Anonymisation des données Cloud Storage sensibles

Cette page explique comment Sensitive Data Protection peut créer des copies anonymisées de données stockées dans Cloud Storage. Il liste également les limites de cette opération et les points à prendre en compte avant de commencer.

Pour savoir comment utiliser Sensitive Data Protection pour créer des copies anonymisées de vos données Cloud Storage, consultez les pages suivantes :

À propos de l'anonymisation

L'anonymisation est le processus qui consiste à éliminer les informations permettant d'identifier l'utilisateur contenues dans les données. Son objectif est de permettre l'utilisation et le partage d'informations personnelles (telles que des informations médicales, financières ou démographiques) tout en respectant les exigences de confidentialité. Pour en savoir plus sur l'anonymisation, consultez Anonymiser des données sensibles.

Pour en savoir plus sur les transformations d'anonymisation dans Sensitive Data Protection, consultez la documentation de référence sur les transformations. Pour en savoir plus sur la façon dont Sensitive Data Protection masque les données sensibles des images, consultez Inspection et masquage des images.

Quand utiliser l'anonymisation du stockage

Voici quelques cas d'utilisation courants :

  • Générer des ensembles de données anonymisés pour les environnements hors production : créez des copies anonymisées des fichiers de production stockés dans Cloud Storage avant de transférer les données dans des environnements de développement, de test ou d'entraînement.
  • Partager des dépôts de fichiers nettoyés avec des tiers : masquez les champs sensibles dans les documents volumineux et les fichiers non structurés tout en préservant la hiérarchie des dossiers d'origine pour les partenaires commerciaux ou les auditeurs externes.
  • Automatiser les pipelines de confidentialité pour les documents ingérés : transformez les données sensibles des fichiers récemment importés dans un bucket de sortie désigné sans modifier les fichiers sources ni perturber les pipelines en amont.
  • Appliquer la résidence et la compartimentation des données : stockez des copies miroir anonymisées des éléments sensibles dans des buckets Cloud Storage distincts avec des contrôles d'accès Identity and Access Management distincts.

Processus d'anonymisation

Cette section décrit le processus d'anonymisation dans Sensitive Data Protection pour le contenu dans Cloud Storage.

Pour utiliser cette fonctionnalité, vous devez créer un job d'inspection (DlpJob) configuré pour créer des copies anonymisées des fichiers Cloud Storage. Sensitive Data Protection analyse les fichiers de l'emplacement spécifié, en les inspectant conformément à votre configuration. Lorsqu'il inspecte chaque fichier, Sensitive Data Protection anonymise toutes les données qui correspondent à vos critères de données sensibles, puis écrit le contenu dans un nouveau fichier. Le nouveau fichier porte toujours le même nom que le fichier d'origine. Il stocke ce nouveau fichier dans un répertoire de sortie que vous spécifiez. Si un fichier est inclus dans votre analyse, mais qu'aucune donnée ne correspond à vos critères d'anonymisation et qu'aucune erreur ne se produit lors de son traitement, le fichier est copié sans modification dans le répertoire de sortie.

Le répertoire de sortie que vous définissez doit se trouver dans un bucket Cloud Storage différent de celui contenant vos fichiers d'entrée. Dans votre répertoire de sortie, Sensitive Data Protection crée une structure de fichiers qui reflète celle du répertoire d'entrée.

Par exemple, supposons que vous définissiez les répertoires d'entrée et de sortie suivants :

  • Répertoire d'entrée : gs://input-bucket/folder1/folder1a
  • Répertoire de sortie : gs://output-bucket/output-directory

Lors de l'anonymisation, Sensitive Data Protection stocke les fichiers anonymisés dans gs://output-bucket/output-directory/folder1/folder1a.

Si un fichier existe dans le répertoire de sortie avec le même nom de fichier qu'un fichier anonymisé, ce fichier est écrasé. Si vous ne souhaitez pas que les fichiers existants soient écrasés, modifiez le répertoire de sortie avant d'exécuter cette opération. Vous pouvez également activer la gestion des versions d'objets sur le bucket de sortie.

Les listes de contrôle des accès (LCA) au niveau des fichiers d'origine sont copiées dans les nouveaux fichiers, que des données sensibles aient été trouvées et anonymisées ou non. Toutefois, si le bucket de sortie n'est configuré que pour des autorisations uniformes au niveau du bucket, et non pour des autorisations précises (au niveau de l'objet), les LCA ne sont pas copiées dans les fichiers anonymisés.

Le schéma suivant illustre le processus d'anonymisation de quatre fichiers stockés dans un bucket Cloud Storage. Chaque fichier est copié, que Sensitive Data Protection détecte ou non des données sensibles. Chaque fichier copié porte le même nom que l'original.

