IA & Data

La sécurité des architectures de données massives (4-129)

1 jour(s) • 6h

Description

Objectif général de la formation: À l’issue de la formation, les participants seront capables de comprendre et d’implémenter les principes de sécurité dans des architectures de données massives tout en évaluant leurs performances et robustesses. Modalité : Toutes les modalités (présentiel, classe virtuelle et hybride) sont possibles Lieu possible de réalisation : Locaux du bénéficiaire ou locaux d’Ascent Formation, en France métropolitaine et dans les DROM-COM Nombre maximal de participants : 20 Niveau SAME visé : Application (A) Compétences visées Comprendre les principes fondamentaux de sécurité pour les architectures Big Data. Identifier et analyser des plateformes Big Data sécurisées existantes. Appliquer des méthodes de test pour évaluer les performances et la robustesse.

Objectifs pédagogiques

Appréhender les enjeux et les principes de la sécurité des architectures Big Data.
Analyser des exemples concrets de plateformes Big Data et leurs architectures.
Appliquer des tests pratiques pour évaluer les performances et la robustesse des systèmes.

Public concerné

Administrateurs systèmes.

Ingénieurs Big Data et architectes systèmes

Responsables techniques chargés de la sécurité des infrastructures de données.

Prérequis

Connaissances générales des systèmes Big Data et de leurs architectures.

Notions de base en sécurité des systèmes d’information.

Déroulé du programme

Principes de sécurité dans les architectures de données massives (2 heures) :

Identification des vulnérabilités courantes dans les architectures Big Data.
Mise en œuvre des mécanismes de protection (chiffrement, gestion des accès, audits).
Concepts de conformité et de réglementation (RGPD, ISO 27001).

Travaux pratiques : Configurer un système Big Data avec des règles de sécurité basiques.

Exemples de plateformes et architectures Big Data (2 heures) :

Étude de deux plateformes Big Data (Hadoop et Spark) avec des descriptifs de leurs architectures.
Analyse comparative des performances et de la sécurité entre les plateformes.
Bonnes pratiques pour la conception sécurisée des architectures Big Data.

Travaux pratiques : Analyser une architecture existante et proposer des améliorations en matière de sécurité.

Tests et évaluations de performances et de robustesse (2 heures) :

Conception de jeux de données pour tester les performances des systèmes.
Méthodes d’évaluation de la robustesse (stress test, tests de montée en charge).
Interprétation des résultats et optimisation.