행 수준 및 열 수준 보안

기본 Cloud Storage 파일을 복제하지 않고 주 구성원이 볼 수 있는 행을 제한하고 민감한 열 값을 마스킹하거나 차단하려면 Lakehouse 런타임 카탈로그에서 관리하는 Apache Iceberg 테이블에 BigQuery 세분화된 액세스 제어(FGAC)를 구성합니다. FGAC에는 행 수준 보안과 동적 데이터 마스킹을 사용한 열 수준 보안이 포함됩니다. 이 문서에서는 행 수준 액세스 정책을 만들고 데이터 정책을 열에 직접 적용하는 방법을 보여줍니다.

4부분으로 구성된 P.C.N.T(Project.Catalog.Namespace.Table) 테이블 식별자를 사용하는 BigQuery에서 GoogleSQL 데이터 정의 언어(DDL) 문을 실행하여 Apache Iceberg 테이블에 행 수준 액세스 정책 및 열 데이터 정책을 연결하고 관리합니다. 카탈로그에서 사용자 인증 정보 벤더 제공 모드를 사용하는 경우 Apache Iceberg REST 카탈로그 엔드포인트는 FGAC 보호 테이블에 사용자 인증 정보 벤더 제공 가드레일을 적용합니다. 호출 주 구성원이 모든 보호된 열에 대해 마스킹되지 않은(RAW_DATA_ACCESS_POLICY) 액세스 권한을 갖고 있고 테이블에 행 수준 액세스 정책이 있는 경우 필터링되지 않은 행 액세스(FILTER USING (TRUE)) 권한을 갖고 있지 않으면 엔드포인트는 직접 Cloud Storage 사용자 인증 정보 요청에 대해 403 Forbidden HTTP 상태 코드를 반환합니다.

제한사항

Lakehouse 런타임 카탈로그에서 관리하는 Apache Iceberg 테이블에 대한 세분화된 액세스 제어에는 표준 열 데이터 정책 제한사항 및 행 수준 보안 제한사항 외에도 다음 제한사항이 적용됩니다.

  • SQL DDL만 해당: BigQuery GoogleSQL DDL 문(CREATE TABLE, ALTER TABLE ... ADD COLUMN, ALTER TABLE ... ALTER COLUMN ... SET OPTIONS, CREATE ROW ACCESS POLICY, DROP ROW ACCESS POLICY)을 통해서만 열 데이터 정책을 연결, 업데이트, 분리하고 행 수준 액세스 정책을 만들거나 삭제할 수 있습니다. Google Cloud 콘솔, BigQuery API(tables.patch), bq 명령줄 도구 또는 Terraform을 사용하여 이러한 테이블 바인딩을 관리하는 것은 지원되지 않습니다.
  • 4부분으로 구성된 P.C.N.T 테이블 식별자 필요: DDL 문 또는 쿼리에서 Lakehouse 런타임 카탈로그에서 관리하는 Apache Iceberg 테이블을 참조할 때는 4부분으로 구성된 P.C.N.T(PROJECT_ID.CATALOG_ID.NAMESPACE.TABLE_NAME) 형식을 사용해야 합니다.
  • 정책 태그 및 데이터 거버넌스 태그는 지원되지 않음: Lakehouse 런타임 카탈로그의 Apache Iceberg 테이블에서는 Data Catalog 정책 태그(및 분류)와 Resource Manager 데이터 거버넌스 태그가 지원되지 않습니다. 열 수준 보안 및 데이터 마스킹을 시행하려면 열에 직접 데이터 정책을 적용해야 합니다.
  • 행 수준 액세스 정책의 서브 쿼리는 지원되지 않음: Lakehouse 런타임 카탈로그의 Apache Iceberg 테이블에 대한 행 수준 액세스 정책은 FILTER USING 필터 표현식의 서브 쿼리를 지원하지 않습니다.
  • 오픈소스 엔진의 사용자 인증 정보 판매 가드레일: 사용자 인증 정보 판매 모드로 구성된 카탈로그에서 오픈소스 엔진과 같은 클라이언트가 FGAC로 보호되는 테이블에 대한 임시 Cloud Storage 사용자 인증 정보를 요청하면 Apache Iceberg REST 카탈로그 엔드포인트가 403 Forbidden HTTP 상태 코드를 반환합니다. 판매된 사용자 인증 정보를 가져오려면 호출 주 구성원이 모든 보호된 열에 대해 마스킹되지 않은(RAW_DATA_ACCESS_POLICY) 액세스 권한을 가지고 있어야 하며, 테이블에 행 수준 액세스 정책이 있는 경우 필터링되지 않은 행 액세스(FILTER USING (TRUE)) 권한을 가지고 있어야 합니다. 구성 단계는 FGAC로 보호되는 테이블에 대한 오픈소스 엔진 사용자 인증 정보 구성을 참조하세요.
  • 최종 사용자 인증 정보 모드: 인증 정보 자동 판매 모드를 사용하지 않는 카탈로그에서 BigQuery는 주 구성원이 기본 Cloud Storage 파일을 직접 읽을 때가 아니라 BigQuery에서 실행되는 쿼리에만 행 수준 및 열 수준 액세스 정책을 적용합니다. 주 구성원이 스토리지 파일을 직접 읽어 세분화된 액세스 제어를 우회하지 못하도록 하려면 사용자 인증 정보 제공 모드를 사용하세요.
  • 페더레이션 카탈로그는 지원되지 않음: 세분화된 액세스 제어(행 수준 보안 및 열 데이터 정책)는 페더레이션 카탈로그 또는 크로스 클라우드 연결을 사용하여 액세스하는 외부 테이블에서 지원되지 않습니다.