Anonymisation des fichiers stockés dans Cloud Storage.
Anonymisation des fichiers stockés dans Cloud Storage (cliquez pour agrandir).

Tarifs

Pour en savoir plus sur la tarification, consultez Inspection et transformation des données stockées.

Types de fichiers compatibles

Sensitive Data Protection peut anonymiser les groupes de types de fichiers suivants :

Comportement d'anonymisation par défaut

Si vous souhaitez définir la manière dont Sensitive Data Protection transforme les résultats, vous pouvez fournir des modèles d'anonymisation pour les types de fichiers suivants :

  • Fichiers non structurés, comme des fichiers texte avec du texte libre
  • Fichiers structurés, comme les fichiers CSV
  • Images

Si vous ne fournissez pas de modèle d'anonymisation, Sensitive Data Protection transforme les résultats comme suit :

  • Dans les fichiers non structurés et structurés, Sensitive Data Protection remplace tous les résultats par leur infoType correspondant, comme décrit dans Remplacement d'infoType.
  • Dans les images, Sensitive Data Protection couvre tous les résultats par une boîte noire.

Limites et points à noter

Tenez compte des points suivants avant de créer des copies anonymisées de données Cloud Storage.

Espace disque

Cette opération n'est compatible qu'avec le contenu stocké dans Cloud Storage.

Cette opération crée une copie de chaque fichier lorsque Sensitive Data Protection l'inspecte. Il ne modifie ni ne supprime le contenu d'origine. Les données copiées occuperont à peu près la même quantité d'espace disque supplémentaire que les données d'origine.

Accès en écriture à l'espace de stockage

Étant donné que Sensitive Data Protection crée une copie des fichiers d'origine, l'agent de service de votre projet doit disposer d'un accès en écriture au bucket de sortie Cloud Storage.

Échantillonnage et définition des limites de résultats

Cette opération n'est pas compatible avec l'échantillonnage. Plus précisément, vous ne pouvez pas limiter la quantité de données que Sensitive Data Protection analyse et anonymise dans chaque fichier. En d'autres termes, si vous utilisez l'API Cloud Data Loss Prevention, vous ne pouvez pas utiliser bytesLimitPerFile et bytesLimitPerFilePercent dans l'objet CloudStorageOptions de votre DlpJob.

De plus, vous ne pouvez pas contrôler le nombre maximal de résultats à renvoyer. Si vous utilisez l'API DLP, vous ne pouvez pas définir d'objet FindingLimits dans votre DlpJob.

Exigence d'inspection des données

Lors de l'exécution de votre job d'inspection, Sensitive Data Protection inspecte d'abord les données, conformément à votre configuration d'inspection, avant d'effectuer l'anonymisation. Il ne peut pas ignorer le processus d'inspection.

Exigence d'utilisation des extensions de fichier

Sensitive Data Protection s'appuie sur les extensions de fichier pour identifier les types de fichiers de votre répertoire d'entrée. Il est possible qu'il n'anonymise pas les fichiers qui n'ont pas d'extension de fichier, même si ces fichiers sont de types compatibles.

Fichiers ignorés

Lors de l'anonymisation des fichiers stockés, Sensitive Data Protection ignore les fichiers suivants :

  • Fichiers dont la taille dépasse 60 000 Ko. Si vous avez des fichiers volumineux qui dépassent cette limite, envisagez de les diviser en plus petits morceaux.
  • Types de fichiers non listés dans la section Types de fichiers compatibles de cette page.
  • Types de fichiers que vous avez volontairement exclus de la configuration d'anonymisation. Si vous utilisez l'API DLP, les types de fichiers que vous avez exclus du champ file_types_to_transform de l'action Deidentify de votre DlpJob sont ignorés.
  • Fichiers ayant rencontré des erreurs de transformation.

Ordre des lignes de sortie dans les tables anonymisées

Rien ne garantit que l'ordre des lignes d'une table anonymisée correspond à l'ordre des lignes de la table d'origine. Si vous souhaitez comparer la table d'origine à la table anonymisée, vous ne pouvez pas vous fier au numéro de ligne pour identifier les lignes correspondantes. Si vous souhaitez comparer les lignes des tables, vous devez utiliser un identifiant unique pour identifier chaque enregistrement.

Clés temporaires

Si vous choisissez une méthode cryptographique comme méthode de transformation, vous devez d'abord créer une clé encapsulée à l'aide de Cloud Key Management Service. Ensuite, fournissez cette clé dans votre modèle d'anonymisation. Les clés temporaires (brutes) ne sont pas acceptées.

Étapes suivantes