De-identifikasi

Sensitive Data Protection menggunakan jenis informasi—atau infoType—untuk menentukan apa yang dipindai. InfoType adalah jenis data sensitif, seperti nama, alamat email, nomor telepon, nomor identifikasi, nomor kartu kredit, dan sebagainya.

Catatan: Jika Anda mencari daftar terbaru semua pendeteksi infoType bawaan, lihat Referensi pendeteksi infoType.

Setiap infoType yang ditentukan dalam Sensitive Data Protection memiliki detektor yang sesuai. Sensitive Data Protection menggunakan pendeteksi infoType dalam konfigurasi untuk pemindaiannya guna menentukan apa yang harus diperiksa dan cara mengubah temuan. Nama InfoType juga digunakan saat menampilkan atau melaporkan hasil pemindaian.

Topik ini menjelaskan infoType dan detektor infoType secara mendetail, serta memberikan panduan tentang cara menggunakan detektor infoType saat memindai konten untuk mencari data sensitif menggunakan Sensitive Data Protection.

Kapan harus menggunakan de-identifikasi

Berikut adalah beberapa kasus penggunaan umum:

• Membagikan data kepada partner analisis eksternal: Buat token atau pseudonimkan ID langsung (seperti nama, ID nasional, dan nomor rekening) sehingga partner dan peneliti pihak ketiga dapat menganalisis set data tanpa mengakses identitas pribadi teks biasa.
• Menyiapkan set data produksi ke lingkungan non-produksi: Masker atau generalisasikan atribut pelanggan yang sensitif sebelum mereplikasi database produksi ke lingkungan pengembangan, pengujian, atau pelatihan.
• Mematuhi mandat privasi peraturan: Mengaburkan informasi identitas pribadi (PII) yang bersifat sensitif dan informasi kesehatan terlindungi (PHI) di seluruh repositori BigQuery dan Cloud Storage untuk memenuhi standar kepatuhan seperti GDPR dan HIPAA.
• Membersihkan kolom sensitif dalam pipeline peristiwa streaming: Transformasikan data sensitif secara real time saat peristiwa mengalir melalui Pub/Sub sebelum mempertahankan data ke warehouse downstream atau database aplikasi.
• Mempertahankan integritas referensial di seluruh set data relasional: Gunakan transformasi kriptografis deterministik untuk memungkinkan penggabungan yang aman dan analisis lintas tabel di berbagai sistem tanpa mengekspos ID yang mendasarinya.

Menentukan pendeteksi infoType

Saat menyiapkan Sensitive Data Protection untuk memindai konten, Anda menyertakan pendeteksi infoType yang akan digunakan dalam konfigurasi pemindaian.

Misalnya, JSON berikut menunjukkan permintaan pemindaian sederhana ke DLP API. Perhatikan bahwa detektor PHONE_NUMBER ditentukan dalam inspectConfig, yang menginstruksikan Sensitive Data Protection untuk memindai string yang diberikan untuk mencari nomor telepon.

POST https://dlp.googleapis.com/v2/projects/[PROJECT_ID]/content:inspect?key={YOUR_API_KEY}

{
  "item":{
    "value":"My phone number is [phone]"
  },
  "inspectConfig":{
    "includeQuote":true,
    "minLikelihood":"POSSIBLE",
    "infoTypes":{
      "name":"PHONE_NUMBER"
    }
  }
}

Permintaan sebelumnya menampilkan hal berikut:

{
  "result":{
    "findings":[
      {
        "quote":"[phone]",
        "infoType":{
          "name":"PHONE_NUMBER"
        },
        "likelihood":"VERY_LIKELY",
        "location":{
          "byteRange":{
            "start":"19",
            "end":"33"
          },
          "codepointRange":{
            "start":"19",
            "end":"33"
          }
        },
        "createTime":"2018-10-29T23:46:34.535Z"
      }
    ]
  }
}

Selalu tentukan infoTypes dalam konfigurasi pemindaian Anda. Jika Anda tidak menentukan infoType apa pun, Sensitive Data Protection akan menggunakan daftar infoType default. Bergantung pada jumlah konten yang akan dipindai, pemindaian untuk infoType default dapat memakan waktu atau biaya yang sangat besar.

