שימוש ב-Sensitive Data Protection כדי לסרוק נתונים ב-BigQuery

הידיעה איפה נמצא המידע הרגיש היא בדרך כלל השלב הראשון בהבטחת האבטחה והניהול שלו. הידע הזה יכול לעזור להפחית את הסיכון לחשיפת פרטים רגישים כמו מספרי כרטיסי אשראי, מידע רפואי, מספרי תעודות זהות, מספרי רישיונות נהיגה, כתובות, שמות מלאים וסודות ספציפיים של החברה. סריקה תקופתית של הנתונים יכולה גם לעזור לעמוד בדרישות התאימות ולוודא שאתם פועלים לפי השיטות המומלצות, ככל שהנתונים גדלים ומשתנים עם השימוש. כדי לעמוד בדרישות התאימות, אתם יכולים להשתמש ב-Sensitive Data Protection כדי לבדוק את הטבלאות ב-BigQuery ולהגן על המידע הרגיש.

יש שתי דרכים לסרוק את הנתונים ב-BigQuery:

  • יצירת פרופילים של מידע אישי רגיש. בעזרת Sensitive Data Protection אפשר ליצור פרופילים של נתוני BigQuery בארגון, בתיקייה או בפרויקט. פרופילי נתונים מכילים מדדים ומטא-נתונים על הטבלאות, ועוזרים לכם לקבוע איפה נמצאים נתונים רגישים ונתונים בסיכון גבוה. המדדים האלה מדווחים ב-Sensitive Data Protection ברמת הפרויקט, הטבלה והעמודה. מידע נוסף זמין במאמר פרופילי נתונים של BigQuery.

  • בדיקה לפי דרישה. בעזרת Sensitive Data Protection אפשר לבצע בדיקה מעמיקה של טבלה אחת או של קבוצת משנה של עמודות, ולדווח על הממצאים עד לרמת התא. בדיקה כזו יכולה לעזור לכם לזהות מופעים ספציפיים של סוגי נתונים מסוימים, כמו המיקום המדויק של מספר כרטיס אשראי בתוך תא בטבלה. אתם יכולים לבצע בדיקה על פי דרישה דרך הדף Sensitive Data Protection במסוףGoogle Cloud , דרך הדף BigQuery במסוף Google Cloud או באופן פרוגרמטי דרך DLP API.

בדף הזה מוסבר איך לבצע בדיקה על פי דרישה דרך הדף BigQuery במסוף Google Cloud .

‫Sensitive Data Protection הוא שירות שמנוהל במלואו ומאפשר ללקוחות לזהות מידע אישי רגיש ולהגן עליו בקנה מידה נרחב. Google Cloud ב-Sensitive Data Protection יש יותר מ-150 גלאים מוגדרים מראש לזיהוי דפוסים, פורמטים וסיכומי ביקורת (checksum). בנוסף, ב-Sensitive Data Protection יש קבוצת כלים להסרת פרטי הזיהוי מהנתונים, כולל הסתרה, שימוש באסימונים, שימוש בשמות בדויים, שינוי תאריכים ועוד, והכול בלי לשכפל את נתוני הלקוחות.

למידע נוסף על Sensitive Data Protection, קראו את המאמר Sensitive Data Protection.

לפני שמתחילים

  1. כדאי להכיר את התמחור של Sensitive Data Protection ואיך לשלוט בעלויות של Sensitive Data Protection.

  2. מפעילים את DLP API.

    להפעלת ה-API

  3. חשוב לוודא שלמשתמש שיוצר את המשימות של Sensitive Data Protection הוקצה תפקיד IAM מתאים ומוגדר מראש של Sensitive Data Protection, או שיש לו מספיק הרשאות להרצת משימות של Sensitive Data Protection.

סריקת נתונים ב-BigQuery באמצעות מסוף Google Cloud

כדי לסרוק נתונים ב-BigQuery, יוצרים משימה ב-Sensitive Data Protection שמנתחת טבלה. כדי לסרוק במהירות טבלה ב-BigQuery, אפשר להשתמש באפשרות Scan with Sensitive Data Protection במסוף BigQuery Google Cloud .

כדי לסרוק טבלה ב-BigQuery באמצעות Sensitive Data Protection:

  1. נכנסים לדף BigQuery במסוף Google Cloud .

    כניסה ל-BigQuery

  2. בחלונית הימנית, לוחצים על Explorer:

    כפתור מודגש לחלונית Explorer.

    אם החלונית הימנית לא מוצגת, לוחצים על הרחבת החלונית הימנית כדי לפתוח אותה.

