Aucun résultat trouvé

Votre recherche n’a donné aucun résultat.

Nous vous suggérons d’essayer ce qui suit pour trouver ce que vous recherchez :

  • Vérifiez l’orthographe de votre recherche par mot clé.
  • Utilisez des synonymes pour le mot clé que vous avez tapé, par exemple, essayez “application” au lieu de “logiciel”.
  • Essayez l’une des recherches populaires ci-dessous.
  • Lancer une nouvelle recherche.
Questions tendances

Anonymisez vos données pour les protéger

Découvrez dans le guide complet toutes les fonctionnalités de notre solution d’anonymisation : Oracle Data Masking

Cybersecurity Strategies
Etude KPMG : Quelles stratégies de Cybersécurité adopter à l’ère du Cloud ?

Qu’est-ce que l’anonymisation des données ?

L’anonymisation des données a pour objectif de transformer des données personnelles de manière à ce qu’on ne puisse plus les rattacher à la personne concernée.

Oracle Data Masking

Pourquoi masquer ses données ?

Oracle Data Masking

Pour masquer ses données, il faut répondre à certaines exigences. Tout d’abord, il faut remplacer les données sensibles avec des données fictives avant de les partager. Ensuite, il faut extraire les données pertinentes et ignorer les données sensibles inutiles. Tout cela en répondant aux exigences de conformité. Ces contraintes exposent les entreprises à de nouveaux défis qui nécessitent la découverte de leurs données sensibles, la capacité à préserver l’intégrité de l’application et la fidélité de l’ensemble des données d’origine après avoir anonymiser et tout cela en garantissant une solution intégrée.

RGPD

Data and Sensitive

La règlementation est de plus en plus incitative, comme nous le montre le Considérant 26 du règlement général sur la protection des données : « Il n'y a dès lors pas lieu d'appliquer les principes relatifs à la protection des données aux informations anonymes, à savoir les informations ne concernant pas une personne physique identifiée ou identifiable, ni aux données à caractère personnel rendues anonymes de telle manière que la personne concernée ne soit pas ou plus identifiable. Le présent règlement ne s'applique, par conséquent, pas au traitement de telles informations anonymes, y compris à des fins statistiques ou de recherche. ». Tous les clients soumis au GDPR verront l'anonymisation comme une réelle chance d'échapper aux très nombreuses contraintes de cette réglementation.

Concept d’Oracle Data Masking

Masking and Application

Le concept se résume en 4 étapes principales. La première étape est le modèle de donnée. Il faut découvrir les données sensibles et spécifier leurs relations inter-tables. La deuxième étape est de définir les critères d’échantillonnage et les modèles de masquage. La troisième étape est celle du test et de la validation. Il y a une prévisualisation du masque et de l’échantillonnage. Enfin, la quatrième étape est l’exécution, avec une transformation en Base ou Export, une gestion des modèles et la mise à disposition de ceux-ci.

2 types de masquages

Masking Transformations

Il existe deux types de masquages de données. Il y a le Dynamic Data Masking et le Static Data Masking. Le Dynamic Data Masking effectue du masquage à la volée sans altération des données sur disque. Le Static Data Masking effectue quant à lui un masquage des données sensibles de manière définitive (sur disque) sans possibilité de récupérer la valeur d’origine.

Data Masking Factory

Multiple Factors

Le concept de Data Masking Factory est très facile à comprendre... aussi simple que le souhaitent les clients. Oracle Data Masking Factory permet de masquer depuis n’importe quelles sources vers n’importe quelles cibles. Il existe différents cas d’usage, notamment la création d’une modélisation applicative complexe des données qui respecte les contraintes déterministes entre des technologies hétérogènes (SGBDR, NoSQL, Fichier complexes, BUS, Application, …).

Oracle Data Masking
Essayez, Comparez, Adoptez – 3 500 heures d’essai gratuit Oracle Cloud

Les avantages d’Oracle Data Masking

Rapide

Rapide

Le masquage et l’échantillonnage peuvent être effectués sur une copie clonée des données originales, éliminant ainsi toute surcharge des systèmes de production.

Secured

Sécurisé

Alternativement, le masquage et l’échantillonnage peuvent être effectués pendant l'exportation de la base de données, éliminant ainsi le besoin de serveurs de staging.

Effective

Efficace

Le masquage et l’échantillonnage peuvent être effectués sur des données non-Oracle en transférant les données d’une technologie à l’autre manuellement via une passerelle Oracle Database Gateway ou alternativement à Oracle Data Masking Factory.

Oracle Data Masking

Epsilon

Epsilon a sécurisé les informations PCI de ses clients sur les environnements non productifs en utilisant Oracle Data Masking and Subsetting.

 

"Puisque nous personnalisons tout pour le client, cela peut être un défi de trouver la bonne solution pour ces clients. Non seulement nos clients financiers sont préoccupés par le chiffrement, mais même nos clients de détail nous demandent si nous l’utilisons."

  —Keith Wilcox, Directeur Technique d’Epsilon

CIMA Access

Ministère Néerlandais des Affaires Economiques témoigne sur le masquage des bases de données non Oracle

 

Ministère Néerlandais des Affaires Economiques

Le challenge portait sur l'anonymisation cohérente des données personnelles à des fins de test et de développement sur l'ensemble de la chaîne d'applications. Le champ d'application comprenait des bases de données Oracle et Non-Oracle.

Cisco

Cisco utilise Oracle Data Masking pour faciliter la conformité aux règles et réglementations mondiales en matière de confidentialité des données

 

Cisco

L’objectif était de mettre en œuvre une solution à l'échelle de l'entreprise qui standardise un processus et des capacités de masquage de données répétables pour les environnements non productifs.