시작하기 전에

  1. Google Cloud 프로젝트에 결제가 사용 설정되어 있는지 확인합니다.

  2. BigLake 및 BigQuery Data Policy API가 아직 사용 설정되지 않은 경우 사용 설정합니다.

    API 사용 설정에 필요한 역할

    API를 사용 설정하려면 serviceusage.services.enable 권한이 필요합니다. 프로젝트를 만든 경우 소유자 역할(roles/owner)을 통해 이 권한이 이미 있을 수 있습니다. 그렇지 않으면 서비스 사용량 관리자 역할(roles/serviceusage.serviceUsageAdmin)을 통해 이 권한을 얻을 수 있습니다. 역할 부여 방법 알아보기

    API 사용 설정

  3. 사용자 인증 정보 자동 판매 모드에서 Apache Iceberg REST 카탈로그 엔드포인트를 사용하여 Lakehouse 런타임 카탈로그를 설정합니다.
  4. Apache Iceberg 테이블을 만듭니다.

필요한 역할

Apache Iceberg 테이블에서 세분화된 액세스 제어 정책을 관리하고 쿼리하려면 Lakehouse 테이블(biglake.*)과 BigQuery 데이터 정책 또는 쿼리 작업(bigquery.*) 모두에 대한 Identity and Access Management(IAM) 권한이 필요합니다.

Apache Iceberg 테이블에서 행 수준 및 열 수준 보안을 구성하고 쿼리하는 데 필요한 권한을 얻으려면 관리자에게 다음 IAM 역할을 부여해 달라고 요청하세요.

  • 데이터 정책에 대한 액세스 권한을 만들거나 업데이트하거나 삭제하거나 부여합니다.
  • Apache Iceberg 테이블에서 열 데이터 정책을 연결하거나 분리합니다.
  • Apache Iceberg 테이블에서 행 수준 액세스 정책을 만들거나 업데이트, 나열, 삭제합니다.
  • FGAC로 보호되는 Apache Iceberg 테이블을 쿼리합니다.

역할 부여에 대한 자세한 내용은 프로젝트, 폴더, 조직에 대한 액세스 관리를 참조하세요.

이러한 사전 정의된 역할에는 Apache Iceberg 테이블에서 행 수준 및 열 수준 보안을 구성하고 쿼리하는 데 필요한 권한이 포함되어 있습니다. 필요한 정확한 권한을 보려면 필수 권한 섹션을 펼치세요.

필수 권한

Apache Iceberg 테이블에서 행 수준 및 열 수준 보안을 구성하고 쿼리하려면 다음 권한이 필요합니다.