  3. בחלונית Explorer, מרחיבים את הפרויקט, לוחצים על Datasets ואז על מערך הנתונים.

  4. לוחצים על סקירה כללית > טבלאות, ובוחרים את הטבלה.

  5. בחלונית הפרטים, לוחצים על More > Scan with Sensitive Data Protection. הדף ליצירת משימות ב-Sensitive Data Protection נפתח בכרטיסייה חדשה.

  6. בשלב 1: בחירת נתוני קלט, מזינים מזהה משימה. הערכים בקטע Location נוצרים באופן אוטומטי. בנוסף, הקטע Sampling מוגדר באופן אוטומטי להרצת סריקה לדוגמה של הנתונים, אבל אפשר לשנות את ההגדרות לפי הצורך.

  7. לוחצים על Continue.

  8. אופציונלי: ב-Step 2: Configure detection, אתם יכולים להגדיר את סוגי הנתונים שצריך לחפש, שנקראים infoTypes.

    מבצעים אחת מהפעולות הבאות:

    • כדי לבחור מתוך רשימת ה-infoTypes המוגדרים מראש, לוחצים על Manage infoTypes. לאחר מכן, בוחרים את סוגי המידע שרוצים לחפש.
    • כדי להשתמש בתבנית בדיקה קיימת, בשדה Template name מזינים את שם המשאב המלא של התבנית.

    מידע נוסף על infoTypes זמין במאמר סוגי infoType וגלאי infoType במסמכי התיעוד של Sensitive Data Protection.

  9. לוחצים על Continue.

  10. אופציונלי: בשלב 3: הוספת פעולות, מפעילים את האפשרות שמירה ב-BigQuery כדי לפרסם את הממצאים של Sensitive Data Protection בטבלה ב-BigQuery. אם לא שומרים את הממצאים, המשימה שהושלמה מכילה רק נתונים סטטיסטיים על מספר הממצאים ועל infoTypes שלהם. כששומרים ממצאים ב-BigQuery, נשמרים פרטים על המיקום המדויק ורמת הסבירות של כל ממצא בנפרד.

  11. אופציונלי: אם הפעלתם את האפשרות שמירה ב-BigQuery, בקטע שמירה ב-BigQuery מזינים את הפרטים הבאים:

    • ‫Project ID: מזהה הפרויקט שבו התוצאות מאוחסנות.
    • מזהה מערך הנתונים: השם של מערך הנתונים שבו מאוחסנות התוצאות.
    • אופציונלי: מזהה הטבלה: שם הטבלה שבה נשמרות התוצאות. אם לא מציינים מזהה טבלה, לטבלה החדשה מוקצה שם ברירת מחדל שדומה לשם הבא: dlp_googleapis_date_1234567890. אם תציינו טבלה קיימת, הממצאים יתווספו אליה.

    כדי לכלול את התוכן שזוהה, מפעילים את האפשרות הכללת ציטוט.

  12. לוחצים על Continue.

  13. אופציונלי: ב-Step 4: Schedule, מגדירים את משך הזמן או את לוח הזמנים על ידי בחירה באפשרות Specify time span או באפשרות Create a trigger to run the job on a periodic schedule.

  14. לוחצים על Continue.

  15. אופציונלי: בדף Review, בודקים את פרטי המשימה. אם צריך, משנים את ההגדרות הקודמות.

  16. לוחצים על יצירה.

  17. בסיום המשימה של Sensitive Data Protection, תועברו לדף הפרטים של המשימה ותקבלו התראה באימייל. אפשר לראות את תוצאות הסריקה בדף פרטי המשימה, או ללחוץ על הקישור לדף פרטי המשימה של Sensitive Data Protection באימייל שמודיע על סיום המשימה.

  18. אם בחרתם לפרסם את הממצאים של Sensitive Data Protection ב-BigQuery, בדף Job details לחצו על View Findings in BigQuery כדי לפתוח את הטבלה במסוף Google Cloud . אחרי שהטבלה נוצרת, אפשר לשלוח אליה שאילתות ולנתח את הממצאים. למידע נוסף על שליחת שאילתות לגבי התוצאות ב-BigQuery, קראו את המאמר שליחת שאילתות לגבי ממצאים של Sensitive Data Protection ב-BigQuery במסמכי התיעוד של Sensitive Data Protection.

המאמרים הבאים

אם ברצונך לצנזר או להסיר פרטי זיהוי מהמידע האישי הרגיש שנמצא בסריקה של Sensitive Data Protection, אפשר להיעזר במקורות המידע הבאים: