במאמר הזה מוסבר בפירוט איך ליצור משימת בדיקה של Sensitive Data Protection, ואיך לתזמן משימות בדיקה חוזרות באמצעות יצירת טריגר למשימה. במאמר התחלה מהירה: יצירת טריגר למשימה של Sensitive Data Protection מוסבר בקצרה איך יוצרים טריגר חדש למשימה באמצעות ממשק המשתמש של Sensitive Data Protection.
מידע על משימות בדיקה וטריגרים של משימות
כש-Sensitive Data Protection מבצע סריקת בדיקה כדי לזהות מידע אישי רגיש, כל סריקה פועלת כמשימה. בכל פעם שאתם מבקשים מ-Sensitive Data Protection לבדוק את מאגרי האחסון שלכם ב- Google Cloud , כולל קטגוריות של Cloud Storage, טבלאות ב-BigQuery, סוגים של Datastore ונתונים חיצוניים, המערכת יוצרת ומפעילה משאב של משימה.
כדי לתזמן משימות סריקה של Sensitive Data Protection, צריך ליצור טריגרים של משימות. טריגר של משימה מאפשר ליצור באופן אוטומטי משימות של Sensitive Data Protection על בסיס תקופתי, ואפשר גם להריץ אותו לפי דרישה.
למידע נוסף על משימות וטריגרים של משימות ב-Sensitive Data Protection, קראו את המאמר משימות וטריגרים של משימות.
יצירת משימת בדיקה חדשה
כדי ליצור משימת בדיקה חדשה ב-Sensitive Data Protection:
המסוף
בקטע Sensitive Data Protection במסוף Google Cloud , נכנסים לדף Create job or job trigger.
כניסה לדף Create job or job trigger
הדף Create job or job trigger כולל את הקטעים הבאים:
בחירת נתוני קלט
שם
נותנים שם למשימה. אפשר להשתמש באותיות, במספרים ובמקפים. לא חובה לתת שם למשימה. אם לא תזינו שם, המערכת של Sensitive Data Protection תקצה למשימה מספר מזהה ייחודי.
מיקום
בתפריט Storage type, בוחרים את סוג המאגר שבו מאוחסנים הנתונים שרוצים לסרוק:
- Cloud Storage: מזינים את כתובת ה-URL של הקטגוריה שרוצים לסרוק, או בוחרים באפשרות Include/exclude בתפריט Location type ולוחצים על Browse כדי לעבור לקטגוריה או לתיקיית המשנה שרוצים לסרוק. מסמנים את התיבה Scan folder recursively כדי לסרוק את הספרייה שצוינה ואת כל הספריות שהיא מכילה. אם לא מסמנים את התיבה, המערכת סורקת רק את הספרייה שצוינה ולא ספריות משנה.
- BigQuery: מזינים את המזהים של הפרויקט, מערך הנתונים והטבלה שרוצים לסרוק.
- Datastore: מזינים את המזהים של הפרויקט, מרחב השמות (אופציונלי) והסוג שרוצים לסרוק.
- היברידי: אפשר להוסיף תוויות חובה, תוויות אופציונליות ואפשרויות לטיפול בנתונים בטבלה. מידע נוסף זמין במאמר סוגי המטא-נתונים שאפשר לספק.
דגימות
דגימה היא דרך אופציונלית לחסוך במשאבים אם יש לכם כמות גדולה מאוד של נתונים.
בקטע Sampling, אתם יכולים לבחור אם לסרוק את כל הנתונים שנבחרו או לדגום את הנתונים על ידי סריקה של אחוז מסוים. הדגימה פועלת באופן שונה בהתאם לסוג מאגר האחסון שאתם סורקים:
- ב-BigQuery, אפשר לדגום קבוצת משנה של כל השורות שנבחרו, בהתאם לאחוז הקבצים שציינתם שייכללו בסריקה.
