2026-02-12. Гарда. Создание тестовых сред. История одной замаскированной базы
По данным отчета DBIR об утечках за 2025 компании Verizon, значительная часть утечек и проблем с персональными данными возникает не из-за атак, а из-за ошибок в процессах и передачи данных между командами и третьими сторонами. 95% таких инцидентов затрагивают персональные данные, а 30% всех расследованных утечек связаны с third-party involvement. На практике именно эти сценарии чаще всего реализуются в non-production средах — тестовых базах, копиях, аналитических витринах. Они выглядят незначительными в моменте, не воспринимаются как инциденты и поэтому остаются наименее управляемыми, пока не приводят к срыву релизов, некорректной аналитике и серьёзным последствиям для бизнеса. На вебинаре расскажем: - как замаскированные по всем правилам данные теряют смысл и перестают отражать реальность - что именно ломается в аналитике, скоринге и ML, когда маскирование делается с ошибками - какие ошибки в non-production средах выглядят безобидно, но позже приводят к срыву релизов и пересборке баз - почему проблемы с данными почти всегда обнаруживаются слишком поздно, и кто в итоге за них отвечает - как выстроить процесс маскирования, при котором ИБ спокойна, а разработка и аналитика могут нормально работать - как можно избежать недель переделок, пересборки баз и споров между ИБ, аналитикой и разработкой Связаться с автором канала TG -﹥ @mglazman
По данным отчета DBIR об утечках за 2025 компании Verizon, значительная часть утечек и проблем с персональными данными возникает не из-за атак, а из-за ошибок в процессах и передачи данных между командами и третьими сторонами. 95% таких инцидентов затрагивают персональные данные, а 30% всех расследованных утечек связаны с third-party involvement. На практике именно эти сценарии чаще всего реализуются в non-production средах — тестовых базах, копиях, аналитических витринах. Они выглядят незначительными в моменте, не воспринимаются как инциденты и поэтому остаются наименее управляемыми, пока не приводят к срыву релизов, некорректной аналитике и серьёзным последствиям для бизнеса. На вебинаре расскажем: - как замаскированные по всем правилам данные теряют смысл и перестают отражать реальность - что именно ломается в аналитике, скоринге и ML, когда маскирование делается с ошибками - какие ошибки в non-production средах выглядят безобидно, но позже приводят к срыву релизов и пересборке баз - почему проблемы с данными почти всегда обнаруживаются слишком поздно, и кто в итоге за них отвечает - как выстроить процесс маскирования, при котором ИБ спокойна, а разработка и аналитика могут нормально работать - как можно избежать недель переделок, пересборки баз и споров между ИБ, аналитикой и разработкой Связаться с автором канала TG -﹥ @mglazman