Kommentar
Åtkomst till den här sidan kräver auktorisering. Du kan prova att logga in eller ändra kataloger.
Åtkomst till den här sidan kräver auktorisering. Du kan prova att ändra kataloger.
På den här sidan beskrivs IRAP-efterlevnadskontroller i Azure Databricks.
Important
Den här funktionen finns som allmänt tillgänglig förhandsversion.
Översikt över IRAP
IRAP är ett australiskt myndighetsinitiativ som certifierar molntjänstleverantörer för hantering av myndighetsdata. Det inbegriper oberoende bedömning av kontrollerna i Australian Government Information Security Manual (ISM).
Huvudpunkter
- Allmänt antagen i australiensiska och nyazeeländska regeringars offentliga sektorer.
- Omfattar utvärdering av en ackrediterad IRAP-utvärderare.
- Fokuserar på efterlevnad av ISM-säkerhetskontroller.
Aktivera IRAP-efterlevnadskontroller
För att konfigurera din arbetsyta så att den stöder bearbetning av data som regleras av IRAP-standarden rekommenderar Databricks starkt att arbetsytan aktiverar säkerhetsprofilen för efterlevnad. Säkerhetsprofilen för överensstämmelse kommer att krävas för IRAP-arbetsbelastningar när supporten blir generellt tillgänglig.
Important
Om du vill använda serverlös beräkning med IRAP-arbetsbelastningar måste du använda en basmiljö som innehåller miljöversion 5 eller senare. Om du inte väljer en kompatibel basmiljö startar inte serverlös beräkning när säkerhetsprofilen för IRAP-efterlevnad är aktiverad. Information om hur du väljer en basmiljö finns i Konfigurera den serverlösa miljön.
Endast specifika förhandsgranskningsfunktioner stöds för bearbetning av reglerade data. Mer information om säkerhetsprofilen för efterlevnad, vilka förhandsversionsfunktioner som stöds och regioner som stöds finns i Säkerhetsprofil för efterlevnad.
Anmärkning
Graviton VM-typer tillämpar inte FIPS 140-kryptering. Du måste se till att FIPS-godkänd kryptografi används.
Du är ensam ansvarig för att kontrollera att känslig information aldrig anges i kunddefinierade indatafält, till exempel arbetsytenamn, beräkningsresursnamn, taggar, jobbnamn, jobbkörningsnamn, nätverksnamn, namn på autentiseringsuppgifter, lagringskontonamn och Git-lagringsplats-ID:n eller URL:er. Dessa fält kan lagras, bearbetas eller nås utanför efterlevnadsgränsen.
Information om hur du aktiverar IRAP-efterlevnadskontroller finns i Konfigurera förbättrade säkerhets- och efterlevnadsinställningar.
Regionalt stöd för funktioner
Den här tabellen visar funktionstillgänglighet för den valda efterlevnadsstandarden i alla Databricks-regioner som stöds. Vissa funktioner kan visas som tillgängliga innan de faktiskt släpps.
| Feature | australiacentral |
australiacentral2 |
australiaeast |
australiasoutheast |
|---|---|---|---|---|
| AI Functions – Klassificering | ||||
| AI Functions – Dokumentanalys | ||||
| AI Functions – informationsutvinning | ||||
| Avvikelseidentifiering | ||||
| Klassisk beräkning | ✓ | ✓ | ✓ | ✓ |
| Renrum | ✓ | ✓ | ||
| Dataklassificering | ||||
| Databricks-appar | ✓ | ✓ | ✓ | ✓ |
| Databricks One | ✓ | ✓ | ✓ | ✓ |
| Standardlagringsutrymme | ||||
| Genie-agentläge | ||||
| Genie-kod | ✓ | ✓ | ✓ | ✓ |
| Genie Code Agentläge | ||||
| Genie Code Dashboard Agent | ||||
| Genie Spaces | ✓ | ✓ | ✓ | ✓ |
| Kunskapsassistent | ||||
| Lakebase Autoskalning | ||||
| Lakeflow Connect – Confluence | ✓ | ✓ | ||
| Lakeflow Connect – Dynamics 365 | ✓ | ✓ | ✓ | ✓ |
| Lakeflow Connect – GA4 | ||||
| Lakeflow Connect – Google Ads | ✓ | ✓ | ||
| Lakeflow Connect – HubSpot | ✓ | ✓ | ||
| Lakeflow Connect – Metaannonser | ✓ | ✓ | ||
| Lakeflow Connect – MySQL | ✓ | ✓ | ✓ | ✓ |
| Lakeflow Connect – NetSuite | ||||
| Lakeflow Connect – PostgreSQL | ✓ | ✓ | ✓ | ✓ |
| Lakeflow Connect – SFTP | ||||
| Lakeflow Connect – Salesforce | ||||
| Lakeflow Connect – ServiceNow | ||||
| Lakeflow Connect – SharePoint | ✓ | ✓ | ✓ | ✓ |
| Lakeflow Connect – TikTok-annonser | ✓ | ✓ | ||
| Lakeflow Connect – Workday HCM | ||||
| Lakeflow Connect – Workday-rapporter (RaaS) | ||||
| Lakeflow Connect – Zendesk Support | ✓ | ✓ | ||
| Lakeflow Connect – Zerobus Ingest | ||||
| Lakeflow-jobb | ✓ | ✓ | ✓ | ✓ |
| Lakeflow Pipelines-redigeraren | ✓ | ✓ | ||
| Lakehouse-övervakning | ✓ | ✓ | ||
| MLflow på Databricks | ✓ | ✓ | ✓ | ✓ |
| Hanterade MCP-servrar | ✓ | ✓ | ✓ | ✓ |
| Modellhantering – AI Gateway | ||||
| Modellimplementering – AI-skyddsräcke | ||||
| Modellhantering – AI Playground | ||||
| Modellservering – anpassade modeller | ||||
| Modellhantering – Externa Modeller | ||||
| Modellservering – AI-funktion för grundmodeller (ai_query) | ||||
| Modellservering – Basmodeller – betala per token | ||||
| Förutsägande optimering | ✓ | ✓ | ||
| Serverlösa jobb/arbetsflöden/Notebooks | ✓ | ✓ | ||
| Serverlösa Lakeflow-pipelines | ✓ | ✓ | ||
| Serverlösa SQL-lager | ✓ | ✓ | ||
| Serverlös arbetsyta | ||||
| Övervakaragent | ||||
| Vektorsökning (standard) | ||||
| Vektorsökning (lagringsoptimerad) |