توضیحاتی در مورد کتاب :
مهندسی حریم خصوصی را در سیستمهای خود با این تکنیکهای عملی برای حاکمیت داده، انطباق قانونی و بازرسیهای امنیتی حفظ کنید.
در حریم خصوصی دادهها میآموزید که چگونه:
طبقهبندی دادهها بر اساس خطر حریم خصوصی
ساخت ابزارهای فنی برای فهرستنویسی و کشف دادهها در سیستمهای شما
اشتراکگذاری دادهها با کنترلهای حریم خصوصی فنی برای اندازهگیری خطر شناسایی مجدد
پیادهسازی معماریهای حریم خصوصی فنی برای حذف دادهها
تنظیم قابلیتهای فنی برای صادرات دادهها برای برآورده کردن الزامات قانونی مانند درخواستهای دارایی موضوع داده (DSAR)
یک فرآیند بازبینی فنی حریم خصوصی برای کمک به تسریع ارزیابی تأثیر حریم خصوصی (PIA) ایجاد کنید
طراحی پلت فرم مدیریت رضایت (CMP) برای جلب رضایت کاربر
پیاده سازی ابزارهای امنیتی برای کمک به بهینه سازی حریم خصوصی
یک برنامه جامع بسازید که از سطح C و هیئت مدیره پشتیبانی و بودجه دریافت می کند
حریم خصوصی داده ها به شما می آموزد که طراحی، توسعه و اندازه گیری اثربخشی برنامه های حفظ حریم خصوصی شما از نویسنده Nishant Bhajaria، یک متخصص مشهور صنعت که بر حریم خصوصی در Google، Netflix و Uber نظارت دارد، یاد خواهید گرفت. اصطلاحات و الزامات قانونی حریم خصوصی همه به زبانی واضح و بدون اصطلاحات تخصصی توضیح داده شده است. آگاهی دائمی کتاب از الزامات تجاری به شما کمک می کند تا بین مبادلات تعادل برقرار کنید و اطمینان حاصل کنید که حریم خصوصی کاربر می تواند بدون افزایش زمان و هزینه منابع بهبود یابد.
خرید کتاب چاپی شامل یک کتاب الکترونیکی رایگان به صورت PDF، Kindle، و قالبهای ePub از انتشارات Manning.
درباره فناوری
حفظ حریم خصوصی دادهها برای هر کسبوکاری ضروری است. نقض داده ها، خط مشی های مبهم و ارتباطات ضعیف، همه اعتماد کاربر به برنامه های شما را از بین می برد. همچنین ممکن است با عواقب قانونی قابل توجهی به دلیل عدم محافظت از داده های کاربر مواجه شوید. خوشبختانه، روشها و دستورالعملهای روشنی وجود دارد که دادههای شما را ایمن نگه میدارد و کاربرانتان را راضی نگه میدارد.
درباره کتاب
حریم خصوصی دادهها: کتابی برای مهندسان به شما میآموزد که چگونه بین دادههای سختگیرانه حرکت کنید. امنیت و نیازهای کسب و کار در دنیای واقعی در این کتاب عملی، نحوه طراحی و اجرای برنامههای حفظ حریم خصوصی را یاد میگیرید که مقیاسبندی و خودکارسازی آن آسان است. هیچ فرآیند بوروکراتیکی وجود ندارد—فقط راه حل های قابل اجرا و استفاده مجدد هوشمند از ابزارهای امنیتی موجود برای کمک به تنظیم و دستیابی به اهداف حریم خصوصی شما.
آنچه در داخل است
طبقه بندی داده ها بر اساس ریسک حریم خصوصی
تنظیم قابلیت هایی برای صادرات داده ها که الزامات قانونی را برآورده می کند
ایجاد یک فرآیند بررسی برای تسریع ارزیابی تأثیر حریم خصوصی
طراحی یک پلت فرم مدیریت رضایت برای جلب رضایت کاربر
درباره خواننده
برای مهندسان و رهبران تجاری که به دنبال ارائه حریم خصوصی بهتر هستند .