- ב-Cloud Storage, אם קובץ כלשהו חורג מהגודל שצוין ב-Max byte size to scan per file, Sensitive Data Protection סורק אותו עד לגודל הקובץ המקסימלי הזה ואז עובר לקובץ הבא.
כדי להפעיל את הדגימה, בוחרים באחת מהאפשרויות הבאות בתפריט הראשון:
- Start sampling from top: Sensitive Data Protection מתחיל את הסריקה החלקית בתחילת הנתונים. ב-BigQuery, הסריקה מתחילה בשורה הראשונה. ב-Cloud Storage, הסריקה מתחילה בתחילת כל קובץ, ומפסיקה אחרי ש-Sensitive Data Protection סורק עד לגודל הקובץ המקסימלי שצוין.
- Start sampling from random start: Sensitive Data Protection מתחיל את הסריקה החלקית במיקום אקראי בנתונים. ב-BigQuery, הסריקה מתחילה בשורה אקראית. ב-Cloud Storage, ההגדרה הזו חלה רק על קבצים שחורגים מהגודל המקסימלי שצוין. ב-Sensitive Data Protection, קבצים שקטנים מהגודל המקסימלי נסרקים במלואם, וקבצים שגדולים מהגודל המקסימלי נסרקים עד לגודל המקסימלי.
כדי לבצע סריקה חלקית, צריך גם לבחור את אחוז הנתונים שרוצים לסרוק. מגדירים את האחוז בעזרת פס ההזזה.
אפשר גם לצמצם את הקבצים או הרשומות לסריקה לפי תאריך. בקטע תזמון בהמשך מוסבר איך עושים את זה.
הגדרה מתקדמת
כשיוצרים משימה לסריקה של קטגוריות של Cloud Storage או טבלאות ב-BigQuery, אפשר לצמצם את החיפוש באמצעות הגדרה מתקדמת. באופן ספציפי, אתם יכולים להגדיר:
- Files (רק ב-Cloud Storage): סוגי הקבצים שרוצים לסרוק, כולל קובצי טקסט, קבצים בינאריים וקובצי תמונות.
- שדות מזהים (BigQuery בלבד): מזהי שורות ייחודיים בטבלה.
- ב-Cloud Storage, אם קובץ כלשהו חורג מהגודל שצוין ב-Max byte size to scan per file, Sensitive Data Protection סורק אותו עד לגודל הקובץ המקסימלי הזה ואז עובר לקובץ הבא.
כדי להפעיל דגימה, בוחרים את אחוז הנתונים שרוצים לסרוק. משתמשים בפס ההזזה כדי להגדיר את האחוזים. לאחר מכן, בוחרים באחת מהאפשרויות הבאות בתפריט הראשון:
- Start sampling from top: Sensitive Data Protection מתחיל את הסריקה החלקית בתחילת הנתונים. ב-BigQuery, הסריקה מתחילה בשורה הראשונה. ב-Cloud Storage, הסריקה מתחילה בתחילת כל קובץ, ומסתיימת אחרי ש-Sensitive Data Protection סורק עד לגודל הקובץ המקסימלי שצוין (ראו למעלה).
- Start sampling from random start: Sensitive Data Protection מתחיל את הסריקה החלקית במיקום אקראי בנתונים. ב-BigQuery, הסריקה מתחילה בשורה אקראית. ב-Cloud Storage, ההגדרה הזו חלה רק על קבצים שחורגים מהגודל המקסימלי שצוין. ב-Sensitive Data Protection, קבצים שקטנים מהגודל המקסימלי נסרקים במלואם, וקבצים שגדולים מהגודל המקסימלי נסרקים עד לגודל המקסימלי.
קבצים
בקטע Files אפשר לציין את סוגי הקבצים שמאוחסנים ב-Cloud Storage שרוצים לכלול בסריקה.
אפשר לבחור מבין קובצי בינארי, טקסט, תמונה, CSV, TSV, Microsoft Word, Microsoft Excel, Microsoft Powerpoint, PDF ו-Apache Avro. במאמר FileType מופיעה רשימה מקיפה של סיומות הקבצים ש-Sensitive Data Protection יכול לסרוק בקטגוריות של Cloud Storage.
