دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: نویسندگان: Khaled El Emam, Luk Arbuckle سری: ISBN (شابک) : 9781492053439 ناشر: O'Reilly Media, Inc. سال نشر: 2020 تعداد صفحات: زبان: English فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 3 Mb
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
در صورت تبدیل فایل کتاب Building an Anonymization Pipeline: Creating safe data به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب ساخت خط لوله ناشناس سازی: ایجاد داده های ایمن نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
چگونه می توانید از داده ها به گونه ای استفاده کنید که از حریم خصوصی افراد محافظت کند اما همچنان تجزیه و تحلیل مفید و معنی دار ارائه دهد؟ با این کتاب عملی، معماران و مهندسان داده یاد خواهند گرفت که چگونه فرآیندهای ناشناس امن و قابل تکرار را در جریان داده ها و تجزیه و تحلیل خود به شیوه ای پایدار ایجاد و ادغام کنند. Luk Arbuckle و Khaled El Emam از Privacy Analytics راهحلهای سرتاسری را برای ناشناسسازی دادههای دستگاه و اینترنت اشیا، بر اساس مدلهای مجموعه و موارد استفاده که نیازهای واقعی کسبوکار را برطرف میکنند، بررسی میکنند. این نمونهها از برخی از محیطهای دادهای پرمخاطب، مانند مراقبتهای بهداشتی، با استفاده از رویکردهایی که در آزمون زمان مقاومت کردهاند، آمدهاند. راه حل های ناشناس سازی به اندازه کافی متنوع ایجاد کنید تا طیفی از موارد استفاده را پوشش دهد راه حل های خود را با داده هایی که استفاده می کنید، افرادی که آنها را با آنها به اشتراک می گذارید و اهداف تجزیه و تحلیل خود مطابقت دهید خطوط لوله ناشناس سازی را پیرامون مدل های مختلف جمع آوری داده ایجاد کنید تا نیازهای مختلف کسب و کار را پوشش دهید یک نسخه ناشناس از داده های اصلی ایجاد کنید یا از یک پلت فرم تجزیه و تحلیل برای تولید خروجی های ناشناس استفاده کنید. مسائل اخلاقی در مورد استفاده از داده های ناشناس را بررسی کنید
How can you use data in a way that protects individual privacy but still provides useful and meaningful analytics? With this practical book, data architects and engineers will learn how to establish and integrate secure, repeatable anonymization processes into their data flows and analytics in a sustainable manner. Luk Arbuckle and Khaled El Emam from Privacy Analytics explore end-to-end solutions for anonymizing device and IoT data, based on collection models and use cases that address real business needs. These examples come from some of the most demanding data environments, such as healthcare, using approaches that have withstood the test of time. Create anonymization solutions diverse enough to cover a spectrum of use cases Match your solutions to the data you use, the people you share it with, and your analysis goals Build anonymization pipelines around various data collection models to cover different business needs Generate an anonymized version of original data or use an analytics platform to generate anonymized outputs Examine the ethical issues around the use of anonymized data