  • 데이터 정책에 대한 액세스 권한을 만들거나 업데이트하거나 삭제하거나 부여합니다.
    • 프로젝트에 대한 bigquery.dataPolicies.create 권한
    • 데이터 정책에 대한 bigquery.dataPolicies.update 권한
    • 데이터 정책에 대한 bigquery.dataPolicies.delete 권한
    • 데이터 정책에 대한 bigquery.dataPolicies.get 권한
    • 데이터 정책에 대한 bigquery.dataPolicies.setIamPolicy 권한
    • 쿼리 프로젝트에 대한 bigquery.jobs.create 권한
  • Apache Iceberg 테이블 열에 데이터 정책을 연결합니다.
    • 테이블에 대한 biglake.tables.setColumnDataPolicy(또는 CREATE TABLE에 대한 네임스페이스)
    • 테이블에 대한 biglake.tables.update(또는 CREATE TABLE에 대한 biglake.tables.create)
    • 데이터 정책에 대한 bigquery.dataPolicies.get 권한
    • 데이터 정책에 대한 bigquery.dataPolicies.attach 권한
    • 쿼리 프로젝트에 대한 bigquery.jobs.create 권한
  • Apache Iceberg 테이블 열에서 데이터 정책을 분리합니다.
    • 테이블에 대한 biglake.tables.setColumnDataPolicy 권한
    • 테이블에 대한 biglake.tables.update 권한
    • 쿼리 프로젝트에 대한 bigquery.jobs.create 권한
  • 행 수준 액세스 정책 만들기 또는 업데이트:
    • 테이블에 대한 biglake.rowAccessPolicies.create 권한
    • 테이블에 대한 biglake.rowAccessPolicies.update 권한
    • 테이블에 대한 biglake.rowAccessPolicies.setIamPolicy 권한
    • 대상 테이블에 대한 biglake.tables.getData
    • 쿼리 프로젝트에 대한 bigquery.jobs.create 권한
  • 행 수준 액세스 정책 나열 또는 보기:
    • 테이블에 대한 biglake.rowAccessPolicies.list 권한
    • 테이블에 대한 biglake.rowAccessPolicies.get 권한
    • 테이블에 대한 biglake.rowAccessPolicies.getIamPolicy 권한
  • 하나 또는 모든 행 수준 액세스 정책을 삭제합니다.
    • 테이블에 대한 biglake.rowAccessPolicies.delete 권한
    • 테이블에 대한 biglake.rowAccessPolicies.setIamPolicy 권한
    • 테이블에 대한 biglake.rowAccessPolicies.list(모든 정책을 삭제하는 경우)
    • 쿼리 프로젝트에 대한 bigquery.jobs.create 권한
  • FGAC로 보호되는 Apache Iceberg 테이블을 쿼리합니다.
    • 테이블에 대한 biglake.tables.get 권한
    • 테이블에 대한 biglake.tables.getData 권한
    • 쿼리 프로젝트에 대한 bigquery.jobs.create 권한

커스텀 역할이나 다른 사전 정의된 역할을 사용하여 이 권한을 부여받을 수도 있습니다.

테이블 수준 IAM 권한 외에도 테이블의 세분화된 정책은 주 구성원 쿼리를 승인해야 합니다.

  • 열 수준 보안: 주 구성원은 쿼리된 열에 연결된 RAW_DATA_ACCESS_POLICY(마스킹되지 않은 값) 또는 DATA_MASKING_POLICY(마스킹된 값)의 grantees 목록에서 FINE_GRAINED_READ를 부여받아야 합니다.
  • 행 수준 보안: 주 구성원은 테이블의 행 수준 액세스 정책의 grantee_list에 포함되어야 하며, 이를 통해 주 구성원에게 시스템 관리형 roles/biglake.filteredDataViewer 역할이 자동으로 부여됩니다. 이 역할에는 biglake.rowAccessPolicies.getFilteredData 권한이 포함되어 있습니다.

테이블 수준 IAM 권한 외에도 테이블의 세분화된 정책은 주 구성원 쿼리에 대한 액세스 권한을 부여해야 합니다.