درباره نویسنده
Nishant Bhajaria تیم فنی حریم خصوصی و استراتژی Uber را رهبری می کند. نقش های قبلی او شامل رئیس مهندسی حریم خصوصی در Netflix، و امنیت داده ها و حریم خصوصی در Google است.
فهرست محتوا
قسمت 1 حریم خصوصی، داده ها و کسب و کار شما
1 مهندسی حریم خصوصی: چرا به آن نیاز است , چگونه آن را مقیاس بندی کنیم
2 درک داده ها و حریم خصوصی
قسمت 2 یک برنامه حریم خصوصی فعال: حاکمیت داده
3 طبقه بندی داده ها
4 موجودی داده
5 به اشتراک گذاری داده ها
قسمت 3 ابزارهای ساخت و فرآیندها
6 بررسی حریم خصوصی فنی
7 حذف داده ها
8 صادرات داده های کاربر: درخواست های دسترسی موضوع داده
قسمت 4 امنیت، مقیاس بندی، و کارکنان
9 ایجاد یک پلت فرم مدیریت رضایت
> 10 بستن آسیب پذیری های امنیتی
11 مقیاس بندی، استخدام، و در نظر گرفتن مقررات
توضیحاتی در مورد کتاب به زبان اصلی :
Engineer privacy into your systems with these hands-on techniques for data governance, legal compliance, and surviving security audits.
In Data Privacy you will learn how to:
Classify data based on privacy risk
Build technical tools to catalog and discover data in your systems
Share data with technical privacy controls to measure reidentification risk
Implement technical privacy architectures to delete data
Set up technical capabilities for data export to meet legal requirements like Data Subject Asset Requests (DSAR)
Establish a technical privacy review process to help accelerate the legal Privacy Impact Assessment (PIA)
Design a Consent Management Platform (CMP) to capture user consent
Implement security tooling to help optimize privacy
Build a holistic program that will get support and funding from the C-Level and board
Data Privacy teaches you to design, develop, and measure the effectiveness of privacy programs. You’ll learn from author Nishant Bhajaria, an industry-renowned expert who has overseen privacy at Google, Netflix, and Uber. The terminology and legal requirements of privacy are all explained in clear, jargon-free language. The book’s constant awareness of business requirements will help you balance trade-offs, and ensure your user’s privacy can be improved without spiraling time and resource costs.
Purchase of the print book includes a free eBook in PDF, Kindle, and ePub formats from Manning Publications.
About the technology
Data privacy is essential for any business. Data breaches, vague policies, and poor communication all erode a user’s trust in your applications. You may also face substantial legal consequences for failing to protect user data. Fortunately, there are clear practices and guidelines to keep your data secure and your users happy.
About the book
Data Privacy: A runbook for engineers teaches you how to navigate the trade-off s between strict data security and real world business needs. In this practical book, you’ll learn how to design and implement privacy programs that are easy to scale and automate. There’s no bureaucratic process—just workable solutions and smart repurposing of existing security tools to help set and achieve your privacy goals.
What's inside
Classify data based on privacy risk
Set up capabilities for data export that meet legal requirements
Establish a review process to accelerate privacy impact assessment
Design a consent management platform to capture user consent
About the reader
For engineers and business leaders looking to deliver better privacy.
About the author
Nishant Bhajaria leads the Technical Privacy and Strategy teams for Uber. His previous roles include head of privacy engineering at Netflix, and data security and privacy at Google.
Table of Contents
PART 1 PRIVACY, DATA, AND YOUR BUSINESS
1 Privacy engineering: Why it’s needed, how to scale it
2 Understanding data and privacy
PART 2 A PROACTIVE PRIVACY PROGRAM: DATA GOVERNANCE
3 Data classification
4 Data inventory
5 Data sharing
PART 3 BUILDING TOOLS AND PROCESSES
6 The technical privacy review
7 Data deletion
8 Exporting user data: Data Subject Access Requests
PART 4 SECURITY, SCALING, AND STAFFING
9 Building a consent management platform
10 Closing security vulnerabilities
11 Scaling, hiring, and considering regulations