Epsilon

T-Mobile protège 35 millions d'abonnés avec Oracle Database Security

 

"L'avantage principal d'Oracle Data Masking est la possibilité de créer un ensemble complet de données à partir de la production."

  —Alex Macknight, Architecte, Corp.Info.Security T-Mobile

Le Capacity Planning : Un exercice d’optimisation indispensable pour les DSI

Temps de lecture : 3 mn

Le Capacity Planning est un terme générique employé pour désigner la gestion de la capacité. Ce processus vise à déterminer la capacité de production nécessaire à une organisation pour répondre à une demande. Ce besoin de gestion de la capacité s’applique à de nombreux secteurs d’activité tels que l’industrie, le retail ou l’informatique.

Pour une DSI, le Capacity Planning consiste à estimer le besoin en ressources nécessaires (CPU, Mémoire, Stockage, Réseaux, Heap…) Par exemple, dans le cas des ressources réseau, le network monitoring va détecter les composants du réseau lents ou défaillants, tels que les serveurs surchargés ou en panne ou gelés, les routeurs défaillants, les commutateurs défaillants ou d'autres dispositifs problématiques. En cas de panne de réseau ou de panne similaire, le système de surveillance du réseau alerte l'administrateur réseau.

Le Capacity Planning

Pour une DSI, le Capacity Planning consiste à estimer le besoin en ressources nécessaires (CPU, Mémoire, Stockage, Réseaux, Heap…) pour soutenir une charge d’activité sur une période à venir. Le Capacity Planning devient un exercice critique lorsqu’il s’agit de faire face à une augmentation du nombre d'utilisateurs, une croissance ou un ralentissement d’activité imprévu ou difficile à mesurer. Le Capacity Planning doit également tenir compte des évolutions fréquentes de l’infrastructure. Ainsi, le Capacity Planning est un exercice de prévision difficile mais indispensable pour la DSI.

Pourquoi faire du capacity planning ?

Une mauvaise anticipation du besoin en capacité peut engendrer de sérieuses dégradations de performance, voir une interruption de service lorsqu’une instance a été sous-dimensionnée. Les conséquences peuvent alors être lourdes pour le métier : retard sur la chaîne de production, insatisfaction client, perte des sessions en cours…


A l’inverse, surdimensionner un environnement informatique, par principe de précaution, entraîne un gaspillage évitable des ressources.

L’enjeu du Capacity Planning consiste à assurer la disponibilité et la performance des environnements tout en optimisant autant que possible les ressources et les coûts.

Le Capacity Planning est une question d'optimisation ; il s'agit de maximiser l’allocation des ressources tout en garantissant la performance et la disponibilité des environnements. Tout DSI devrait être motivée à faire du Capacity Planning pour :

  • Prédire le moment où une infrastructure ne sera plus en mesure de faire face à la charge d’activité.
  • Anticiper l’achat de nouvelles machines ou l’approvisionnement de nouvelles ressources.
  • Identifier les goulots d’étranglement.
  • Comparer le coût d’un environnement On Premise à celui d’un Cloud public.
  • Anticiper et savoir faire face aux pics de charge qu'ils soient prévus ou inattendus.
  • Prévoir la configuration de production la plus optimisée avant le déploiement d'une nouvelle application.

Comment faire du Capacity Planning ?

Le Capacity Planner, à l'aide de business plans et de prédictions, tente d'imaginer ce que seront les besoins futurs. Il s’appuie souvent sur sa connaissance de l’historique et de la saisonnalité.

Dans beaucoup d’organisations, le Capacity Planning est un exercice encore fastidieux réalisé sur des feuilles de calcul. Celui-ci est à la fois long et peu précis.

Créer une base de données permet d’éviter les erreurs et de maximiser les opportunités de croissance de l’entreprise, à condition d’avoir élaboré une stratégie de Data Management adéquate.

Les outils de modélisation analytique comme les outils OLAP, via une application OLTP,(ou grâce au data mining) peuvent aider à obtenir des réponses à des scénarios "What if" afin d’explorer un éventail de possibilités. Le Big Data Analytics parcourt le data lake pour réaliser des analyses prédictives et ainsi aider les entreprises à prendre des décisions plus efficacement.  Cette analyse est réalisée à partir de diverses sources de données stockées dans des data warehouses et organisées en cubes OLAP. Le Capacity Planner doit également tenir compte de l’évolution des nouvelles technologiques.

Il est désormais possible d’automatiser son Capacity Planning grâce à l’Intelligence Artificielle. Des algorithmes avancés de régression linéaire, quadratique, elliptique etc… permettent anticiper de manière précise les besoins CPU, mémoire, stockage, I/O, heap et d’optimiser l’allocation des ressources.

Pour en savoir plus, découvrez IT Analytics et son principal cas d’utilisation : Comment anticiper vos besoins en CPU, mémoire, stockage... ?

Découvrez en davantage sur le Capacity Planning...

Super Héros de l’IT

Essayez gratuitement Oracle Management Cloud !

Essai Gratuit

Machine Learning

Découvrez les algorithmes de Machine Learning développés par Oracle !

Voir la solution

Use Case

Comment anticiper vos besoins en CPU, mémoire, stockage… ?

Capacity Planning prédictif

Testez

Devenez un Super Héros de l’IT

Essai Gratuit

 

“Le Capacity Planning doit également tenir compte des évolutions fréquentes de l’infrastructure. Ainsi, le Capacity Planning est un exercice de prévision difficile mais indispensable pour la DSI.”

Découvrez les secrets de l'ITOM

Découvrez les solutions d’IT Operations Management & Analytics

ITOM & Analytics