  • 열 수준 보안: 주 구성원은 쿼리된 열에 연결된 RAW_DATA_ACCESS_POLICY(마스킹되지 않은 값의 경우) 또는 DATA_MASKING_POLICY(마스킹된 값의 경우)의 grantees 목록에서 FINE_GRAINED_READ를 부여받아야 합니다.
  • 행 수준 보안: 주 구성원은 테이블의 행 수준 액세스 정책의 grantee_list에 포함되어야 하며, 이 경우 주 구성원에게 시스템 관리 roles/biglake.filteredDataViewer 역할이 자동으로 부여됩니다. 이 역할에는 biglake.rowAccessPolicies.getFilteredData 권한이 포함되어 있습니다.

열 수준 보안 및 데이터 마스킹 구성

BigQuery 데이터 정책을 만들고 GoogleSQL DDL을 사용하여 테이블 열에 직접 연결하여 Lakehouse 런타임 카탈로그의 Apache Iceberg 테이블에 열 수준 액세스 제어 및 동적 데이터 마스킹을 구성합니다. 일반적인 개념과 마스킹 규칙 정의에 대한 자세한 내용은 데이터 마스킹 소개 및 열에 데이터 정책을 적용하여 데이터 마스킹을 참조하세요.

데이터 정책 만들기

데이터 정책은 데이터 마스킹 규칙(DATA_MASKING_POLICY) 또는 마스킹되지 않은 원시 데이터 액세스(RAW_DATA_ACCESS_POLICY)를 정의합니다. GoogleSQL DDL 또는 BigQuery Data Policy API v2를 사용하여 데이터 정책을 만들 수 있습니다. 사용 사례에 따라 다음 문 중 하나를 실행합니다.

  • 사전 정의된 마스킹 표현식(예: SHA256 또는 ALWAYS_NULL)을 사용하여 데이터 정책을 만들려면 CREATE DATA_POLICY 문을 실행합니다.

    CREATE DATA_POLICY IF NOT EXISTS `PROJECT_ID.region-LOCATION.MASKING_POLICY_NAME`
    OPTIONS (
        data_policy_type = "DATA_MASKING_POLICY",
        masking_expression = "SHA256"
    );
    
  • 주 구성원이 마스킹되지 않은 열 값을 읽을 수 있도록 승인하는 원시 데이터 액세스 정책을 만들려면 data_policy_type를 RAW_DATA_ACCESS_POLICY로 설정합니다.

    CREATE DATA_POLICY IF NOT EXISTS `PROJECT_ID.region-LOCATION.RAW_POLICY_NAME`
    OPTIONS (
        data_policy_type = "RAW_DATA_ACCESS_POLICY"
    );
    

다음을 바꿉니다.

  • PROJECT_ID: Google Cloud프로젝트 ID입니다.
  • LOCATION: 데이터 정책의 리전 또는 멀티 리전 위치입니다(예: us 또는 us-central1).
  • MASKING_POLICY_NAME: 데이터 마스킹 정책의 고유 이름입니다.
  • RAW_POLICY_NAME: 원시 데이터 액세스 정책의 고유한 이름입니다.

세분화된 읽기 액세스 권한 부여 또는 취소

데이터 정책을 열에 직접 적용하면 데이터 정책의 grantees 목록이 쿼리 시간 읽기 액세스를 제어합니다. GoogleSQL에서는 데이터 정책에 대한 FINE_GRAINED_READ 권한을 부여하거나 취소합니다.

  • DATA_MASKING_POLICY에 FINE_GRAINED_READ을 부여하면 주 구성원에게 해당 정책으로 보호되는 열에 대한 마스크 처리된 읽기 액세스 권한이 부여됩니다.
  • RAW_DATA_ACCESS_POLICY에 FINE_GRAINED_READ을 부여하면 주 구성원에게 해당 정책으로 보호되는 열에 대한 마스킹되지 않은(원시) 읽기 액세스 권한이 부여됩니다.
  • 사용자: principal://goog/subject/USER_EMAIL
  • 서비스 계정: principal://iam.googleapis.com/projects/-/serviceAccounts/SA_EMAIL
  • Google 그룹: principalSet://goog/group/GROUP_EMAIL

데이터 정책에 대한 세분화된 읽기 액세스를 관리하려면 다음 문 중 하나를 실행합니다.

데이터 정책의 주 구성원에게 세분화된 읽기 액세스 권한을 부여하려면 GRANT FINE_GRAINED_READ 문을 실행합니다.

