Kontroly dodržování předpisů pro korejský finanční bezpečnostní institut (K-FSI)

Tato stránka popisuje kontroly dodržování předpisů pro korejský finanční bezpečnostní institut (K-FSI) v Azure Databricks.

Přehled K-FSI

Dodržování předpisů K-FSI se týká splnění bezpečnostních a regulačních požadavků stanovených korejským finančním bezpečnostním institutem pro finanční instituce a jejich poskytovatele služeb. Zajišťuje robustní ochranu finančních dat a dodržování místních předpisů.

Klíčové body

• Platí pro finanční organizace provozující v Jižní Koreji.
• Řeší požadavky na rezidenci dat, šifrování a řízení přístupu.
• Zajišťuje soulad s korejskými finančními předpisy.

Povolit kontrolní mechanismy dodržování předpisů K-FSI

Pokud chcete nakonfigurovat pracovní prostor tak, aby podporoval zpracování dat regulovaných standardem K-FSI, musí mít pracovní prostor povolený profil zabezpečení dodržování předpisů. Pro zpracování regulovaných dat se podporují jenom konkrétní funkce preview. Podrobnosti o profilu zabezpečení dodržování předpisů, podporovaných funkcích Preview a podporovaných oblastech najdete v tématu Profil zabezpečení dodržování předpisů.

Zodpovídáte výhradně za ověření, že se citlivé informace nikdy nezadávají do vstupních polí definovaných zákazníkem, jako jsou názvy pracovních prostorů, názvy výpočetních prostředků, značky, názvy úloh, názvy spuštění úloh, názvy sítí, názvy přihlašovacích údajů, názvy účtů úložiště a ID úložiště Git nebo adresy URL. Tato pole můžou být uložená, zpracovávaná nebo přístupná mimo hranici dodržování předpisů.

Pokud chcete povolit řízení dodržování předpisů K-FSI, přečtěte si téma Konfigurace rozšířeného nastavení zabezpečení a dodržování předpisů.

Regionální podpora funkcí

Tato tabulka zobrazuje dostupnost funkcí pro vybraný standard dodržování předpisů ve všech podporovaných oblastech Databricks. Některé funkce mohou být uvedeny jako dostupné před jejich vydáním.

funkce	koreacentral
Funkce AI – klasifikace
Funkce AI – Analýza dokumentů
Funkce AI – extrakce informací
Funkce AI – Příprava vyhledávání
Interaktivní modul runtime AI	✓
Detekce anomálií	✓
Klasické výpočetní prostředky	✓
Čisté pokoje	✓
Klasifikace dat
Aplikace Databricks	✓
Databricks Genie pro Microsoft Teams
Databricks Genie for Slack
Databricks One	✓
Výchozí úložiště	✓
Režim agenta Genie
Kód Genie	✓
Režim agenta kódu Genie
Agent řídicího panelu Genie Code
Genie Prostory	✓
Asistent znalostí
Automatické škálování LakeBase
Lakeflow Connect – Confluence	✓
Lakeflow Connect – Dynamics 365	✓
Lakeflow Connect – GA4
Lakeflow Connect – Google Ads	✓
Lakeflow Connect – HubSpot	✓
Lakeflow Connect - Meta reklamy	✓
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 – Sestavy Workday (RaaS)	✓
Lakeflow Connect – Podpora Zendesku	✓
Lakeflow Connect – Příjem dat Zerobus	✓
Úlohy Lakeflow	✓
Editor kanálů Lakeflow	✓
Monitorování Lakehouse	✓
MLflow na Databricks	✓
Spravované servery MCP	✓
Obsluha modelů – AI Gateway (v1)	✓
Obsluha modelů – Ochranná opatření AI	✓
Obsluha modelů - AI Playground
Obsluha modelů – vlastní modely	✓
Obsluha modelů – externí modely	✓
Obsluha modelů – funkce AI základních modelů (ai_query)
Obsluha modelů – Platba podle tokenů za foundation modely
OpenSharing	✓
Prediktivní optimalizace	✓
Úlohy bez serveru, pracovní postupy nebo poznámkové bloky	✓
Bezserverové kanály Lakeflow	✓
Bezserverové sklady SQL	✓
Bezserverový pracovní prostor	✓
Nadřízený agent
Vektorové vyhledávání (standardní)	✓
Vektorové vyhledávání (optimalizováno pro úložiště)	✓