אם בוחרים באפשרות Binary, המערכת של Sensitive Data Protection סורקת קבצים מסוגים לא מזוהים.
שדות מזהים
בטבלאות ב-BigQuery, בשדה Identifying fields אפשר להורות ל-Sensitive Data Protection לכלול בתוצאות את הערכים של עמודות המפתח הראשי בטבלה. כך תוכלו לקשר את הממצאים בחזרה לשורות בטבלה שמכילות אותם.
מזינים את שמות העמודות שמזהות באופן ייחודי כל שורה בטבלה. אם צריך, משתמשים בסימון נקודה כדי לציין שדות בתצוגת עץ. אפשר להוסיף כמה שדות שרוצים.
כדי לייצא את הממצאים ל-BigQuery, צריך גם להפעיל את הפעולה Save to BigQuery. כשמייצאים את הממצאים ל-BigQuery, כל ממצא מכיל את הערכים המתאימים של השדות המזהים. מידע נוסף זמין במאמר identifyingFields.
הגדרת הזיהוי
בקטע Configure detection מציינים את סוגי המידע האישי הרגיש שרוצים לסרוק. לא חובה למלא את הקטע הזה. אם תדלגו על החלק הזה, Sensitive Data Protection יסרוק את הנתונים שלכם לפי קבוצת ברירת מחדל של infoTypes.
תבנית
אתם יכולים להשתמש בתבנית של Sensitive Data Protection כדי לעשות שימוש חוזר בפרטי ההגדרות שציינתם בעבר.
אם כבר יצרתם תבנית שבה אתם רוצים להשתמש, לחצו על השדה Template name כדי לראות רשימה של תבניות בדיקה קיימות. בוחרים או מקלידים את שם התבנית שבה רוצים להשתמש.
מידע נוסף על יצירת תבניות זמין במאמר יצירת תבניות לבדיקה של Sensitive Data Protection.
InfoTypes
גלאי InfoType מוצאים מידע אישי רגיש מסוג מסוים. לדוגמה, גלאי ה-infoType המובנה US_SOCIAL_SECURITY_NUMBER של Sensitive Data Protection מוצא מספרי תעודת זהות בארה"ב. בנוסף לגלאי infoType המובנים, אתם יכולים ליצור גלאי infoType בהתאמה אישית.
בקטע InfoTypes, בוחרים את גלאי ה-infoType שתואם לסוג הנתונים שרוצים לסרוק. אנחנו ממליצים לא להשאיר את הקטע הזה ריק. אם תעשו את זה, Sensitive Data Protection יסרוק את הנתונים שלכם באמצעות קבוצת ברירת מחדל של infoTypes, שעשויה לכלול infoTypes שאתם לא צריכים. מידע נוסף על כל גלאי זמין בחומר העזר בנושא גילוי Infotype.
בקטע הזה מוסבר איך לנהל טיפוסי מידע מובנים ובהתאמה אישית. מידע נוסף זמין במאמר ניהול טיפוסי מידע באמצעות מסוף Google Cloud .
קבוצות כללים לבדיקה
קבוצות כללי הבדיקה מאפשרות לכם להתאים אישית את הגלאים המובנים והמותאמים אישית של נתוני infoType באמצעות כללי הקשר. אלה סוגי כללי הבדיקה:
- כללי החרגה, שעוזרים להחריג ממצאים שגויים או לא רצויים.
- כללי הרחבה (Hotword), שעוזרים לזהות ממצאים נוספים.
- כללי התאמה, שמשנים את הסבירות של הממצאים בהתאם להקשר שבו הם מופיעים.
