Programme d'évaluateurs enregistrés en matière de sécurité des informations (IRAP)
Cette page décrit les contrôles de conformité IRAP dans Databricks.
Présentation d'IRAP
IRAP est une initiative du gouvernement australien qui certifie les fournisseurs de services cloud pour la gestion des données gouvernementales. Cela implique une évaluation indépendante par rapport aux contrôles du Manuel de sécurité de l'information (ISM) du gouvernement australien.
Points clés
- Largement adopté dans les secteurs publics des gouvernements australien et néo-zélandais.
- Implique une évaluation par un évaluateur IRAP accrédité.
- Se concentre sur la conformité avec les contrôles de sécurité ISM.
Activer les contrôles de conformité IRAP
Pour configurer votre Workspace afin de prendre en charge le traitement des données régies par la norme IRAP, le Workspace doit avoir le profil de sécurité de la conformité activé.
La version 5 ou supérieure de l'environnement de base de compute Serverless sera bientôt requise pour les charges de travail IRAP sur AWS. Databricks recommande de passer dès maintenant à la version 5 de l'environnement de base. Pour sélectionner un environnement de base pour les Notebooks, consultez Sélectionner un environnement de base. Pour configurer l'environnement des jobs, consultez Configurer l'environnement pour les tâches de job.
Seules des fonctionnalités en préversion spécifiques sont prises en charge pour le traitement des données réglementées. Pour plus de détails sur le profil de sécurité de la conformité, les fonctionnalités en préversion prises en charge et les régions prises en charge, consultez le profil de sécurité de la conformité.
Les types de machines virtuelles Graviton n’appliquent pas le chiffrement FIPS 140. Vous devez vérifier que la cryptographie approuvée par FIPS est utilisée.
Vous êtes seul responsable de vérifier que des informations sensibles ne sont jamais saisies dans les champs de saisie définis par les clients, tels que les noms de Workspace, les noms de Ressources compute, les tags, les noms de Job, les noms d'exécution de Job, les noms de réseau, les noms d'identifiants, les noms de comptes de stockage et les identifiants ou URL de repository Git. Ces champs peuvent être stockés, traités ou consultés en dehors de la limite de conformité.
Pour activer les contrôles de conformité IRAP, consultez Configurer les paramètres de sécurité et de conformité améliorés.
Support régional des fonctionnalités
Ce tableau présente la disponibilité des fonctionnalités pour la norme de conformité sélectionnée dans toutes les régions Databricks prises en charge. Certaines fonctionnalités peuvent être répertoriées comme disponibles avant d'être réellement publiées.
Fonctionnalité |
|
|---|---|
AI Functions : Classification | ✓ |
AI Functions - Analyse des documents | ✓ |
AI Functions - Extraction d'informations | ✓ |
AI Functions – Préparer la recherche | ✓ |
AI Runtime interactif | ✓ |
Détection d'anomalies | ✓ |
Classic Compute | ✓ |
Salles blanches | ✓ |
Classification des données | ✓ |
Databricks Apps | ✓ |
Databricks Genie pour Microsoft Teams | |
Databricks Genie pour Slack | |
Databricks One | ✓ |
Default Stockage | ✓ |
Mode Genie Agent | |
Genie Code | ✓ |
Mode Agent Genie Code | |
Agent de tableau de bord Genie Code | |
Genie Spaces | ✓ |
Assistant de connaissances | |
Autoscaling Lakebase | |
Lakeflow Connect - Confluence | ✓ |
Lakeflow Connect – Dynamics 365 | ✓ |
Lakeflow Connect - GA4 | |
Lakeflow Connect - Google Ads | ✓ |
Lakeflow Connect – HubSpot | ✓ |
Lakeflow Connect - Meta Ads | ✓ |
Lakeflow Connect – MySQL | ✓ |
Lakeflow Connect - NetSuite | |
Lakeflow Connect - PostgreSQL | ✓ |
Lakeflow Connect – SFTP | ✓ |
Lakeflow Connect-Salesforce | ✓ |
Lakeflow Connect - ServiceNow | ✓ |
Lakeflow Connect - SharePoint | ✓ |
Lakeflow Connect — TikTok Ads | ✓ |
Lakeflow Connect - Workday HCM | ✓ |
Lakeflow Connect – Rapports Workday (RaaS) | ✓ |
Lakeflow Connect – Zendesk Support | ✓ |
Lakeflow Connect - Zerobus Ingest | ✓ |
Tâches Lakeflow | ✓ |
Editor LakeFlow Pipelines | ✓ |
Monitoring du Lakehouse | ✓ |
MLflow sur Databricks | ✓ |
Serveurs MCP gérés | ✓ |
Model Serving - Passerelle IA (v1) | ✓ |
Model Serving - Garde-fou d'IA | ✓ |
Model Serving - AI Playground | ✓ |
Model Serving - Modèles personnalisés | ✓ |
Model Serving - Modèles externes | ✓ |
Model Serving - Fonction d'IA (ai_query) des modèles de fondation | ✓ |
Model Serving – Modèles de fondation par jeton | ✓ |
OpenSharing | ✓ |
OpenSharing SecureConnect | ✓ |
Optimisation prédictive | ✓ |
Serverless jobs, workflows et notebooks | ✓ |
LakeFlow Pipelines Serverless | ✓ |
Serverless SQL Warehouse | ✓ |
Workspace Serverless | ✓ |
Agent superviseur | |
Vector Search (Standard) | ✓ |
Vector Search (optimisé pour le stockage) | ✓ |