Untuk mengetahui informasi selengkapnya tentang cara menggunakan pendeteksi infoType untuk memindai konten Anda, lihat salah satu topik petunjuk tentang memeriksa, menyamarkan, atau melakukan de-identifikasi.

Jenis pendeteksi infoType

Detektor jenis informasi (atau "infoType") adalah mekanisme yang digunakan Sensitive Data Protection untuk menemukan data sensitif.

Sensitive Data Protection mencakup beberapa jenis pendeteksi infoType, yang semuanya diringkas di sini:

• Detektor infoType bawaan disertakan dalam Sensitive Data Protection. Pendeteksi ini mencakup pendeteksi untuk jenis data sensitif khusus negara atau wilayah serta jenis data yang berlaku secara global.
• Detektor infoType kustom adalah detektor yang Anda buat sendiri. Ada tiga jenis detektor infoType kustom:
  • Pendeteksi kamus kustom reguler adalah daftar kata sederhana yang dicocokkan oleh Sensitive Data Protection. Gunakan pendeteksi kamus kustom reguler jika Anda memiliki daftar hingga beberapa puluh ribu kata atau frasa. Pendeteksi kamus kustom reguler lebih disukai jika Anda tidak mengantisipasi perubahan daftar kata secara signifikan.
  • Detektor kamus kustom tersimpan dibuat oleh Sensitive Data Protection menggunakan daftar kata atau frasa yang panjang yang disimpan di Cloud Storage atau BigQuery. Gunakan pendeteksi kamus kustom tersimpan jika Anda memiliki daftar kata atau frasa yang besar—hingga puluhan juta.
  • Detektor ekspresi reguler (regex) memungkinkan Sensitive Data Protection mendeteksi kecocokan berdasarkan pola ekspresi reguler.

Untuk menyaring hasil pemindaian, Anda dapat membuat aturan pemeriksaan.

Pendeteksi infoType bawaan

Detektor infoType bawaan disertakan dalam Sensitive Data Protection, dan mencakup detektor untuk jenis data sensitif khusus negara atau wilayah seperti Numéro d'Inscription au Répertoire (NIR) (FRANCE_NIR) Prancis, nomor surat izin mengemudi (UK_DRIVERS_LICENSE_NUMBER) Inggris Raya, dan nomor Jaminan Sosial (US_SOCIAL_SECURITY_NUMBER) AS. Detektor ini juga mencakup jenis data yang berlaku secara global seperti nama orang (PERSON_NAME), nomor telepon (PHONE_NUMBER), alamat email (EMAIL_ADDRESS), dan nomor kartu kredit (CREDIT_CARD_NUMBER). Untuk mendeteksi konten yang sesuai dengan infoType, Sensitive Data Protection memanfaatkan berbagai teknik termasuk pencocokan pola, checksum, machine learning, analisis konteks, dan lainnya.

Daftar pendeteksi infoType bawaan selalu diperbarui. Untuk mengetahui daftar lengkap pendeteksi infoType bawaan yang saat ini didukung, lihat Referensi pendeteksi infoType.

Anda juga dapat melihat daftar lengkap semua pendeteksi infoType bawaan dengan memanggil metode infoTypes.list Sensitive Data Protection.

Penting: Detektor infoType bawaan bukanlah metode deteksi yang sepenuhnya akurat. Misalnya, mereka tidak dapat menjamin kepatuhan terhadap persyaratan peraturan. Anda harus memutuskan data mana yang sensitif dan cara terbaik untuk melindunginya. Google merekomendasikan agar Anda menguji setelan untuk memastikan konfigurasi memenuhi persyaratan Anda.

Detektor infoType kustom

Ada tiga jenis detektor infoType kustom:

• Pendeteksi kamus kustom reguler
• Pendeteksi kamus kustom tersimpan
• Ekspresi reguler (regex)

Untuk menyaring hasil pemindaian, Anda dapat membuat aturan pemeriksaan.

Pendeteksi kamus kustom reguler

Gunakan pendeteksi kamus kustom reguler untuk mencocokkan daftar kata atau frasa yang pendek (hingga beberapa puluh ribu). Kamus kustom reguler dapat bertindak sebagai pendeteksi uniknya sendiri.

