敏感数据和云存储

Question

我一直在阅读关于机器学习模型、部署和管道的文章，到目前为止，大多数源都建议数据应该从某种基于云的存储或源中摄取，无论是AWS S3、Kaggle、Bigquery还是其他任何东西。

现在问题是，在我的公司，我们分析敏感的客户端数据，我认为这些数据不应该存储在云中，因为它可能对安全构成威胁，或者至少它不应该因为GDPR而离开这个国家/欧盟。

那么，考虑到机器学习流水线如何使用脱机本地数据来工作呢？

Answer 1

四种选择：

• 你有足够的财力(例如，你是一个政府、一家银行、一家财富500强)：你建立了自己的私有云。您甚至可以投标，并让云提供商为您在您自己的设施，在您的控制和许可。
• 根据处理的方式或地点，可以使用不离开设施的密钥对数据进行加密。这样，云中的数据将无法用于任何其他人(也许除了美国国家安全局)。
• 根据敏感性，您可以匿名化数据。这使得它只有在你知道如何匿名化的情况下才能使用(这通常是基于驻留在你房间里的数据)。有几个棘手的风险需要应对(例如，数字双胞胎，它可以帮助识别一个人的基础上组合的财产)。
• 您可以接受风险，找到合适的律师确保云提供商符合所有法律要求和安全标准，并且可以在违规情况下被起诉。在这种情况下，您可以在被监视的电子邮件地址的数据中引入一些虚拟人，这样您就可以发现数据盗取(例如，虚拟人上的圣登垃圾邮件活动)。

Answer 2

没有“云”这样的东西，只是别人的电脑

(这是一句俗语，上面的版本来自文章，由Hayato Huseman编写)

“云”只是用来表示数据存储在其他人的服务器上的一种奇特的方式。通常，您不知道服务器在哪里，而且它可以在不告诉您的情况下被移动。

如果您不想这样做，那么创建一个“私有云”，这只是一种表示您正在将数据存储在您自己的服务器上，在您自己的服务器空间中的一种奇特的方式。