כדי להוסיף קבוצת כללים חדשה, קודם צריך לציין לפחות גלאי אחד מובנה או מותאם אישית של infoType בקטע InfoTypes. בוחרים את כל הגלאים של סוגי המידע שקבוצות הכללים משנות (סוגי המידע למיקוד) או משתמשות בהם להערכה (סוגי המידע להקשר). לאחר מכן, מבצעים את הפעולות הבאות:
- לוחצים על הוספת קבוצת כללים.
- בשדה Choose target infoTypes, בוחרים את סוגי המידע שקבוצת הכללים משנה אם הכללים מתקיימים.
- לוחצים על Add a rule כדי לפתוח תפריט עם אפשרויות, כולל Hotword rule, כלל להחרגה ו-Adjustment rule.
כדי ליצור כלל הרחבה (Hotword), בוחרים באפשרות כלל הרחבה (Hotword). לאחר מכן, מבצעים את הפעולות הבאות:
- בשדה Hotword, מזינים ביטוי רגולרי ש-Sensitive Data Protection יחפש.
- בתפריט Hotword proximity, בוחרים אם מילת ההפעלה שהזנתם נמצאת לפני או אחרי ה-infoType שנבחר.
- בשדה Hotword distance from infoType, מזינים את מספר התווים המשוער בין מילת המפתח לבין ה-infoType שנבחר.
- בקטע Confidence level adjustment, בוחרים אם להקצות להתאמות רמת סבירות קבועה, או להגדיל או להקטין את רמת הסבירות שמוגדרת כברירת מחדל בסכום מסוים.
כדי ליצור כלל החרגה, בוחרים באפשרות Exclusion rule ואת סוג כלל ההחרגה שרוצים ליצור, למשל ביטוי רגולרי. לאחר מכן, מבצעים את הפעולות הבאות:
- בהתאם לסוג הכלל להחרגה שבחרתם, מזינים את הביטוי הרגולרי, הביטוי, מילת ההפעלה או ה-infoType של ההקשר שצריך למצוא כדי שהכלל יחול.
- בהתאם לסוג הכלל להחרגה שבחרתם, מגדירים את סוג ההתאמה או את סוג ההכלה של התמונה:
- אם בחרתם כלל החרגה שמבוסס על טקסט, בחרו אחד מסוגי ההתאמה הבאים:
- התאמה מלאה: הממצא חייב להתאים באופן מלא לטקסט או ל-infoType של ההקשר שסיפקתם.
- התאמה חלקית: תת-מחרוזת של הממצא צריכה להתאים לטקסט או ל-infoType של ההקשר שסיפקתם.
- התאמה הפוכה: הממצא לא יכול להתאים לטקסט או ל-infoType של ההקשר שסיפקתם.
- אם בחרתם כלל החרגה שמבוסס על תמונה, בחרו את היחס המרחבי הנדרש בין סוגי המידע הרגיש של היעד וההקשר. לדוגמה, אם בוחרים באפשרות Encloses, הממצא בהקשר חייב להכיל את ממצא היעד כדי שהכלל יחול.
כדי ליצור כלל התאמה, בוחרים באפשרות כלל התאמה ובסוג כלל ההתאמה, לדוגמה התאמה לפי ממצאים בתמונה. לאחר מכן, מבצעים את הפעולות הבאות:
- בשדה Context infoTypes, בוחרים את הגלאים של סוגי המידע שמספקים הקשר לממצא היעד. Sensitive Data Protection משתמש ב-infoTypes של הקשר כדי להעריך אם צריך לשנות את ה-infoType של היעד.
- בשדה Minimum likelihood, בוחרים את רמת הסבירות הנמוכה ביותר שיכולה להיות לסוגי המידע (infoTypes) של ההקשר, ועדיין להפעיל את כלל ההתאמה. אם ערך הסבירות של ממצא הקשר שזוהה נמוך מהערך הזה, Sensitive Data Protection לא משנה את הסבירות של ממצא היעד.
- בממצאים של תמונות, בשדה Image containment type בוחרים את הקשר המרחבי הנדרש בין סוגי המידע הרגיש של היעד וההקשר. לדוגמה, אם בוחרים באפשרות Encloses, הממצא של ההקשר חייב להכיל את ממצא היעד כדי שהכלל יחול.