GRANT FINE_GRAINED_READ ON DATA_POLICY `PROJECT_ID.region-LOCATION.DATA_POLICY_NAME`
TO "principal://goog/subject/USER_EMAIL",
    "principalSet://goog/group/GROUP_EMAIL";

주 구성원의 세분화된 읽기 액세스 권한을 취소하려면 REVOKE FINE_GRAINED_READ 문을 실행합니다.

REVOKE FINE_GRAINED_READ ON DATA_POLICY `PROJECT_ID.region-LOCATION.DATA_POLICY_NAME`
FROM "principal://goog/subject/USER_EMAIL";

다음을 바꿉니다.

  • PROJECT_ID: Google Cloud 프로젝트 ID입니다.
  • LOCATION: 데이터 정책의 리전 또는 멀티 리전 위치입니다.
  • DATA_POLICY_NAME: 데이터 마스킹 또는 원시 데이터 액세스 정책의 이름입니다.
  • USER_EMAIL: 사용자 계정의 이메일 주소입니다.
  • GROUP_EMAIL: Google 그룹의 이메일 주소입니다.

P.C.N.T DDL을 사용하여 열에 데이터 정책 연결

4부분으로 구성된 P.C.N.T(PROJECT_ID.CATALOG_ID.NAMESPACE.TABLE_NAME)를 사용하여 Lakehouse 런타임 카탈로그의 Apache Iceberg 테이블 열에 데이터 정책을 연결합니다.

식별자가 포함됩니다. 사용 사례에 따라 다음 문 중 하나를 실행합니다.

  • 열의 data_policies 옵션에 (+=)를 추가하여 기존 열에 데이터 정책을 연결하려면 ALTER TABLE ... ALTER COLUMN SET OPTIONS 문을 실행합니다.

    ALTER TABLE `PROJECT_ID.CATALOG_ID.NAMESPACE.TABLE_NAME`
    ALTER COLUMN COLUMN_NAME SET OPTIONS (
      data_policies += ["{'name':'PROJECT_ID.region-LOCATION.MASKING_POLICY_NAME'}",
                        "{'name':'PROJECT_ID.region-LOCATION.RAW_POLICY_NAME'}"]
    );
    
  • 데이터 정책이 연결된 새 열을 추가하려면 ALTER TABLE ... ADD COLUMN 문을 실행합니다.

    ALTER TABLE `PROJECT_ID.CATALOG_ID.NAMESPACE.TABLE_NAME`
    ADD COLUMN COLUMN_NAME STRING OPTIONS (
      data_policies = ["{'name':'PROJECT_ID.region-LOCATION.MASKING_POLICY_NAME'}"]
    );
    
  • 열 데이터 정책이 연결된 새 Apache Iceberg 테이블을 만들려면 CREATE TABLE 문을 실행합니다.

    CREATE TABLE `PROJECT_ID.CATALOG_ID.NAMESPACE.TABLE_NAME` (
      id INT64,
      COLUMN_NAME STRING OPTIONS (
        data_policies = ["{'name':'PROJECT_ID.region-LOCATION.MASKING_POLICY_NAME'}",
                         "{'name':'PROJECT_ID.region-LOCATION.RAW_POLICY_NAME'}"]
      )
    );
    

다음을 바꿉니다.

  • PROJECT_ID.CATALOG_ID.NAMESPACE.TABLE_NAME: Apache Iceberg 테이블의 4부분으로 구성된 P.C.N.T 식별자입니다.
  • COLUMN_NAME: 보호할 열의 이름입니다.
  • LOCATION: 데이터 정책의 리전 또는 멀티 리전 위치입니다.
  • MASKING_POLICY_NAME 및 RAW_POLICY_NAME: 연결할 데이터 정책의 이름입니다.

열 데이터 정책 분리 또는 교체

Apache Iceberg 테이블의 열에서 데이터 정책을 삭제하거나 바꾸려면 4부분으로 구성된 P.C.N.T 테이블 식별자와 함께 다음 문 중 하나를 사용합니다.

  • 열에서 모든 데이터 정책을 삭제하려면 data_policies를 빈 배열([])로 설정합니다.

