データ セキュリティ入門 ―技術・法律・心理から考える データ保護の設計と運用（技術評論社） [電子書籍]

データ セキュリティ入門 ―技術・法律・心理から考える データ保護の設計と運用（技術評論社） の 商品概要

• AI活用が広がる中，データを活用することが企業競争力の源泉となる一方で，データの流通経路は増え続けており，企業はこれまで以上に「重要な情報を守る」ことが難しい時代に面しています。本書で解説する「データ セキュリティ」は，AI活用の土台としてのデータ保護のニーズもあり，いま大きな注目を集めている分野です。
  本書は，企業の重要な資産であるデジタル データの保護にフォーカスしたデータ セキュリティの入門書です。守る対象は，社員が日々作成・参照するOfficeファイルなど，組織内に分散した非構造化データをメインとし，正規の権限でデータを取り扱う従業員の内部不正やうっかりミスから機密情報をどう守っていくかについて解説します。
  データ セキュリティの領域は，サイバーセキュリティ領域とは異なる特徴があり，その特徴を知ることが施策推進の要となります。本書では，データ セキュリティ領域に求められる法律・心理・技術の複数の領域がどう関わっているかを整理し，組織の巻き込み方や役割分担を含めて，平時の備えと有事の対応に分けて進め方を示します。
  後半ではMicrosoft Purviewを題材に，グローバルスタンダードに則って設計された製品の設計思想をベースとしながら，機密情報の検知・分類・保護，データ流出防止，リスクの高いユーザーの検知，生成AI利用時の制御などについて解説します。
  

• 目次

  第1章 なぜデータ セキュリティが必要なのか
  1-1 データ セキュリティの時勢と侵害による影響
  1-1-1 データ セキュリティのリスクの現状
  1-1-2 ① 営業秘密の漏えい
  1-1-3 ② 取引先からの預かり情報の漏えい
  1-1-4 ③ 個人情報や顧客・取引先情報の漏えい
  1-1-5 ④ クレデンシャル情報の漏えい
  1-1-6 ⑤ 重要情報の保護不足による多重脅迫
  1-1-7 取締役の責任
  1-2 データ セキュリティ事案増加の理由
  1-2-1 人材の流動化と多様化
  1-2-2 地政学的リスク
  1-2-3 生成AIの普及
  1-3 データ セキュリティの特徴とむずかしさ
  1-3-1 市場からの幻滅と期待
  1-3-2 情報を持ち出すのは，難易度が低く，被害が大きい
  1-3-3 利便性とのトレードオフ
  1-3-4 通常業務と情報漏えいの区別が難しい
  1-3-5 法的・心理学的な知識の必要性
  1-3-6 複数部門との協議と責任分担
  
  第2章 データ セキュリティの基礎知識
  2-1 法的な観点
  2-1-1 データに関わる法律
  2-1-2 AI関連法規
  2-2 心理学的な観点
  2-2-1 不正のトライアングル
  2-2-2 動機（Pressure）
  2-2-3 機会（Opportunity）
  2-2-4 正当化（Rationalization）
  2-3 技術的な観点
  2-3-1 データ セキュリティ施策の全体像
  2-3-2 情報漏えいを防止するための対策
  2-3-3 データのライフサイクルと対策
  
  第3章 データ セキュリティのはじめ方
  3-1 データ セキュリティのはじめ方
  3-1-1 データ セキュリティを進めるきっかけ
  3-1-2 一般的な役割と体制
  3-1-3 誰がデータを分類するのか
  3-1-4 誰がアラートを確認するのか
  3-2 平時対応
  3-2-1 対策のポイント
  3-2-2 対策をはじめるための準備
  3-2-3 有事に影響を少なくするための対策
  3-3 有事対応
  3-3-1 内部不正の場合
  
  第4章 データ セキュリティ ソリューション
  4-1 Microsoft Purviewの概要
  4-1-1 Microsoft Purviewとは
  4-1-2 Microsoft Purviewの全体像
  4-2 データ セキュリティのコンセプトと３本柱
  4-2-1 データ セキュリティの３本柱
  4-2-2 3本柱の組み合わせ
  4-2-3 データ セキュリティのコンセプト
  4-3 機密情報の検知，分類，保護（Information Protection）
  4-3-1 機密情報の検出
  4-3-2 機密情報の分類と保護：秘密度ラベル
  4-3-3 ラベル付けの方法
  4-3-4 ラベル付けのポイント
  4-3-5 秘密度ラベルの設計のポイント
  4-3-6 暗号化ラベルの使い分け
  4-3-7 Purviewポータルの3つのエクスプローラー
  4-4 データ流出防止（Data Loss Prevention）
  4-4-1 様々なDLPの種類
  4-4-2 DLPの制御の種類
  4-4-3 アクティビティの調査
  4-4-4 DLPの設計のポイント
  4-5 リスクの高いユーザーの検知（Insider Risk Management）
  4-5-1 Insider Risk Managementとは
  4-5-2 Insider Risk Managementの必要性
  4-5-3 Insider Risk Managementの仕組み
  4-5-4 コンテンツエクスプローラーとフォレンジックエビデンス
  4-5-5 アラート対処の流れ
  4-5-6 設計・運用のポイント
  4-5-7 チューニングの概要
  4-6 安心安全な生成AI利用
  4-6-1 生成AI利用における懸念事項
  4-6-2 AI Governance（AIガバナンス）
  4-6-3 Data Leak（情報漏えい）
  4-6-4 Oversharing（オーバーシェアリング）
  4-6-5 Compliance（コンプライアンス）
  
  第5章 証拠保全，監査，その他のソリューション
  5-1 データ ライフサイクル マネジメント
  5-1-1 データ ライフサイクル マネジメントの必要性
  5-1-2 アイテム保持ポリシー
  5-1-3 保持ラベルとレコード化
  5-1-4 保持と削除の優先順位
  5-1-5 Teamsの保持と監査
  5-1-6 Copilotの保持と監査
  5-2 有事の際の調査
  5-2-1 eDiscoveryとAuditの違い
  5-2-2 電子情報開示（eDiscovery）
  5-2-3 監査（Audit）
  
  第6章 データ セキュリティの補足知識
  6-1 データ セキュリティ関連用語
  6-1-1 データのCIA
  6-1-2 セキュリティモデル
  6-1-3 アクセスコントロール
  6-1-4 データの公開範囲
  6-1-5 セキュリティコントロール
  6-1-6 情報セキュリティの7要素
  6-1-7 デジタル証拠に求められる要件
  6-2 コンプライアンス関連知識
  6-2-1 法令とガイドライン・標準・フレームワークの違い
  6-2-2 プライバシー法
  6-2-3 著作権法・産業財産権法・不正競争防止法
  6-2-4 業界規制
  6-2-5 AI関連法令・ガイドライン・標準
  

データ セキュリティ入門 ―技術・法律・心理から考える データ保護の設計と運用（技術評論社） の商品スペック