Dzięki funkcjonalności, wygodnej obsłudze i szerokiej kompatybilności z różnymi systemami operacyjnymi stanowi on dziś techniczny standard. Docker otwiera przed badaczami cyberbezpieczeństwa nowe możliwości test...(29.40 zł najniższa cena z 30 dni)
29.40 zł
49.00 zł(-40%) -
Ta książka jest doskonałym wprowadzeniem do inżynierii społecznej. Omawia koncepcje psychologiczne leżące u podstaw tej dyscypliny i jej aspekty etyczne. Zaprezentowano tu narzędzie ułatwiające korzystanie z technik inżynierii społecznej w atakach socjotechnicznych. Następnie szczegółowo pokazano...(41.40 zł najniższa cena z 30 dni)
41.40 zł
69.00 zł(-40%) -
W grudniu 1972 roku Jean McConville, wdowa, matka dziesięciorga dzieci, została na ich oczach wywleczona z domu w Belfaście przez zamaskowanych napastników. Wtedy widziano ją po raz ostatni. Wiele lat później okazało się, że IRA skazała ją na śmierć za donosicielstwo. Nigdy nie potwierdzono, czy ...(33.80 zł najniższa cena z 30 dni)
33.80 zł
43.90 zł(-23%)
O autorze ebooka
Katharine Jarmul jest znaną badaczką, programistką i wykładowczynią. W swojej pracy koncentruje się na zapewnianiu prywatności i bezpieczeństwa w przepływie danych. Z powodzeniem wdraża systemy przetwarzania danych zapewniające wysoki stopień ich prywatności i bezpieczeństwa.
Ebooka "Practical Data Privacy" przeczytasz na:
-
czytnikach Inkbook, Kindle, Pocketbook, Onyx Boox i innych
-
systemach Windows, MacOS i innych
-
systemach Windows, Android, iOS, HarmonyOS
-
na dowolnych urządzeniach i aplikacjach obsługujących formaty: PDF, EPub, Mobi
Masz pytania? Zajrzyj do zakładki Pomoc »
Audiobooka "Practical Data Privacy" posłuchasz:
-
w aplikacji Ebookpoint na Android, iOS, HarmonyOs
-
na systemach Windows, MacOS i innych
-
na dowolnych urządzeniach i aplikacjach obsługujących format MP3 (pliki spakowane w ZIP)
Masz pytania? Zajrzyj do zakładki Pomoc »
Kurs Video "Practical Data Privacy" zobaczysz:
-
w aplikacjach Ebookpoint i Videopoint na Android, iOS, HarmonyOs
-
na systemach Windows, MacOS i innych z dostępem do najnowszej wersji Twojej przeglądarki internetowej
Szczegóły ebooka
- ISBN Ebooka:
- 978-10-981-2942-2, 9781098129422
- Data wydania ebooka:
-
2023-04-19
Data wydania ebooka często jest dniem wprowadzenia tytułu do sprzedaży i może nie być równoznaczna z datą wydania książki papierowej. Dodatkowe informacje możesz znaleźć w darmowym fragmencie. Jeśli masz wątpliwości skontaktuj się z nami sklep@ebookpoint.pl.
- Język publikacji:
- angielski
- Rozmiar pliku ePub:
- 6.0MB
- Rozmiar pliku Mobi:
- 13.4MB
Spis treści ebooka
- Foreword
- Preface
- What Is Data Privacy?
- Who Should Read This Book
- Privacy Engineering
- Why I Wrote This Book
- Navigating This Book
- Conventions Used in This Book
- Using Code Examples
- OReilly Online Learning
- Acknowledgments
- 1. Data Governance and Simple Privacy Approaches
- Data Governance: What Is It?
- Identifying Sensitive Data
- Identifying PII
- Documenting Data for Use
- Basic Data Documentation
- Data Collection
- Data Quality
- Data Security
- Data Privacy
- Data Definitions
- Descriptive Statistics
- Basic Data Documentation
- Finding and Documenting Unknown Data
- Tracking Data Lineage
- Data Version Control
- Basic Privacy: Pseudonymization for Privacy by Design
- Summary
- 2. Anonymization
- What Is Anonymization?