    ALTER TABLE `PROJECT_ID.CATALOG_ID.NAMESPACE.TABLE_NAME`
    ALTER COLUMN COLUMN_NAME SET OPTIONS (
      data_policies = []
    );
    
  • 열의 기존 데이터 정책을 새 목록으로 바꾸려면 += 연산자 대신 = 연산자를 사용합니다.

    ALTER TABLE `PROJECT_ID.CATALOG_ID.NAMESPACE.TABLE_NAME`
    ALTER COLUMN COLUMN_NAME SET OPTIONS (
      data_policies = ["{'name':'PROJECT_ID.region-LOCATION.NEW_POLICY_NAME'}"]
    );
    
  • 데이터 정책을 참조하는 모든 테이블 열에서 데이터 정책을 분리한 후 삭제하려면 DROP DATA_POLICY 문을 실행합니다.

    DROP DATA_POLICY IF EXISTS `PROJECT_ID.region-LOCATION.MASKING_POLICY_NAME`;
    

다음을 바꿉니다.

  • PROJECT_ID.CATALOG_ID.NAMESPACE.TABLE_NAME: Apache Iceberg 테이블의 4부분으로 구성된 P.C.N.T 식별자
  • COLUMN_NAME: 열 이름
  • LOCATION: 데이터 정책의 리전 또는 멀티 리전 위치
  • NEW_POLICY_NAME 및 MASKING_POLICY_NAME: 연결하거나 삭제할 데이터 정책의 이름입니다.

행 수준 보안 구성

4부분으로 구성된 P.C.N.T 테이블 식별자를 사용하는 GoogleSQL DDL 문으로 행 수준 액세스 정책을 만들어 Lakehouse 런타임 카탈로그에서 관리하는 Apache Iceberg 테이블의 특정 행에 대한 액세스를 제한할 수 있습니다. 일반적인 행 수준 보안 개념 및 필터 시맨틱스에 대한 자세한 내용은 행 수준 보안 사용을 참조하세요.

행 수준 액세스 정책 만들기 또는 업데이트

테이블에 행 수준 보안을 구성할 때 전체 행 액세스 권한이 필요한 관리자 및 작성자 서비스 계정에 대해 FILTER USING (TRUE) 절이 있는 정책을 만든 다음 특정 사용자 그룹에 대해 필터링된 정책을 만듭니다.

  1. 테이블 관리자 또는 작성자 서비스 계정에 전체 행 액세스 권한(FILTER USING (TRUE))을 부여합니다.

    CREATE OR REPLACE ROW ACCESS POLICY ADMIN_POLICY_NAME
    ON `PROJECT_ID.CATALOG_ID.NAMESPACE.TABLE_NAME`
    GRANT TO ("group:ADMIN_GROUP_EMAIL")
    FILTER USING (TRUE);
    
  2. 조건자 표현식을 기반으로 행을 필터링하는 행 수준 액세스 정책을 만듭니다.

    CREATE OR REPLACE ROW ACCESS POLICY FILTER_POLICY_NAME
    ON `PROJECT_ID.CATALOG_ID.NAMESPACE.TABLE_NAME`
    GRANT TO ("user:USER_EMAIL", "group:ANALYST_GROUP_EMAIL")
    FILTER USING (FILTER_EXPRESSION);
    

    다음을 바꿉니다.

    • ADMIN_POLICY_NAME 및 FILTER_POLICY_NAME: 테이블의 행 수준 액세스 정책에 대한 고유한 이름입니다.
    • PROJECT_ID.CATALOG_ID.NAMESPACE.TABLE_NAME: Apache Iceberg 테이블의 4부분으로 구성된 P.C.N.T 식별자입니다.
    • ADMIN_GROUP_EMAIL, USER_EMAIL, ANALYST_GROUP_EMAIL: 행 액세스 권한이 부여된 Google 그룹스 또는 사용자의 이메일 주소입니다.
    • FILTER_EXPRESSION: WHERE 절과 같이 평가되는 불리언 필터 표현식입니다(예: region = 'APAC').

행 수준 액세스 정책 삭제

Apache Iceberg 테이블에서 행 수준 액세스 정책을 삭제하려면 다음 문 중 하나를 실행합니다.

  • 다른 행 수준 액세스 정책이 테이블에 남아 있을 때 특정 행 수준 액세스 정책을 삭제하려면 DROP ROW ACCESS POLICY 문을 실행합니다.

