Topic 8

Заняття 8. Кібербезпека даних, гігієна та перспективи (Big Data, AI). Захист персональних даних (GDPR, законодавство України), резервне копіювання, двофакторна автентифікація. Огляд галузей Data Science, Big Data та AI-аналітики

Мета: формування у студентів цілісної системи знань, правової свідомості та практичних інженерних умінь у сфері захисту інформації, нормативно-правового комплаєнсу, кібергігієни й орієнтації у сучасних технологічних трендах інженерії даних. Студент має засвоїти еволюцію архітектур безпеки від застарілого периметрального захисту до моделі нульової довіри (Zero Trust Architecture — ZTA), фундаментальні засади міжнародного та національного нормативного регулювання (GDPR, Закони України № 2297-VI, № 2163-VIII, ISO/IEC 27001), а також осягнути триаду взаємодії напрямів Big Data, Data Science та AI-аналітики. У процесі навчання особлива увага приділяється розумінню та порівняльному аналізу трьох інженерних принципів ZTA (Explicit Verification, Least Privilege Access/JIT/JEA, Assume Breach із мікросегментацією та шифруванням Data-in-Transit / Data-at-Rest), опануванню концепцій Privacy by Design, Data Minimization та диференціації ролей контролера/процесора даних і прав суб'єктів (зокрема права на забуття та доступ). Студенти мають навчитися практично реалізовувати протоколи персональної та корпоративної кібергігієни: налаштовувати фішинг-стійку багатофакторну автентифікацію (FIDO2/Passkeys, TOTP), керувати обліковими даними через менеджери паролів за моделлю Zero-Knowledge, здійснювати анонімізацію і токенізацію PII-масивів та проєктувати відмовостійкі схеми резервного копіювання за розширеною стратегією 3-2-1-1-0 з використанням незмінного сховища (Immutable Storage / WORM). Важливим аналітичним та прогностичним результатом є формування здатності оцінювати сучасні технологічні вектори розвитку аналітики (потокову обробку в реальному часі на базі Kafka/Flink, гібридну архітектуру Data Lakehouse, векторні СУБД та RAG-системи), а також критично аналізувати й нівелювати юридичні та безпекові ризики при розгортанні корпоративних аналітичних конвеєрів.