- Defining Differential Privacy
- Understanding Epsilon: What Is Privacy Loss?
- What Differential Privacy Guarantees, and What It Doesnt
- Understanding Differential Privacy
- Differential Privacy in Practice: Anonymizing the US Census
- Differential Privacy with the Laplace Mechanism
- Differential Privacy with Laplace: A Naive Attempt
- Sensitivity and Error
- Privacy Budgets and Composition
- Exploring Other Mechanisms: Gaussian Noise for Differential Privacy
- Comparing Laplace and Gaussian Noise
- Real-World Differential Privacy: Debiasing Noisy Results
- Sensitivity and Privacy Units
- What About k-Anonymity?
- Summary
- 3. Building Privacy into Data Pipelines
- How to Build Privacy into Data Pipelines
- Design Appropriate Privacy Measures
- Meet Users Where They Are
- Engineer Privacy In
- Test and Verify
- How to Build Privacy into Data Pipelines
- Engineering Privacy and Data Governance into Pipelines
- An Example Data Sharing Workflow
- Adding Provenance and Consent Information to Collection
- Using Differential Privacy Libraries in Pipelines
- Collecting Data Anonymously
- Apples Differentially Private Data Collection
- Why Chromes Original Differential Privacy Collection Died
- Working with Data Engineering Team and Leadership
- Share Responsibility
- Create Workflows with Documentation and Privacy
- Privacy as a Core Value Proposition
- Summary
- 4. Privacy Attacks
- Privacy Attacks: Analyzing Common Attack Vectors
- Netflix Prize Attack
- Linkage Attacks
- Singling Out Attacks
- Strava Heat Map Attack
- Membership Inference Attack
- Inferring Sensitive Attributes
- Other Model Leakage Attacks: Memorization
- Model-Stealing Attacks
- Attacks Against Privacy Protocols
- Privacy Attacks: Analyzing Common Attack Vectors
- Data Security
- Access Control
- Data Loss Prevention
- Extra Security Controls
- Threat Modeling and Incident Response
- Probabilistic Reasoning About Attacks
- An Average Attacker
- Measuring Risk, Assessing Threats
- Data Security Mitigations
- Applying Web Security Basics
- Protecting Training Data and Models
- Staying Informed: Learning About New Attacks
- Summary
- 5. Privacy-Aware Machine Learning and Data Science
- Using Privacy-Preserving Techniques in Machine Learning
- Privacy-Preserving Techniques in a Typical Data Science or ML Workflow
- Exploratory data analysis
- Feature Engineering
- Privacy-Preserving Techniques in a Typical Data Science or ML Workflow
- Privacy-Preserving Machine Learning in the Wild
- Differentially Private Stochastic Gradient Descent
- Using Privacy-Preserving Techniques in Machine Learning
- Open Source Libraries for PPML
- Engineering Differentially Private Features
- Applying Simpler Methods
- Documenting Your Machine Learning
- Other Ways of Protecting Privacy in Machine Learning
- Architecting Privacy in Data and Machine Learning Projects
- Understanding Your Data Privacy Needs
- Monitoring Privacy
- Summary
- 6. Federated Learning and Data Science
- Distributed Data
- Why Use Distributed Data?
- How Does Distributed Data Analysis Work?
- Privacy-Charging Distributed Data with Differential Privacy
- Distributed Data
- Federated Learning
- Federated Learning: A Brief History
- Why, When, and How to Use Federated Learning
- Architecting Federated Systems
- Example Deployment
- Security Threats
- Use Cases
- Deploying Federated Libraries and Tools
- Open Source Federated Libraries
- Flower: Unified OSS for Federated Learning Libraries
- A Federated Data Science Future Outlook
- Summary
- 7. Encrypted Computation
- What Is Encrypted Computation?
