Zum Inhalt springen
Alle Webinare anzeigen

Abrufbar

Anwendung neuer ML-Techniken auf Doppelte und abgeleitete Daten aufdecken

Erfahren Sie, wie Sie doppelte und ähnliche Daten erkennen, identifizieren und minimieren.

Da Daten exponentiell wachsen, verteilen sich Datenquellen auf viele Bereiche, darunter Daten und mehrere Clouds. Dies erschwert die proaktive Risikominimierung und den Schutz kritischer und sensibler Daten. Eine der größten Risikoquellen sind doppelte und redundante sensible Daten, die über mehrere Datenquellen und -speicher hinweg migriert werden. Schwache Bereiche in Ihren derivativen Daten können unnötige Datenrisiken verursachen, Cloud-Migrationsinitiativen, Datenminimierungsinitiativen und M&A-Prozesse verzögern und zusätzliche Compliance-Herausforderungen auf breiter Front darstellen. Diskutieren Sie mit BigID und (ISC)2 über diese Risiken und wie Sie doppelte und ähnliche Daten erkennen, identifizieren und minimieren können. Behandelte Bereiche:

  • So identifizieren und kennzeichnen Sie doppelte, ähnliche und redundante Daten
  • Datenmigration zuordnen und ursprüngliche Datenquellen identifizieren
  • Best Practices zum Minimieren kritischer Daten über Datenquellen hinweg und zum Entfernen doppelter Daten
  • So wenden Sie ML-Techniken der nächsten Generation an, um Risiken zu reduzieren und das Vertrauen in Ihre Daten zu stärken
  • Erstellen Sie ein datenbasiertes Risikoprofil Ihrer Datenquellen