在寻求预测客户需求的过程中，具有前瞻性的组织希望使用基于云的分析和人工智能进行创新。但我们经常从客户那里听到，以一种安全且合规的方式操作大数据量是多么具有挑战性。Databricks和Privacera已经合作，通过一个细粒度的访问控制和数据分类解决方案，帮助客户解决基于云的分析的几个关键用例。对于使用apacheranger的客户来说，这是一个特别容易的过渡。Privacera平台基于apacheranger背后的原始团队开发，该团队提供集中的策略管理和动态数据屏蔽。Databricks和Privacera联合解决方案解决了以下数据安全关键用例。1创建敏感数据目录以符合GDPR、CCPADatabricks和Privacera联合解决方案能够自动扫描进入Databricks的数据，以识别和分析敏感数据。通过将这些数据标记到一个可扩展的元数据存储中，它构建了一个包含PII信息的敏感数据的集中数据目录。因此，企业可以遵守通用数据保护法规等法规（GDPR）和加利福尼亚消费者隐私法案（CCPA），同时维护数据隐私。2确保分析和AI/ML的集中数据管理这种伙伴关系使组织能够在Delta-Lake表的行、列和精细级别上创建细粒度的访问控制策略。基于角色的细粒度访问允许集中管理，因此具有访问权限的用户可以使用更多数据进行分析和ML，而不是拒绝整个表级访问。该集成还提供了一个Privacera插件，在Databricks中为sparksql提供授权。这确保了具有访问权限的用户在其Databricks环境中运行查询时数据的连续流动。三。在不损害数据隐私的情况下提供更多数据联合解决方案还提供了反标识功能，使数据块中的敏感数据匿名化，以便数据工程团队能够向数据科学家和分析师提供敏感数据。这使得它们能够在保持数据的引用完整性和分析价值的同时保留数据的隐私性。数据科学家和分析师可以匿名化或屏蔽数据块中的数据，以用于分析和ML/AI工作负载，同时保持企业范围的控制，以分析分析和AI/ML工作负载的完整数据集。今天提供集成现在可用。要了解更多信息，请查看这个由Databricks和Privacera共同撰写的详细博客。更多资源https://databricks.com/databricks-enterprise-securityhttps://docs.databricks.com/security/index.htmlhttps://www.privacera.com/databricks.php免费试用Databricks。今天就开始吧