Practical Data Privacy: Enhancing Privacy and Security in Data
Книга «Practical Data Privacy» представляет собой практическое руководство по интеграции современных технологий защиты приватности в системы обработки данных и машинного обучения. Автор, Кэтрин Джармул, объединяет свой опыт работы в роли ведущего специалиста по данным с активистской позицией в области приватности, предлагая читателям сбалансированный подход между техническими требованиями и регуляторными нормами.
В книге подробно рассматриваются ключевые технологии приватности, включая дифференциальную приватность, федеративное обучение и гомоморфное шифрование. Автор объясняет, как эти методы могут быть применены в реальных проектах Data Science, отвечая на практические вопросы о соответствии GDPR, CCPA и другим регуляторным требованиям.
Особое внимание уделяется интеграции privacy-by-design принципов в рабочие процессы data science. Книга содержит рекомендации по выбору подходящих технологий, использованию open-source библиотек и сотрудничеству с командами информационной безопасности и управления данными. Примеры кода и реальные кейсы помогают читателям понять, как применять эти концепции на практике.
Издание будет полезно data scientists, инженерам машинного обучения и всем специалистам, работающим с данными, кто стремится создавать безопасные и соответствующие нормам приватности системы. Книга также ценна для руководителей проектов и архитекторов, определяющих стратегию обработки данных в организациях.