    DROP ROW ACCESS POLICY IF EXISTS FILTER_POLICY_NAME
    ON `PROJECT_ID.CATALOG_ID.NAMESPACE.TABLE_NAME`;
    
  • 테이블에서 마지막으로 남은 행 수준 액세스 정책 또는 모든 행 수준 액세스 정책을 삭제하려면 DROP ALL ROW ACCESS POLICIES 문을 실행합니다.

    DROP ALL ROW ACCESS POLICIES
    ON `PROJECT_ID.CATALOG_ID.NAMESPACE.TABLE_NAME`;
    

다음을 바꿉니다.

  • FILTER_POLICY_NAME: 삭제할 행 수준 액세스 정책의 이름입니다.
  • PROJECT_ID.CATALOG_ID.NAMESPACE.TABLE_NAME: Apache Iceberg 테이블의 4부분으로 구성된 P.C.N.T 식별자

BigQuery에서 FGAC로 보호되는 테이블 쿼리

주 구성원이 4부분으로 구성된 P.C.N.T 식별자를 사용하여 BigQuery에서 FGAC로 보호되는 Apache Iceberg 테이블을 쿼리하면 BigQuery는 쿼리 시점에 행 수준 및 열 수준 정책을 모두 평가합니다.

  • 행 수준 평가: 하나 이상의 행 수준 액세스 정책의 grantee_list에 있는 주 구성원은 해당 정책의 filter_expression 조건자와 일치하는 행의 합집합을 확인합니다. 테이블의 행 수준 액세스 정책에 포함되지 않은 주 구성원은 행을 볼 수 없습니다.
  • 열 수준 평가:
    • 열에 연결된 RAW_DATA_ACCESS_POLICY에 대해 FINE_GRAINED_READ 권한이 부여된 주 구성원은 마스킹되지 않은(원시) 데이터를 볼 수 있습니다.
    • DATA_MASKING_POLICY에 대해 FINE_GRAINED_READ가 부여된 주 구성원(해당 열의 RAW_DATA_ACCESS_POLICY에 부여되지 않음)은 마스킹된 데이터를 볼 수 있습니다. 여러 마스킹 정책이 열의 동일한 주 구성원에 적용되는 경우 BigQuery는 데이터 마스킹 규칙 계층 구조에 따라 규칙을 선택합니다.
    • 보호된 열에 연결된 데이터 정책에 대해 FINE_GRAINED_READ이 부여되지 않은 주 구성원은 해당 열을 쿼리할 때 Access Denied 오류를 수신합니다. 이러한 주 구성원은 보호되지 않은 열을 명시적으로 쿼리하거나 SELECT * EXCEPT(PROTECTED_COLUMN)를 사용할 수 있습니다.

예를 들어 다음 쿼리는 호출자의 정책에 따라 행 및 열 값을 반환합니다.

SELECT id, COLUMN_NAME
FROM `PROJECT_ID.CATALOG_ID.NAMESPACE.TABLE_NAME`;

다음을 바꿉니다.

  • COLUMN_NAME: 쿼리할 열의 이름입니다.
  • PROJECT_ID.CATALOG_ID.NAMESPACE.TABLE_NAME: Apache Iceberg 테이블의 4부분으로 구성된 P.C.N.T 식별자입니다.

FGAC 보호 테이블에 대한 오픈소스 엔진 사용자 인증 정보 구성

오픈소스 쿼리 엔진(예: Apache Spark, Trino, Apache Flink)이 사용자 인증 정보 자동 판매 모드로 구성된 카탈로그의 Apache Iceberg 테이블에서 읽거나 쓰는 경우 엔진은 Apache Iceberg REST 카탈로그 엔드포인트를 호출하여 범위가 축소된 단기 Cloud Storage 사용자 인증 정보를 가져옵니다.

직접 Cloud Storage 파일 액세스는 BigQuery에서 쿼리 시간 정책 평가를 우회하므로 Apache Iceberg REST 카탈로그 엔드포인트는 사용자 인증 정보 벤더 제공 가드레일을 시행합니다. 주 구성원이 FGAC로 보호되는 테이블에 대한 스토리지 사용자 인증 정보를 요청하면 주 구성원에게 테이블에 대한 전체 액세스 권한이 없는 한 가드레일은 403 Forbidden HTTP 상태 코드를 반환합니다.

