讲师介绍:
前字节跳动 安全专家
麦香,资深网络安全专家,拥有多年互联网安全领域从业经验。曾在多家知名企业担任高级安全职位,专注于Web安全、业务安全、红蓝对抗及CTF比赛。凭借深厚的专业背景和丰富的实战经验,在甲方安全建设、SDLC推进、漏洞挖掘与修复等方面取得显著成绩,并著有《CTF特训营》一书。
课程简介
本课程聚焦 AI与隐私计算等新技术在数据安全中的应用,旨在帮助学员深入理解数据安全治理框架,掌握AI、隐私计算等前沿技术在数据分类分级、访问控制、防泄漏、脱敏与匿名化、以及数据安全态势管理中的核心应用场景。课程内容涵盖从数据发现与分类、动态风险评估、隐私增强技术到智能化数据安全态势管理的完整流程,并结合实际案例,展示AI与隐私计算的协同应用,助力学员在数字化转型中构建高效、安全的数据生态系统。
目标收益
- 掌握AI与隐私计算在数据安全中的前沿技术:了解AI赋能的智能数据发现、分类分级、动态风险管理等技术,以及隐私计算在保护数据隐私和实现跨域协作中的关键应用。
- 提升数据安全治理能力:学习数据分类分级方法论和落地实践,掌握数据访问控制、防泄漏、脱敏与匿名化等技术手段,构建全面的数据安全治理体系。
- 熟悉行业最佳实践与案例:通过医疗联盟、政务数据开放、工业云边协同等实际案例,理解前沿技术如何应用于不同行业场景,提升实际操作能力。
- 助力数据隐私保护与合规:了解隐私增强技术(如差分隐私、同态加密等)在数据共享与协作中的应用,满足数据合规与隐私保护需求。
- 推动个人职业发展:课程内容紧密结合行业趋势,帮助学员掌握前沿技术,提升在数据安全领域的竞争力,助力职业成长。
课程大纲 |
引言:数据安全治理与分类分级 |
|
数据发现与分类分级 |
AI赋能数据安全治理 隐私计算在数据分类分级中的应用 保护模型训练的数据隐私 跨域数据协作分级 对加密数据直接进行分类分级 保护数据样本的隐私
AI与隐私计算的协同应用:典型案例 医疗联盟联合构建敏感的医疗数据分类模型 跨域联邦建模
|
数据访问控制与身份治理 |
动态风险评估 用户与实体行为分析 智能策略生成与优化 威胁情报驱动的动态控制
隐私保护下的访问控制 隐私增强的属性基加密(ABE) 基于零知识证明的认证与授权 安全多方计算在联合身份治理中的应用
AI与隐私计算的协同应用
|
数据防泄漏(DLP) |
AI赋能DLP系统 智能内容识别与上下文感知 用户与实体行为分析(UEBA) 智能加密流量分析 自适应响应与自动化
隐私训练技术助力数据防泄漏 联合威胁模型训练 隐私保护的内容扫描 安全多方计算用于协同调查 安全数据分析
2025行业标杆案例
|
数据脱敏与匿名化 |
|
数据安全态势管理(DSPM) |
传统DSPM的挑战与演进需求 AI在DSPM中的应用 隐私计算赋能数据安全态势管理 隐私增强的威胁情报(CTI)共建与去重 联合异常检测与基线建模 跨机构风险评分与欺诈/滥用联合风控 隐私保护的合规取证与跨域溯源 隐私增强的态势汇总度量与看板
|