ВИЯВЛЕННЯ, АНАЛІЗ ТА ЗАХИСТ КОНФІДЕНЦІЙНИХ ДАНИХ ЗА ДОПОМОГОЮ ТЕХНОЛОГІЇ МАШИННОГО НАВЧАННЯ СЕРВІСУ AMAZON MACIE

Автор(и)

DOI:

https://doi.org/10.28925/2663-4023.2024.23.132144

Ключові слова:

машинне навчання, Amazon Macie, кібербезпека, AWS, автоматизований аналіз, конфіденційні дані

Анотація

За останні десятиліття сфера зберігання та обробки даних зазнала суттєвих змін і розширення, особливо з появою хмарних технологій та обчислень. Хмарні сервіси надають організаціям можливість зберігати великі обсяги даних та отримувати доступ до них за допомогою розподілених систем. Однак, разом з цими новими можливостями, постають і нові виклики, зокрема в області захисту конфіденційних даних. Захист конфіденційних даних є надзвичайно важливою задачею для сучасних організацій, особливо в умовах зростаючої кількості цифрових загроз та порушень безпеки. З метою забезпечення надійного захисту цінної та чутливої інформації, розробники та дослідники активно працюють над розробкою нових технологій та інструментів. Одним з потужних інструментів, який використовується для виявлення, аналізу та захисту конфіденційних даних є технологія машинного навчання сервісу Amazon Macie. Amazon Macie є сервісом хмарних обчислень AWS, який використовує штучний інтелект та алгоритми машинного навчання для автоматизованого аналізу даних та виявлення потенційних загроз безпеці даних.

Основним завданням цієї роботи є проблематика виявлення, аналізу та захисту конфіденційних даних з використанням технології машинного навчання та сервісу Amazon Macie. Amazon Macie є інноваційним сервісом, розробленим компанією Amazon Web Services (AWS), який використовує передові алгоритми машинного навчання для автоматизованого виявлення та аналізу конфіденційних даних. В рамках роботи проведено аналіз основних алгоритмів машинного навчання, принципів роботи систем зберігання даних та методів захисту конфіденційної інформації. Було досліджено принципи роботи та можливості Amazon Macie, який використовує розширені алгоритми машинного навчання для автоматизованого аналізу даних та виявлення потенційних загроз для безпеки даних.

Завантаження

Дані завантаження ще не доступні.

Посилання

Galvez, R., & Gurses, S. (2018). The Odyssey: Modeling Privacy Threats in a Brave New World, 2018 IEEE European Symposium on Security and Privacy Workshops (EuroS&PW), 87–94. https://doi.org/10.1109/EuroSPW.2018.00018

Mishra, A., et al. (2023). Artificial Intelligence based Security Solution for Data Encryption using AES Algorithm, 2023 International Conference on Sustainable Computing and Data Communication Systems (ICSCDS), 1685–1690, https://doi.org/10.1109/ICSCDS56580.2023.10104702

Devi, S., & Bharti, T. (2021). Study of Architecture and Issues in Services of Cloud Computing. 2021 3rd International Conference on Advances in Computing, Communication Control and Networking (ICAC3N), 1578–1581. https://doi.org/10.1109/ICAC3N53548.2021.9725679

Alaqra, A., Kane, B., & Fischer-Hübner, S. (2021). Machine Learning–Based Analysis of Encrypted Medical Data in the Cloud: Qualitative Study of Expert Stakeholders’ Perspectives. JMIR Hum Factors, 8(3):e21810. https://doi.org/10.2196/21810

Xu, G., et al. (2019). Sensitive Information Topics-Based Sentiment Analysis Method for Big Data, IEEE Access, 7, 96177–96190. https://doi.org/10.1109/ACCESS.2019.2927360

Xu, G., et al. (2019). Data Security Issues in Deep Learning: Attacks, Countermeasures, and Opportunities, IEEE Communications Magazine, 57(11), 116–122. https://doi.org/10.1109/MCOM.001.1900091

Butt, U., et al. (2020). Review of Machine Learning Algorithms for Cloud Computing Security. Electronics, 9(9):1379. https://doi.org/10.3390/electronics9091379

Amazon Macie Documentation. (n.d.). https://docs.aws.amazon.com/macie/

Kudrati, A., Peiris, C., Pillai, B. (2022). Hunting in AWS, in Threat Hunting in the Cloud: Defending AWS, Azure and Other Cloud Platforms Against Cyberattacks. Wiley.

Monitoring data security and privacy with Amazon Macie. (n.d.). https://docs.aws.amazon.com/macie/latest/user/monitoring-s3.html

Iman, S., Sarah, B., &, Hassan, H. (2019). Security and Privacy of AWS S3 and Azure Blob Storage Services. 2019 IEEE 4th International Conference on Computer and Communication Systems (ICCCS), 388–394. https://doi.org/10.1109/CCOMS.2019.8821735

Blohm, M., et al. (2019). Towards a Privacy Compliant Cloud Architecture for Natural Language Processing Platforms. ICEIS, 454–461. https://doi.org/10.5220/0007746204540461

Bermudez, I., et al. (2013). Exploring the Cloud from Passive Measurements: the Amazon AWS Case. Proceedings - IEEE INFOCOM, 230–234. https://doi.org/10.1109/INFCOM.2013.6566769

Shevchuk, D., et al. (2023). Designing Secured Services for Authentication, Authorization, and Accounting of Users. Cybersecurity Providing in Information and Telecommunication Systems II 2023, 3550, 217–225.

Investigating sensitive data with Amazon Macie findings. (n.d.). https://docs.aws.amazon.com/macie/latest/user/findings-investigate-sd.html

Locating sensitive data with Amazon Macie findings. (n.d.). https://docs.aws.amazon.com/macie/latest/user/findings-locate-sd.html

Downloads


Переглядів анотації: 166

Опубліковано

2024-03-28

Як цитувати

Партика, А., Михайлова , О., & Шпак, С. (2024). ВИЯВЛЕННЯ, АНАЛІЗ ТА ЗАХИСТ КОНФІДЕНЦІЙНИХ ДАНИХ ЗА ДОПОМОГОЮ ТЕХНОЛОГІЇ МАШИННОГО НАВЧАННЯ СЕРВІСУ AMAZON MACIE. Електронне фахове наукове видання «Кібербезпека: освіта, наука, техніка», 3(23), 132–144. https://doi.org/10.28925/2663-4023.2024.23.132144