Policy Engineer Data Security (Аналитик 2 линии поддержки систем защиты данных)
Description
Мы развиваем защиту персональных данных, коммерческой тайны и финансовой информации средствами DLP, DCAP и DAM/DBF. В проекте — 6 000+ рабочих мест, корпоративные и облачные хранилища, базы данных и 50+ типов чувствительной информации. Ищем инженера, который будет исследовать данные и бизнес-процессы, разрабатывать алгоритмы контроля и повышать качество детектирования.
ЧЕМ ПРЕДСТОИТ ЗАНИМАТЬСЯ:Анализ данных и разработка политик:
-
Исследовать события и содержимое данных, в т.ч. с использованием Python и DS/DA-инструментов.
-
Разрабатывать признаки и алгоритмы обнаружения чувствительной информации: регулярные выражения, словари, структурные признаки, цифровые отпечатки и поиск сходства.
-
Формировать размеченные выборки, тестовые наборы и воспроизводимые проверки качества.
-
Настраивать политики DLP для каналов передачи информации, включая работу корпоративных ноутбуков вне сети компании.
-
Развивать классификацию данных, метки конфиденциальности и активные политики DCAP.
- Автоматизировать подготовку данных, проверку гипотез, тестирование правил и отчётность.
Бизнес-анализ и работа с FP (ложно-положительные результаты):
-
Изучать бизнес-процессы и потоки информации: кто, кому, какие данные, по какому каналу и на каком основании передаёт.
-
Собирать требования к политикам безопасности и доступа через интервью со стейкхолдерами (бизнес‑владельцы, Legal, Finance и др.), фиксировать роли, исключения и обоснования, обеспечивать согласование и документирование политик для внедрения в средства защиты и отчётности.
-
Отличать корректное обнаружение чувствительной информации от нарушения правил её обработки.
-
Формировать контекстные исключения для разрешённых операций: например, передачи персональных данных по официальному запросу или направления финансовой отчётности уполномоченному получателю.
-
Определять точные условия исключения: роль отправителя, подтверждённый получатель, состав данных, канал, бизнес-основание и срок действия.
-
Документировать, согласовывать и тестировать исключения, проверять, что они не скрывают нарушения в схожих сценариях.
- Поддерживать реестр исключений и обеспечивать их периодический пересмотр.
Выявление FN и ошибок детектирования ложно-отрицательные
результаты/истинные ошибки детектирования:
-
Исследовать доступные исходные данные, включая выборки без срабатываний действующих политик.
-
Искать объекты и операции, схожие с подтверждёнными случаями по содержимому, структуре, отдельным элементам и контексту.
-
Выявлять пропуски через поиск похожих документов, вариаций реквизитов, преобразованных данных и комбинаций признаков.
-
Проверять гипотезы о пропусках на размеченных выборках и контролируемых сценариях.
-
Различать ошибки детекторов, избыточные исключения и отсутствие данных из-за ограничений сбора.
- Улучшать полноту обнаружения, контролируя влияние изменений на ложные срабатывания.
Настройка DAM/DBF и DCAP:
-
Анализировать SQL-запросы, операции чтения и изменения данных, DDL-операции и изменения привилегий.
-
Настраивать правила аудита и контроля с учётом объектов СУБД, учётных записей, приложений и бизнес-контекста.
-
Отличать штатную активность приложений, администраторов и сервисных учётных записей от подозрительных действий.
-
Разрабатывать сценарии выявления массовых выборок, нетипичных обращений и других согласованных нарушений.
-
Анализировать группы AD, вложенное членство, ACL, наследование и эффективные права доступа.
-
Выявлять избыточный доступ к чувствительным данным, готовить и проверять изменения совместно с владельцами ресурсов и ИТ.
Что обязательно требуется:
- Опыт работы в крупной финтех или ритейл – компании или иной, со схожей спецификой внутренних процессов и регуляторными требованиями.
- Практический опыт настройки политик хотя бы одного из классов DLP, DCAP или DAM/DBF и готовность работать со всеми тремя.
- Опыт работы с системами защиты данных в компании с количеством ПК от 1000, объемом файловых шар от 1 ПБ, количеством уникальных экземпляров БД от 50
- Навыки очистки и объединения данных, исследовательского анализа, построения признаков и проверки гипотез.
- Понимание precision, recall, FP и FN; умение оценивать качество с учётом ограничений разметки.
- Бизнес-анализ: сбор требований, описание процессов и потоков данных, формирование критериев допустимости операций и согласование исключений.
- Уверенный SQL: DDL, DML, запросы чтения, схемы и объекты СУБД; понимание DCL и модели привилегий.
- Понимание AD и файловых прав: пользователи, сервисные учётные записи, группы, вложенность, разрешения общих ресурсов и NTFS, наследование.
- Git, документирование и воспроизводимое тестирование изменений.
Что поможет в работе:
- Опыт работы с такими системами, как: InfoWatch, SearchInform, Makves, CyberPeak, Garda DBF.
- Опыт NLP, нечёткого сопоставления, векторизации текстов и поиска похожих документов.
- Опыт обработки больших объёмов событий и работы с данными облачных сервисов.
- Знание PostgreSQL и Oracle.
- Уверенный Python: pandas, NumPy, регулярные выражения, обработка CSV/JSON и взаимодействие с API.
- DS/DA-инструменты: Jupyter, matplotlib/seaborn, scikit-learn для подготовки данных, поиска сходства, кластеризации и оценки качества.
- Возможность профессионального и карьерного роста в международной компании;
- Комфортный и современный офис, корпоративный транспорт (от м. Войковская, Речной вокзал, Алтуфьево, ж/д станции Химки);
- Возможность приобрести опыт работы с коллегами из других стран;
- Полис ДМС;
- Страхование от несчастного случая и болезней;
- Частичная компенсация питания в корпоративной столовой;
- Скидки на изучение английского языка, корпоративная программа по изучению английского языка для сотрудников, которым он необходим для работы;
- Дополнительные дни оплачиваемого отпуска, доплата по листам нетрудоспособности;
- Скидки на покупки в Торговых Центрах Компании;
- Специальные предложения от банков, фитнес-клубов и других партнёров.
Skills
Sign in to read and join the discussion.