Desidentificação

A Proteção de Dados Sensíveis usa tipos de informações, ou infoTypes, para definir o que será verificado. Os infoTypes são tipos de dados confidenciais, como nome, endereço de e-mail, número de telefone, número de identificação, número de cartão de crédito e assim por diante.

Observação: se você estiver procurando uma lista atualizada de todos os detectores de infoType integrados, consulte Referência do detector de InfoType.

Cada infoType definido na Proteção de Dados Sensíveis tem um detector correspondente. A Proteção de Dados Sensíveis usa detectores de infoType na configuração das verificações para determinar o que inspecionar e como transformar as descobertas. Os nomes de infoType também são usados ao exibir ou informar os resultados da verificação.

Neste tópico, descrevemos detalhadamente os infoTypes e os detectores de InfoType e fornecemos orientações sobre como usar detectores InfoType ao verificar conteúdo em busca de dados sensíveis usando a Proteção de Dados Sensíveis.

Quando usar a desidentificação

Veja alguns casos de uso comuns:

• Compartilhar dados pessoais compartilhados com parceiros de análise externos: tokenizar ou pseudonimizar identificadores diretos (como nomes, documentos de identificação nacionais e números da conta) para que parceiros terceirizados e pesquisadores possam analisar conjuntos de dados sem acessar a identidade pessoal em texto simples.
• Armazenar conjuntos de dados de produção em ambientes que não são de produção: mascare ou generalize atributos confidenciais de clientes antes de replicar bancos de dados de produção em ambientes de desenvolvimento, teste ou treinamento.
• Cumprir os mandatos regulatórios de privacidade: ofusque informações sensíveis de identificação pessoal (PII) e informações protegidas de saúde (PHI) em repositórios do BigQuery e do Cloud Storage para atender a padrões de compliance como GDPR e HIPAA.
• Limpar campos sensíveis em pipelines de eventos de streaming: transforme registros sensíveis em tempo real à medida que os eventos fluem pelo Pub/Sub antes de manter os dados em warehouses downstream ou bancos de dados de aplicativos.
• Manter a integridade referencial em conjuntos de dados relacionais: use transformações criptográficas determinísticas para permitir mesclagens seguras e análises entre tabelas em sistemas distintos sem expor os identificadores subjacentes.

Como especificar detectores de infoType

Ao configurar a Proteção de Dados Sensíveis para verificar seu conteúdo, inclua os detectores de infoType que serão usados na configuração da verificação.

Por exemplo, o JSON a seguir demonstra uma solicitação de verificação simples para a API DLP. Observe que o detector PHONE_NUMBER é especificado em inspectConfig, que instrui a Proteção de Dados Sensíveis a verificar a string fornecida em busca de um número de telefone.

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"
    }
  }
}

A solicitação anterior retorna o seguinte:

{
  "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"
      }
    ]
  }
}

Sempre especifique infoTypes na configuração da verificação. Se você não especificar nenhum infoType, a Proteção de Dados Sensíveis vai usar uma lista padrão de infoTypes. Dependendo da quantidade de conteúdo a ser verificada, a verificação de infoTypes padrão pode ser extremamente demorada ou dispendiosa.

Para mais informações sobre como usar os detectores de infoType para verificar conteúdo, consulte um dos tópicos de instruções sobre inspeção, edição ou desidentificação.

Tipos de detectores de infoType

Os detectores de tipo de informação (ou "infoType") são os mecanismos que a Proteção de Dados Sensíveis usa para encontrar dados sensíveis.

A Proteção de Dados Sensíveis inclui vários tipos de detectores de infoType, todos resumidos aqui:

• Os detectores de infoType integrados são incorporados à Proteção de Dados Sensíveis. Eles incluem detectores para tipos de dados sensíveis específicos de países ou regiões, bem como tipos de dados aplicáveis globalmente.
• Os detectores de infoType personalizados são aqueles que você mesmo cria. Há três tipos de detectores de infoType personalizados:
  • Os detectores de dicionário personalizados regulares são listas de palavras simples que a Proteção de Dados Sensíveis usa para correspondência. Use-os quando tiver uma lista de até dezenas de milhares de palavras ou frases. Dê preferência aos detectores de dicionários personalizados regulares se você não espera mudanças significativas na sua lista de palavras.
  • Os detectores de dicionário personalizado armazenado são gerados pela Proteção de Dados Sensíveis usando grandes listas de palavras ou frases armazenadas no Cloud Storage ou no BigQuery. Use-os quando tiver uma lista grande de até dezenas de milhões de palavras ou frases.
  • Os detectores de expressões regulares (regex) permitem que a Proteção de Dados Sensíveis detecte correspondências com base em um padrão de expressão regular.

Para refinar os resultados da verificação, crie regras de inspeção.

