کتاب Practical Data Privacy

کتاب Practical Data Privacy (حریم خصوصی داده‌ها در عمل: افزایش حریم خصوصی و امنیت در داده‌ها) یک منبع کامل و جامع برای یادگیری حریم خصوصی داده‌ها است که در 11 فصل به طور مفصل به شرح مفاهیم پایه و اساسی این مسأله در امنیت داده‌ها خواهد پرداخت.

در ادامه مقدمه‌ای از کتاب Practical Data Privacy را از زبان نویسنده شرح خواهیم داد.

مقدمه‌ای بر کتاب Practical Data Privacy:

به دنیای شگفت‌انگیز حریم خصوصی داده‌ها خوش آمدید! ممکن است در مورد حریم خصوصی پیش‌فرض‌هایی داشته باشید – اینکه این یک مزاحم است، اداری و در نتیجه کسل کننده است، یا اینکه موضوعی است که فقط به وکلا علاقه مند است.

آنچه این کتاب به شما نشان خواهد داد این است که مشکلات حفظ حریم خصوصی داده‌ها از نظر فنی چقدر چالش برانگیز و جالب هستند و تا سال‌های آینده نیز ادامه خواهند داشت. اگر به دلیل علاقه مندی به چالش کشیدن مسائل ریاضی و آماری وارد حوزه علم داده شده اید، عاشق کاوش در حریم خصوصی داده‌ها در علم داده خواهید شد. موضوعاتی که در این کتاب خواهید آموخت، درک شما را از نظریه احتمال، مدل‌سازی و حتی رمزنگاری گسترش می‌دهد.

یادگیری نحوه حل مشکلات حریم خصوصی داده‌ها امروزه برای متخصصان علم داده بسیار مهم است. شما می‌توانید مشکلات دنیای واقعی را در زمینه‌هایی مانند امنیت سایبری، مراقبت‌های بهداشتی و مالی حل کنید و می‌توانید حرفه خود را در دنیایی از قوانین، سیاست‌ها و چارچوب‌های حفظ حریم خصوصی ارتقا دهید.

از سال 2018 که مقررات عمومی حفاظت از داده‌ها (GDPR) در اروپا اجرایی شد، چشم انداز جهانی پیچیده تر شده است، و این پیچیدگی افزایش خواهد یافت زیرا آژانس‌های نظارتی و قانونگذاران به تغییر قوانین در مورد چگونگی، کجا، چرا و زمان ادامه می‌دهند. ذخیره داده‌ها ایجاد مجموعه ای از مهارت‌های حریم خصوصی و امنیت داده‌ها در حال حاضر سرمایه‌گذاری در حرفه شما است.

علاوه بر این، وقت گذاشتن برای یادگیری مهارت‌های حریم خصوصی جدید به این معنی است که شما در زمینه علم داده مشارکت می‌کنید – افزایش اعتماد، مسئولیت پذیری، درک و مسئولیت اجتماعی. در حال حاضر، ترس و واکنشی علیه استفاده از یادگیری ماشینی برای حل مشکلات دنیای واقعی وجود دارد. این پاسخ بر اساس مسائل واقعی و استقرار واقعی است، جایی که داده‌ها، مدل‌ها و سیستم‌ها به شیوه‌ای قابل اعتماد استفاده نمی‌شوند و عدالت و انصاف زیر سوال می‌رود.

به عنوان مثال، Clearview AI چهره‌ها را از سایت‌های رسانه‌های اجتماعی حذف می‌کند و مدل تشخیص چهره ساخته شده از آن چهره‌ها را به مجریان قانون می‌فروشد، که سوالاتی در مورد مالکیت داده، حریم خصوصی و مسئولیت‌پذیری ایجاد می‌کند. برای کمک به مقابله با این آسیب شهرت و ایجاد مسیرهایی برای داده‌های مسئولانه و قابل اعتماد، صنعت به دانشمندان داده و مهندسین یادگیری ماشین نیاز دارد که وظایف در دست اجرا، خطرات مربوطه را درک کنند و بتوانند در هنگام طراحی سیستم‌ها به این موضوع رسیدگی کنند.

حریم خصوصی می‌تواند شما را به سمت سیستم‌های منصفانه تر، اخلاقی تر و مسئولیت پذیرتر راهنمایی کند، جایی که کاربر قدرت و ورودی دارد و در مرکز طراحی شما قرار دارد. از این کتاب برای پیمایش در این چالش‌ها استفاده کنید و راه‌هایی را با راهنمایی عملی و عملی بیابید.