Pendeteksi kamus kustom berguna saat Anda ingin memindai daftar kata atau frasa yang tidak mudah dicocokkan dengan ekspresi reguler atau pendeteksi bawaan. Misalnya, Anda ingin memindai ruang konferensi yang biasanya disebut dengan nama ruang yang ditetapkan, bukan nomor ruang, seperti nama negara bagian atau wilayah, tempat terkenal, karakter fiksi, dan sebagainya. Anda dapat membuat pendeteksi kamus kustom reguler yang berisi daftar nama ruang ini. Sensitive Data Protection dapat memindai konten Anda untuk setiap nama ruangan dan menampilkan kecocokan saat menemukan salah satunya dalam konteks. Pelajari lebih lanjut cara Sensitive Data Protection mencocokkan kata dan frasa kamus di bagian "Spesifikasi pencocokan kamus" dalam Membuat Detektor Kamus Kustom Reguler.

Untuk mengetahui detail selengkapnya tentang cara kerja detektor infoType kustom kamus reguler, serta contoh penerapannya, lihat Membuat Detektor Kamus Kustom Reguler.

Pendeteksi kamus kustom tersimpan

Gunakan pendeteksi kamus kustom tersimpan jika Anda memiliki lebih dari beberapa kata atau frasa yang akan dipindai, atau jika daftar kata atau frasa Anda sering berubah. Pendeteksi kamus kustom yang disimpan dapat mencocokkan hingga puluhan juta kata atau frasa.

Pendeteksi kamus kustom tersimpan, karena sifatnya sebagai pendeteksi kustom yang sangat besar, dibuat secara berbeda dari pendeteksi kustom ekspresi reguler dan pendeteksi kamus kustom reguler. Setiap kamus kustom yang disimpan memiliki dua komponen:

• Daftar frasa yang Anda buat dan tentukan. Daftar ini disimpan sebagai file teks dalam Cloud Storage atau kolom dalam tabel BigQuery.
• File kamus yang dihasilkan, yang dibuat oleh Sensitive Data Protection berdasarkan daftar frasa Anda. File kamus disimpan di Cloud Storage, dan terdiri dari salinan data frasa sumber serta filter bloom, yang membantu dalam penelusuran dan pencocokan. Anda tidak dapat mengedit file ini secara langsung.

Setelah membuat daftar kata, lalu menggunakan Sensitive Data Protection untuk membuat kamus kustom, Anda memulai atau menjadwalkan pemindaian menggunakan detektor kamus kustom yang disimpan dengan cara yang mirip seperti detektor infoType lainnya.

Untuk mengetahui detail selengkapnya tentang cara kerja pendeteksi kamus kustom tersimpan, serta contoh penerapannya, lihat Membuat Pendeteksi Kamus Kustom Tersimpan.

Ekspresi reguler

Detektor infoType kustom ekspresi reguler (regex) memungkinkan Anda membuat detektor infoType sendiri yang memungkinkan Sensitive Data Protection mendeteksi kecocokan berdasarkan pola ekspresi reguler. Misalnya, Anda memiliki nomor rekam medis dalam bentuk ###-#-#####. Anda dapat menentukan pola ekspresi reguler seperti berikut:

[1-9]{3}-[1-9]{1}-[1-9]{5}

Sensitive Data Protection kemudian akan mencocokkan item seperti ini:

123-4-56789

Anda juga dapat menentukan kemungkinan untuk ditetapkan ke setiap kecocokan infoType kustom. Artinya, saat Sensitive Data Protection cocok dengan urutan yang Anda tentukan, layanan ini akan menetapkan kemungkinan yang telah Anda tunjukkan. Hal ini berguna karena jika ekspresi reguler kustom Anda menentukan urutan yang cukup umum, ekspresi reguler tersebut dapat dengan mudah cocok dengan urutan acak lainnya. Anda tidak ingin Sensitive Data Protection memberi label setiap kecocokan sebagai VERY_LIKELY. Hal ini akan mengurangi keyakinan pada hasil pemindaian dan berpotensi menyebabkan informasi yang salah dide-identifikasi.

Untuk mengetahui informasi selengkapnya tentang detektor infoType kustom ekspresi reguler, dan untuk melihat cara kerjanya, lihat Membuat Detektor Regex Kustom.