- When to Use Encrypted Computation
- Privacy Versus Secrecy
- Threat Modeling
- Types of Encrypted Computation
- Secure Multiparty Computation
- Secret Sharing
- Security models in MPC
- Factors to consider when using MPC
- Secure Multiparty Computation
- Homomorphic Encryption
- Paillier encryption
- Learning with errors
- Factors to consider when using HE
- Validating HE computations via zero-knowledge proofs
- Real-World Encrypted Computation
- Private Set Intersection
- Diffie-Hellman for PSI
- Private Set Intersection
- Private Join and Compute
- Secure Aggregation
- Encrypted Machine Learning
- Getting Started with PSI and Moose
- Imagining a World with Secure Data Sharing
- Summary
- 8. Navigating the Legal Side of Privacy
- GDPR: An Overview
- Fundamental Data Rights Under GDPR
- Data Controller Versus Data Processor
- Applying Privacy-Enhancing Technologies for GDPR
- GDPRs Data Protection Impact Assessment: Agile and Iterative Risk Assessments
- Right to an Explanation: Interpretability and Privacy
- GDPR: An Overview
- California Consumer Privacy Act (CCPA)
- Applying PETs for CCPA
- Other Regulations: HIPAA, LGPD, PIPL, and More!
- Internal Policies and Contracts
- Reading Privacy Policies and Terms of Service
- Reading Data Processing Agreements
- Reading Policies, Guidelines, and Contracts
- Working with Legal Professionals
- Adhering to Contractual Agreements and Contract Law
- Interpreting Data Protection Regulations
- Asking for Help and Advice
- Working Together on Shared Definitions and Ideas
- Providing Technical Guidance
- Data Governance 2.0
- What Is Federated Governance?
- Supporting a Culture of Experimentation
- Documentation That Works, Platforms with PETs
- Summary
- 9. Privacy and Practicality Considerations
- Getting Practical: Managing Privacy and Security Risk
- Evaluating and Managing Privacy Risk
- Embracing Uncertainty While Planning for the Future
- Getting Practical: Managing Privacy and Security Risk
- Practical Privacy Technology: Use-Case Analysis
- Federated Marketing: Guiding Marketing Campaigns with Privacy Built In
- Problem statement and desired outcome
- Current solution
- Privacy-first future solution
- Federated Marketing: Guiding Marketing Campaigns with Privacy Built In
- Public-Private Partnerships: Sharing Data for Public Health
- Problem statement and desired outcome
- Current solution
- Privacy-first future solution
- Anonymized Machine Learning: Looking for GDPR Compliance in Iterative Training Settings
- Problem statement and desired outcome
- Current solution
- Privacy-first future solution
- Business-to-Business Application: Hands-Off Data
- Problem statement and desired outcome
- Current solution
- Privacy-first future solution
- Step-by-Step: How to Integrate and Automate Privacy in ML
- Iterative Discovery
- Documenting Privacy Requirements
- Evaluating and Combining Approaches
- Shifting to Automation
- Making Privacy Normal
- Embracing the Future: Working with Research Libraries and Teams
- Working with External Researchers
- Investing in Internal Research
- Summary
- 10. Frequently Asked Questions (and Their Answers!)
- Encrypted Computation and Confidential Computing
- Is Secure Computation Quantum-Safe?
- Can I Use Enclaves to Solve Data Privacy or Data Secrecy Problems?
- What If I Need to Protect the Privacy of the Client or User Who Sends the Database Query or Request?
- Do Clean Rooms or Remote Data Analysis/Access Solve My Privacy Problem?
- I Want to Provide Perfect Privacy or Perfect Secrecy. Is That Possible?
- How Do I Determine That an Encrypted Computation Is Secure Enough?
- If I Want to Use Encrypted Computation, How Do I Manage Key Rotation?
- What Is Googles Privacy Sandbox? Does It Use Encrypted Computation?