امیدوارم کتاب Practical Data Privacy بتواند با گسترش آشنایی با نحوه اجرای مناسب حریم خصوصی برای داده‌های حساس به علم داده جدید کمک کند. در سرتاسر جهان، نگرانی از دیجیتالی کردن داده‌های شخصی – حتی برای استفاده مسئولانه از سوی دولت – چنان رایج است که مانع استفاده از داده‌ها برای کمک به مشکلات اجتماعی مانند تغییرات آب و هوا، حسابرسی مالی و بحران‌های بهداشت جهانی می‌شود. ایجاد حریم خصوصی در علم داده، مسیرهای جدیدی را برای استفاده از داده‌ها در تصمیم‌گیری‌های حیاتی برای جوامع ما و برای جهان ما ایجاد می‌کند.

چه کسی باید کتاب Practical Data Privacy را بخواند:

این کتاب برای دانشمندان داده است که می‌خواهند خود را با تمرکز بر حریم خصوصی و امنیت داده‌ها ارتقا دهند. ممکن است دلایل زیادی داشته باشید، مانند:

• شما می‌خواهید تخصص (حریم خصوصی داده‌ها) را دنبال کنید که به آن اهمیت می‌دهید، که آینده‌ای طولانی در صنعت دارد.
• شما می‌خواهید به یک صنعت منظم تر مانند امور مالی یا مراقبت‌های بهداشتی بروید و این مهارت‌ها شما را به عنوان یک نامزد امیدوارکننده در این بخش‌ها معرفی می‌کند.
• شما با داده‌های تحقیقاتی کار می‌کنید و می‌خواهید تأیید سریع‌تری را از بررسی‌ها و انتشارات هیئت اخلاق دریافت کنید.
• شما یک فریلنسر یا مشاور علم داده هستید و می‌خواهید پایگاه مشتریان خود را با اطمینان از اینکه می‌دانید چگونه داده‌های حساس را مدیریت کنید گسترش دهید.
• شما یک تیم داده را مدیریت می‌کنید و می‌خواهید بتوانید محصولات و راه حل‌های معمار را با توجه به حریم خصوصی داده‌ها طراحی کنید.
• شما دوست دارید از “AI برای خیر” استفاده کنید و فکر کنید حفظ حریم خصوصی یک حق مهم انسانی است.
• به تیم شما گفته شده است که حریم خصوصی مهم است، اما شما مطمئن نیستید که این به چه معناست یا چگونه باید آن را اجرا کنید.
• شما با داده‌های حساس کار می‌کنید و می‌خواهید مطمئن شوید که بهترین شیوه‌ها را دنبال می‌کنید.
• شما دوست دارید یک مهندس حریم خصوصی شوید و روی مهندسی حریم خصوصی در محصولات داده تمرکز کنید.
• حریم خصوصی و امنیت موضوعات منظمی هستند و شما فقط از یادگیری بیشتر در مورد آنها لذت می‌برید.

در واقع می‌توانستم ادامه دهم و با افراد مختلفی از همه این پیشینه‌ها آشنا شده‌ام. چیزی که می‌توانم با قطعیت به شما بگویم این است که تقاضا برای این مهارت‌ها به سرعت در حال افزایش است که بیشتر از مقررات جدید هدایت می‌شود. شرکت‌ها روی این مهارت‌ها سرمایه‌گذاری می‌کنند تا بتوانند آینده ای امن برای مدیریت داده بسازند. با سرمایه‌گذاری در حریم خصوصی، شرکت‌ها نه تنها از حوادث گران‌قیمت اجتناب می‌کنند، بلکه یک برند و فرهنگ شرکتی قابل اعتماد را هنگام مدیریت داده‌ها ایجاد می‌کنند و از استخدام، بازاریابی و مسئولیت خود سود می‌برند.

پیمایش در کتاب Practical Data Privacy

این کتاب در فصل‌هایی با رویکردی عملی به حریم خصوصی داده‌ها و ترکیبی از تئوری، تمرین‌ها و موارد استفاده سازماندهی شده است:

فصل 1 کتاب Practical Data Privacy، “حاکمیت داده‌ها و رویکردهای ساده حریم خصوصی”، بر حاکمیت داده و رویکردهای ساده حریم خصوصی تمرکز دارد، به سوالاتی که ممکن است در مورد نحوه مدیریت داده‌ها، پیگیری رضایت، و نام مستعار داده‌ها برای استفاده داخلی داشته باشید، پاسخ می‌دهد.

فصل 2 کتاب Practical Data Privacy، “ناشناس‌سازی”، به ناشناس‌سازی می‌پردازد، رویکردهای پیشرفته‌ای را پوشش می‌دهد که امروزه می‌توانید از آنها استفاده کنید و افزایش حریم خصوصی متفاوت را به عنوان ابزاری برای دانشمندان داده در اداره سرشماری ایالات متحده بررسی می‌کند.

فصل 3 کتاب Practical Data Privacy، «ایجاد حریم خصوصی در خطوط لوله داده»، چگونگی شروع خودکارسازی حریم خصوصی در خطوط لوله داده و گردش کار، مستندسازی چندین مورد استفاده در مورد رضایت، ناشناس سازی، و مهندسی داده را پوشش می‌دهد.