  • 모든 보호된 열에 대한 마스킹되지 않은(원시) 데이터 액세스: 테이블의 모든 보호된 열에도 RAW_DATA_ACCESS_POLICY가 연결되어 있어야 합니다. 호출 주 구성원에게 해당 RAW_DATA_ACCESS_POLICY에 대한 FINE_GRAINED_READ 권한을 부여합니다.
  • 필터링되지 않은 행 액세스(모든 행): 테이블에 행 수준 액세스 정책이 연결된 경우 호출 주 구성원에게 FILTER USING (TRUE) 절이 있는 행 수준 액세스 정책을 부여합니다.

오픈소스 엔진 작성자 서비스 계정에 전체 액세스 권한 부여

Managed Service for Apache Spark 또는 Dataflow의 작업과 같은 오픈소스 엔진 작업을 실행하는 서비스 계정에는 FGAC로 보호되는 Apache Iceberg 테이블의 판매된 사용자 인증 정보를 가져오기 위해 전체 테이블 액세스 권한이 필요합니다. 이 액세스 권한을 부여하려면 BigQuery에서 다음 단계를 완료합니다.

  1. 모든 보호된 열에 원시 데이터 액세스(RAW_DATA_ACCESS_POLICY) 부여: 테이블의 모든 보호된 열에 RAW_DATA_ACCESS_POLICY를 연결한 후 IAM v2 주 구성원 식별자 principal://IAM.googleapis.com/projects/-/serviceAccounts/SA_EMAIL를 사용하여 서비스 계정에 FINE_GRAINED_READ 권한을 부여합니다.

    -- 1. Create a raw data access policy (if not already created)
    CREATE DATA_POLICY IF NOT EXISTS `PROJECT_ID.region-LOCATION.RAW_POLICY_NAME`
    OPTIONS (
      data_policy_type = "RAW_DATA_ACCESS_POLICY"
    );
    
    -- 2. Grant FINE_GRAINED_READ on the raw data access policy to the writer service account
    GRANT FINE_GRAINED_READ ON DATA_POLICY `PROJECT_ID.region-LOCATION.RAW_POLICY_NAME`
    TO "principal://iam.googleapis.com/projects/-/serviceAccounts/WRITER_SA_EMAIL";
    
    -- 3. Attach the raw data access policy to each protected column on the table
    ALTER TABLE `PROJECT_ID.CATALOG_ID.NAMESPACE.TABLE_NAME`
    ALTER COLUMN COLUMN_NAME SET OPTIONS (
      data_policies += ["{'name':'PROJECT_ID.region-LOCATION.RAW_POLICY_NAME'}"]
    );
    
  2. 행 수준 보안이 사용 설정된 경우 모든 행 액세스 정책 부여: 테이블에 행 수준 액세스 정책이 있는 경우 서비스 계정에 FILTER USING (TRUE) 절이 있는 행 수준 액세스 정책을 부여합니다.

    CREATE OR REPLACE ROW ACCESS POLICY WRITER_ROW_POLICY_NAME
    ON `PROJECT_ID.CATALOG_ID.NAMESPACE.TABLE_NAME`
    GRANT TO ("serviceAccount:WRITER_SA_EMAIL")
    FILTER USING (TRUE);
    

다음을 바꿉니다.

  • PROJECT_ID.CATALOG_ID.NAMESPACE.TABLE_NAME: Apache Iceberg 테이블의 4부분으로 구성된 P.C.N.T 식별자
  • LOCATION: 데이터 정책의 리전 또는 멀티 리전 위치
  • RAW_POLICY_NAME: 원시 데이터 액세스 정책의 이름
  • COLUMN_NAME: 테이블의 각 보호된 열 이름
  • WRITER_ROW_POLICY_NAME: 작성자 행 수준 액세스 정책의 고유한 이름
  • WRITER_SA_EMAIL: Apache Iceberg REST 카탈로그 엔드포인트를 호출하는 서비스 계정의 이메일 주소입니다(예: spark-writer-sa@PROJECT_ID.).

다음 단계