- Encrypted Computation and Confidential Computing
- Data Governance and Protection Mechanisms
- Why Isnt k-Anonymity Enough?
- But what about with t-closeness and l-diversity?
- Why Isnt k-Anonymity Enough?
- I Dont Think Differential Privacy Works for My Use Case. What Do I Do?
- Can I Use Synthetic Data to Solve Privacy Problems?
- How Should Data Be Shared Ethically or What Are Alternatives to Selling Data?
- How Can I Find All the Private Information That I Need to Protect?
- I Dropped the Personal Identifiers, so the Data Is Safe Now, Right?
- How Do I Reason About Data I Released in the Past?
- Im Working on a BI Dashboard or Visualization. How Do I Make It Privacy-Friendly?
- Who Makes Privacy Engineering Decisions? How Do I Fit Privacy Engineering into My Organization?
- What Skills or Background Do I Need to Become a Privacy Engineer?
- Why Didnt You Mention (Insert Technology or Company Here)? How Do I Learn More? Help!
- GDPR and Data Protection Regulations
- Do I Really Need to Use Differential Privacy to Remove Data from GDPR/CPRA/LGPD/etc. Requirements?
- I Heard That I Can Use Personal Data Under GDPR for Legitimate Interest. Is That Correct?
- I Want to Comply with Schrems II and Transatlantic Data Flows. What Are Possible Solutions?
- Personal Choices and Social Privacy
- What Email Provider, Browser, and Application Should I Use if I Care About My Privacy?
- My Friend Has an Automated Home or Phone Assistant. I Dont Want It Listening to Me. What Should I Do?
- I Gave Up on Privacy a Long Time Ago. I Have Nothing to Hide. Why Should I Change?
- Can I Just Sell My Own Data to Companies?
- I Like Personalized Ads. Why Dont You?
- Is (Fill in the Blank) Listening to Me? What Should I Do About It?
- Summary
- 11. Go Forth and Engineer Privacy!
- Surveillance Capitalism and Data Science
- Gig Workers and Surveillance at Work
- Surveillance for Security
- Luxury Surveillance
- Surveillance Capitalism and Data Science
- Vast Data Collection and Society
- Machine Learning as Data Laundering
- Disinformation and Misinformation
- Fighting Back
- Researching, Documenting, Hacking, Learning
- Collectivizing Data
- Regulation Fining Back
- Supporting Community Work
- Privacy Champions
- Your Privacy-Aware Multitool
- Building Trustworthy Machine Learning Systems
- Privacy by Design
- Privacy and Power
- Tschüss
- Index
O'Reilly Media - inne książki
-
This concise yet comprehensive guide explains how to adopt a data lakehouse architecture to implement modern data platforms. It reviews the design considerations, challenges, and best practices for implementing a lakehouse and provides key insights into the ways that using a lakehouse can impact ...(193.69 zł najniższa cena z 30 dni)
193.19 zł
249.00 zł(-22%) -
In today's fast-paced world, more and more organizations require rapid application development with reduced development costs and increased productivity. This practical guide shows application developers how to use PowerApps, Microsoft's no-code/low-code application framework that helps developer...(162.47 zł najniższa cena z 30 dni)
162.27 zł
209.00 zł(-22%) -
Welcome to the systems age, where software professionals are no longer building software&emdash;we're building systems of software. Change is continuously deployed across software ecosystems coordinated by responsive infrastructure. In this world of increasing relational complexity, we need t...(152.21 zł najniższa cena z 30 dni)
152.01 zł
209.00 zł(-27%) -
This book provides an ideal guide for Python developers who want to learn how to build applications with large language models. Authors Olivier Caelen and Marie-Alice Blete cover the main features and benefits of GPT-4 and GPT-3.5 models and explain how they work. You'll also get a step-by-step g...(155.41 zł najniższa cena z 30 dni)
155.36 zł
209.00 zł(-26%) -
