L'analisi del rischio di reidentificazione, o semplicemente analisi del rischio, è il processo di analisi dei dati sensibili per individuare le proprietà che potrebbero aumentare il rischio di identificazione dei soggetti. Puoi utilizzare i metodi di analisi dei rischi prima dell'anonimizzazione per determinare una strategia di anonimizzazione efficace o dopo l'anonimizzazione per monitorare eventuali modifiche o outlier.
Sensitive Data Protection può calcolare quattro metriche del rischio di reidentificazione: k-anonymity, l-diversity, k-map e δ-presence. Se non hai familiarità con l'analisi dei rischi o con queste metriche, consulta l'argomento relativo ai concetti dell'analisi dei rischi prima di continuare.
Questa sezione fornisce panoramiche su come utilizzare Sensitive Data Protection per l'analisi dei rischi dei dati strutturati utilizzando una di queste metriche, oltre ad altri argomenti correlati.
Calcola il rischio di reidentificazione
Sensitive Data Protection può analizzare i dati strutturati archiviati nelle tabelle BigQuery e calcolare le seguenti metriche del rischio di reidentificazione. Per saperne di più, fai clic sul link relativo alla metrica che vuoi calcolare.
| Metrica | Descrizione |
|---|---|
| k-anonymity | Una proprietà di un set di dati che indica la reidentificabilità dei suoi record. Un set di dati è caratterizzato da k-anonymity se i quasi-identificatori per ogni persona nel set di dati sono identici ad almeno k - 1 altre persone nel set di dati. |
| l-diversity | Un'estensione di k-anonymity che misura anche la diversità dei valori sensibili per ogni colonna in cui si presentano. Un set di dati ha l-diversity se, per ogni insieme di righe con quasi-identificatori identici, esistono almeno l valori distinti per ciascun attributo sensibile. |
| k-map | Calcola il rischio di reidentificazione confrontando un determinato set di dati anonimizzato di soggetti con un set di dati di reidentificazione o "attacco" più grande. |
| δ-presence | Stima la probabilità che un determinato utente di una popolazione più ampia sia presente nel set di dati. Questo viene utilizzato quando l'appartenenza al set di dati è di per sé un'informazioni sensibili. |
Calcola altre statistiche
Sensitive Data Protection può anche calcolare statistiche numeriche e categoriche per i dati archiviati nelle tabelle BigQuery utilizzando la stessa risorsa DlpJob delle API di analisi dei rischi.
| Metrica | Descrizione |
|---|---|
| Statistiche numeriche | Determina i valori minimo, massimo e quantile per una singola colonna BigQuery. |
| Statistiche numeriche categoriche | Calcola le statistiche numeriche categoriche per i singoli bucket dell'istogramma all'interno di una colonna BigQuery. |
Per saperne di più, consulta Calcolo delle statistiche numeriche e categoriche.
Visualizza il rischio di reidentificazione
Puoi visualizzare le metriche di rischio calcolate da Sensitive Data Protection direttamente nella console Google Cloud utilizzando Sensitive Data Protection (k-anonimato o l-diversità) o utilizzando altri prodottiGoogle Cloud .
| Prodotto | Descrizione |
|---|---|
| Data Studio | Dopo aver calcolato i valori di k-anonymity per un set di dati utilizzando Sensitive Data Protection, puoi visualizzare i risultati in Data Studio. In questo modo, potrai anche comprendere meglio il rischio di reidentificazione e valutare i compromessi in termini di utilità che potresti dover fare se oscuri o anonimizzi i dati. |