Detectores de infoType integrados

Os detectores de infoType integrados são incorporados à Proteção de Dados Sensíveis e incluem detectores para tipos de dados sensíveis específicos de países ou regiões, como o Numéro d'Inscription au Répertoire (NIR) (FRANCE_NIR) francês, o número da carteira de habilitação do Reino Unido (UK_DRIVERS_LICENSE_NUMBER) e o CPF ou CNPJ dos EUA (US_SOCIAL_SECURITY_NUMBER). Eles também incluem tipos de dados aplicáveis globalmente, como nome de pessoa (PERSON_NAME), números de telefone (PHONE_NUMBER), endereços de e-mail (EMAIL_ADDRESS) e números de cartão de crédito (CREDIT_CARD_NUMBER). Para detectar conteúdo que corresponde a infoTypes, a Proteção de Dados Sensíveis usa várias técnicas, incluindo correspondência de padrões, checksums, machine learning, análise de contexto e outras.

A lista de detectores de infoType integrados está sempre em atualização. Para uma lista completa daqueles que são compatíveis atualmente, consulte Referência dos detectores de infoType.

Também é possível ver uma lista completa de todos os detectores de infoType integrados chamando o método infoTypes.list da Proteção de Dados Sensíveis.

Importante : os detectores de infoType integrados não são um método de detecção perfeitamente preciso. Por exemplo, eles não podem garantir a conformidade com os requisitos regulatórios. Você precisa decidir quais dados são sensíveis e como protegê-los da melhor forma. O Google recomenda que você teste as configurações para garantir que elas atendam aos seus requisitos.

Detectores de infoType personalizados

Há três tipos de detectores de infoType personalizados:

• Detectores de dicionários personalizados regulares
• Detectores de dicionários personalizados armazenados
• Expressões regulares (regex)

Para refinar os resultados da verificação, crie regras de inspeção.

Detectores de dicionários personalizados regulares

Use os detectores de dicionários personalizados regulares para corresponder uma lista curta (até várias dezenas de milhares) de palavras ou frases. Um dicionário personalizado regular pode atuar como seu próprio detector exclusivo.

Os detectores de dicionários personalizados são úteis quando você quer verificar uma lista de palavras ou frases que não são facilmente correspondidas por uma expressão regular ou um detector incorporado. Por exemplo, se você quiser verificar salas de conferência que geralmente são identificadas não por números, mas por nomes, como nomes de estado ou região, pontos de referência, personagens fictícios, entre outros. É possível fazer um detector de dicionário personalizado regular que contenha a lista desses nomes de sala. A Proteção de Dados Sensíveis pode verificar seu conteúdo em busca de cada um dos nomes de salas e retornar uma correspondência quando encontrar um deles no contexto. Saiba mais sobre como a Proteção de Dados Sensíveis faz a correspondência de palavras e frases de dicionário na seção Especificações de correspondência de dicionário de Como criar um detector de dicionário personalizado regular.

Para mais informações sobre como os detectores de infoType personalizados do dicionário regular funcionam, bem como exemplos em ação, consulte Como criar um detector de dicionário personalizado regular.

Detectores de dicionários personalizados armazenados

Use detectores de dicionários personalizados armazenados quando tiver muitas palavras ou frases a verificar, ou se a lista de palavras ou frases for alterada com frequência. Os detectores de dicionários personalizados armazenados podem fazer correspondências em até dezenas de milhões de palavras ou frases.

Como os detectores de dicionários personalizados armazenados são muito grandes, eles são criados de maneira diferente dos detectores personalizados de expressão regular e dos detectores de dicionários personalizados regulares. Cada um deles tem dois componentes:

• Uma lista de frases que você cria e define. Essa lista é armazenada como um arquivo de texto no Cloud Storage ou como uma coluna em uma tabela do BigQuery.
• Os arquivos de dicionário gerados, que são criados pela Proteção de Dados Sensíveis com base na sua lista de frases. Os arquivos de dicionário são armazenados no Cloud Storage e compostos por uma cópia dos dados da frase de origem e dos filtros de Bloom, que ajudam na pesquisa e na correspondência. Não é possível editar esses arquivos diretamente.

Depois de criar uma lista de palavras e usar a Proteção de Dados Sensíveis para gerar um dicionário personalizado, inicie ou programe uma verificação usando um detector de dicionário personalizado armazenado de maneira semelhante a outros detectores de infoType.

Para mais informações sobre como os detectores de dicionários personalizados armazenados funcionam e ver exemplos em ação, consulte Como criar um detector de dicionário personalizado armazenado.

Expressões regulares

Um detector de infoType personalizado de expressão regular (regex) permite criar seus próprios detectores de infoType que permitem que a Proteção de Dados Sensíveis detecte correspondências com base em um padrão regex. Por exemplo, suponha que você tivesse números de registros médicos no formato ###-#-#####. Seria possível definir um padrão de regex como o seguinte:

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

A Proteção de Dados Sensíveis corresponderia a itens como este:

123-4-56789

Também é possível especificar uma probabilidade a ser atribuída a cada correspondência de infoType personalizada. Ou seja, quando a Proteção de Dados Sensíveis corresponder à sequência especificada, ela vai atribuir a probabilidade indicada. Isso é útil porque, se o regex personalizado definir uma sequência comum o suficiente para corresponder facilmente a outra sequência aleatória, você não vai querer que a Proteção de Dados Sensíveis rotule cada correspondência como VERY_LIKELY. Fazer isso diminuiria a confiança nos resultados da verificação e possivelmente desidentificaria as informações incorretas.

Para saber mais sobre detectores de infoType personalizados de expressões regulares e vê-los em ação, consulte Como criar um detector de regex personalizado.