In today's cloud native world, where we automate as much as possible, everything is code. With this practical guide, you'll learn how Policy as Code (PaC) provides the means to manage the policies, related data, and responses to events that occur within the systems we maintain—Kubernetes, c...(212.59 zł najniższa cena z 30 dni)
212.39 zł
279.00 zł(-24%) -
Geared to intermediate- to advanced-level DBAs and IT professionals looking to enhance their MySQL skills, this guide provides a comprehensive overview on how to manage and optimize MySQL databases. You'll learn how to create databases and implement backup and recovery, security configurations, h...(221.43 zł najniższa cena z 30 dni)
221.33 zł
279.00 zł(-21%) -
Get the details, examples, and best practices you need to build generative AI applications, services, and solutions using the power of Azure OpenAI Service. With this comprehensive guide, Microsoft AI specialist Adrián González Sánchez examines the integration and utilization of Az...(162.23 zł najniższa cena z 30 dni)
162.18 zł
209.00 zł(-22%) -
Despite the increase of high-profile hacks, record-breaking data leaks, and ransomware attacks, many organizations don't have the budget for an information security (InfoSec) program. If you're forced to protect yourself by improvising on the job, this pragmatic guide provides a security-101 hand...(214.77 zł najniższa cena z 30 dni)
214.57 zł
239.00 zł(-10%) -
Keeping up with the Python ecosystem can be daunting. Its developer tooling doesn't provide the out-of-the-box experience native to languages like Rust and Go. When it comes to long-term project maintenance or collaborating with others, every Python project faces the same problem: how to build re...(189.29 zł najniższa cena z 30 dni)
188.79 zł
239.00 zł(-21%) -
Bringing a deep-learning project into production at scale is quite challenging. To successfully scale your project, a foundational understanding of full stack deep learning, including the knowledge that lies at the intersection of hardware, software, data, and algorithms, is required.This book il...(227.19 zł najniższa cena z 30 dni)
227.14 zł
279.00 zł(-19%)
Dzieki opcji "Druk na żądanie" do sprzedaży wracają tytuły Grupy Helion, które cieszyły sie dużym zainteresowaniem, a których nakład został wyprzedany.
Dla naszych Czytelników wydrukowaliśmy dodatkową pulę egzemplarzy w technice druku cyfrowego.
Co powinieneś wiedzieć o usłudze "Druk na żądanie":
- usługa obejmuje tylko widoczną poniżej listę tytułów, którą na bieżąco aktualizujemy;
- cena książki może być wyższa od początkowej ceny detalicznej, co jest spowodowane kosztami druku cyfrowego (wyższymi niż koszty tradycyjnego druku offsetowego). Obowiązująca cena jest zawsze podawana na stronie WWW książki;
- zawartość książki wraz z dodatkami (płyta CD, DVD) odpowiada jej pierwotnemu wydaniu i jest w pełni komplementarna;
- usługa nie obejmuje książek w kolorze.
Masz pytanie o konkretny tytuł? Napisz do nas: sklep[at]helion.pl.
Książka, którą chcesz zamówić pochodzi z końcówki nakładu. Oznacza to, że mogą się pojawić drobne defekty (otarcia, rysy, zagięcia).
Co powinieneś wiedzieć o usłudze "Końcówka nakładu":
- usługa obejmuje tylko książki oznaczone tagiem "Końcówka nakładu";
- wady o których mowa powyżej nie podlegają reklamacji;
Masz pytanie o konkretny tytuł? Napisz do nas: sklep[at]helion.pl.
Książka drukowana
![Loader](https://static01.helion.com.pl/ebookpoint/img/ajax-loader.gif)
![ajax-loader](https://static01.helion.com.pl/ebookpoint/img/ajax-loader.gif)
Oceny i opinie klientów: Practical Data Privacy Katharine Jarmul (0)
Weryfikacja opinii następuję na podstawie historii zamówień na koncie Użytkownika umieszczającego opinię. Użytkownik mógł otrzymać punkty za opublikowanie opinii uprawniające do uzyskania rabatu w ramach Programu Punktowego.