فصل 4، “حملات حریم خصوصی”، حملات شناخته شده حریم خصوصی، از جمله ناشناس کردن مجموعه داده جایزه Netflix را تشریح می‌کند و راه‌هایی را معرفی می‌کند که می‌توانید در مورد نقض‌ها و حملات احتمالی هنگام کار با داده‌های حساس استدلال کنید.

فصل 5 کتاب Practical Data Privacy، “یادگیری ماشین و علم داده با آگاهی از حریم خصوصی”، علم داده و یادگیری ماشین را با آگاهی از حریم خصوصی بررسی می‌کند و نحوه ادغام حریم خصوصی داده‌ها را در پروژه‌های علم داده معرفی می‌کند. این فصل باید به عنوان یک مرجع سریع برای بررسی رویکردهای خاص در یک تیم علم داده مبتنی بر پروژه یا محصول استفاده شود.

فصل 6 کتاب Practical Data Privacy، “یادگیری فدرال و علم داده”، نحوه عملکرد تکنیک‌های فدرال در یادگیری ماشین و علم داده را شرح می‌دهد و این رویکردها را با سایر تکنیک‌های حفظ حریم خصوصی و به حداقل رساندن داده‌ها مقایسه می‌کند.

فصل 7 کتاب Practical Data Privacy، “محاسبات رمزگذاری شده”، یادگیری رمزگذاری شده و محاسبات رمزگذاری شده برای حفظ حریم خصوصی داده‌ها در علم داده، فرو رفتن در محاسبات چند جانبه و پروتکل‌ها و کتابخانه‌های رمزگذاری همومورف را پوشش می‌دهد.

فصل 8 کتاب Practical Data Privacy، «پیمایش جنبه قانونی حریم خصوصی»، نحوه خواندن و اعمال مقررات و سیاست‌های حفظ حریم خصوصی داده‌ها، با نگاهی به GDPR، قانون حفظ حریم خصوصی مصرف‌کننده در کالیفرنیا (CCPA) و نمونه‌های خط‌مشی داخلی برای حمایت از مسیر شما در جنبه‌های حقوقی از حریم خصوصی را بررسی می‌کند.

فصل 9، “ملاحظات حریم خصوصی و کاربردی” به شما کمک می‌کند تا آنچه را که آموخته اید برای طراحی سیستم‌های داده ایمن و خصوصی با موارد استفاده در دنیای واقعی به کار ببرید. این فصل دیگری است که به عنوان یک مرجع سریع برای معماران و مدیریت علم داده عمل می‌کند.

فصل 10 کتاب Practical Data Privacy، «پرسش‌های متداول (و پاسخ‌های آنها!)»، خلاصه‌ای از سؤالات متداول و موارد استفاده به عنوان یک مرجع مفید برای شرایط اضطراری حفظ حریم خصوصی داده‌ها، به شما این امکان را می‌دهد که با اطمینان به جلو بروید و اطمینان حاصل کنید که حریم خصوصی داده‌ها در هر پروژه و گردش کار عادی شما گنجانده شده است. . همچنین جنبه‌های اجتماعی و شخصی حریم خصوصی را باز می‌کند تا آنها را در زندگی شما خارج از محل کار ادغام کنید.

فصل 11 کتاب Practical Data Privacy، «بروید و حریم خصوصی مهندسین!»، نتیجه‌گیری کتاب است، و پشتیبانی و انگیزه‌ای را برای استفاده از مهارت‌های حفظ حریم خصوصی داده‌های تازه به‌دست‌آمده‌تان برای پیشبرد میدان و مسیر خودتان فراهم می‌کند!

پیوندهای این کتاب برای راحتی شما به URL های O’Reilly کوتاه شده است. این URL ها دارای حداقل ردیابی هستند و از نظر رعایت GDPR و حفظ حریم خصوصی بررسی شده اند. اگر می‌خواهید از این حداقل ردیابی انصراف دهید، می‌توانید لیست کامل URL ها را در https://practicaldataprivacybook.com پیدا کنید.

سرفصل‌های کتاب Practical Data Privacy:

• Foreword
• Preface
• 1. Data Governance and Simple Privacy Approaches
• 2. Anonymization
• 3. Building Privacy into Data Pipelines
• 4. Privacy Attacks
• 5. Privacy-Aware Machine Learning and Data Science
• 6. Federated Learning and Data Science
• 7. Encrypted Computation
• 8. Navigating the Legal Side of Privacy
• 9. Privacy and Practicality Considerations
• 10. Frequently Asked Questions (and Their Answers!)
• 11. Go Forth and Engineer Privacy!
• Index

جهت دانلود کتاب Practical Data Privacy می‌توانید پس از پرداخت، دریافت کنید.