What’s new 01/04/2019

A l’approche de la grande messe annuelle de Google il y a un peu moins de news en ce moment,
Google réserve les grosses annonces pour son événement mais ne vous inquiétez pas un dossier
spécial sur la mise à jour continue arrive bientôt alors ouvrez l’oeil.
News 1 : Comparaison sécurité à mettre en place en fonction du niveau de Cloud
Nous avons beaucoup aimé le tableau que Google a fait pour comparer qui est responsable de quoi
fonction du niveau de cloud que nous choisissons : infrastructure as a service (IaaS), platform as a
service (PaaS), et software as a service (SaaS)
C’est vraiment très intéressant en considérant que toutes les entreprises n’ont pas des experts en
sécurité et que d’autres auront envie de centrer leurs efforts sur l’expérience utilisateur. Bien sûr ce
tableau peut être transposé à la maintenance et au temps projet consacré à l'infrastructure.

En effet comme nous l’avons déjà dit, le Cloud permet de déléguer une partie des tâches
historiquement dévolues en internes et qui sont de plus en plus coûteuses. Et l’exemple le plus
marquant est bien la sécurité. C’est souvent l’argument phare des plus sceptiques et pour cause
déléguer la sécurité de ses données à une entreprise experte de l’analyse des données peut
paraître saugrenue. Mais le paradoxe est qu’aujourd’hui nos données sont bien plus à l’abris des
attaques dans les datacenters ultra-sécurisés de Google qui est un expert en terme de sécurité que
dans des salles serveurs moins bien équipées et surveillées. Et même si vous ne faites pas totalement
confiance à Google, sur GCP vos droits sont garantis par contrat et par l’Union Européenne (si vous
laissez vos données en Europe). Donc il sera plus facile de vous retourner contre Google si vous
constatez qu’ils utilisent vos données que contre d’éventuels hackers.

Commentaires

Enregistrer un commentaire

Posts les plus consultés de ce blog

Datalake comparaison - 10 Conclusion

Franchement nous avions d’énormes à priori avant de commencer ce comparatif et honnêtement le résultat nous surprend nous même. Toutes les solutions analysées présentent des intérêts et aucune ne peut prétendre être la solution ultime, c’est d’ailleurs celle qui veut tout faire à la fois qui pour nous est la moins intéressante. Nous ne pouvons que saluer les efforts d’innovations que les différents éditeurs ont trouvées et nous les remercions de proposer des outils qui permettent de traiter nos chères données. En effet nous parlons toujours comme si LA donnée était une seule entité et devait se traiter de la même manière mais c’est faux il y a plusieurs types de données : les chaudes qui sont consommées immédiatement, les froides qu’on ne va voir qu’une fois de temps en temps, il y a aussi des données qui servent à tirer des tendances, il y a des données qui servent à savoir ce qu’il s’est passé pour trouver une cause au problème, il y a des données confidentielles, il y a d...
Lire la suite

Load Balancer

Image
Le load balancer est un composant majeur dans Google Cloud platform , Il participe comme son nom l’indique à router les utilisateurs sur une ressource disponible. Il participe également à la bonne santé du système complet car son premier rôle est de servir de point d’entrée ce qui simplifie grandement la vie des utilisateurs et des développeurs. C’est un aiguilleur qui dirige les utilisateurs vers la bonne ressource. C’est un organe essentiel  d’une solution cloud. De plus lors d’un changement de logiciel ou de mise à niveau cela évite aux utilisateurs de devoir changer leurs raccourcis et leurs habitudes. Il permet donc de faire des déploiements sans rupture de service. Après le déploiement, les utilisateurs ne changent rien à leurs habitudes et le load balancer envoie toutes leurs demandent à la nouvelle application et un lien direct peut être mis en place pour certains utilisateurs qui ont encore besoin de se connecter à l’ancienne application. ...
Lire la suite

Data loss prevention API

Image
Les entreprises traitent de plus en plus leur données automatiquement. Plusieurs profils peuvent être amenés à “jouer” avec leurs données : data scientists internes, data scientists externes ou entreprises spécialisées dans ce domaine. Par faute de temps ou par manque d’outil les données fournies ne sont pas toujours pré traitées et sont souvent envoyées telles quelles, or cela a deux inconvénients : le premier (que tout le monde avait trouvé) transmettre des informations importantes inutiles et donc augmenter le risque de fuite d’information, Le deuxième c’est qu’une donnée trop riche nuit à son traitement. Je donne un exemple pour un ordinateur un numéro de téléphone est une suite de 4 numéros et s’ils ne sont pas contextualisé il prendra cela pour 4 numéros de 2 chiffres. Dans certains cas il est préférable de remplacer ces 4 séries de chiffres par un libellé comme NumTéléphone pour faire comprendre à l’algorithme que c’est l’information de la présence de numéro...
Lire la suite