- בשדה Likelihood, בוחרים את רמת הסבירות החדשה שרוצים להקצות לממצא היעד.
אתם יכולים להוסיף עוד קבוצות כללים כדי לשפר את תוצאות הסריקה.
סף ביטחון
בכל פעם ש-Sensitive Data Protection מזהה התאמה פוטנציאלית למידע אישי רגיש, הוא מקצה לה ערך סבירות בסולם שנע בין "סבירות נמוכה מאוד" ל "סבירות גבוהה מאוד". כשמגדירים כאן ערך סבירות, מנחים את Sensitive Data Protection להתאים רק נתונים שתואמים לערך הסבירות הזה או לערך גבוה יותר.
ערך ברירת המחדל Possible מספיק לרוב המטרות. אם אתם מקבלים באופן קבוע התאמות רחבות מדי, הזיזו את פס ההזזה למעלה. אם אתם מקבלים מעט מדי התאמות, הזיזו את פס ההזזה למטה.
בסיום, לוחצים על המשך.
הוספת פעולות
בקטע Add actions, בוחרים פעולה אחת או יותר ש-Sensitive Data Protection יבצע אחרי שהמשימה תסתיים. מידע נוסף זמין במאמר הפעלת פעולות של בדיקה או ניתוח סיכונים.
אחרי שבוחרים פעולות, לוחצים על המשך.
בדיקה
בקטע Review מופיע סיכום בפורמט JSON של הגדרות המשימה שציינתם.
לוחצים על Create כדי ליצור את המשימה (אם לא ציינתם לוח זמנים) ולהריץ אותה פעם אחת. יופיע דף המידע של המשימה, שכולל את הסטטוס ומידע נוסף. אם המשימה פועלת כרגע, אפשר ללחוץ על הלחצן Cancel כדי לעצור אותה. אפשר גם למחוק את המשימה בלחיצה על Delete.
כדי לחזור לדף הראשי של Sensitive Data Protection, לוחצים על החץ Back במסוף Google Cloud .
C#
במאמר ספריות הלקוח של Sensitive Data Protection מוסבר איך להתקין את ספריית הלקוח ולהשתמש בה ב-Sensitive Data Protection.
כדי לבצע אימות ב-Sensitive Data Protection, צריך להגדיר את Application Default Credentials. למידע נוסף, ראו הגדרת אימות לסביבת פיתוח מקומית.
Go
במאמר ספריות הלקוח של Sensitive Data Protection מוסבר איך להתקין את ספריית הלקוח ולהשתמש בה ב-Sensitive Data Protection.
כדי לבצע אימות ב-Sensitive Data Protection, צריך להגדיר את Application Default Credentials. למידע נוסף, ראו הגדרת אימות לסביבת פיתוח מקומית.
Java
במאמר ספריות הלקוח של Sensitive Data Protection מוסבר איך להתקין את ספריית הלקוח ולהשתמש בה ב-Sensitive Data Protection.
כדי לבצע אימות ב-Sensitive Data Protection, צריך להגדיר את Application Default Credentials. למידע נוסף, ראו הגדרת אימות לסביבת פיתוח מקומית.
Node.js
במאמר ספריות הלקוח של Sensitive Data Protection מוסבר איך להתקין את ספריית הלקוח ולהשתמש בה ב-Sensitive Data Protection.
כדי לבצע אימות ב-Sensitive Data Protection, צריך להגדיר את Application Default Credentials. למידע נוסף, ראו הגדרת אימות לסביבת פיתוח מקומית.
PHP
במאמר ספריות הלקוח של Sensitive Data Protection מוסבר איך להתקין את ספריית הלקוח ולהשתמש בה ב-Sensitive Data Protection.
כדי לבצע אימות ב-Sensitive Data Protection, צריך להגדיר את Application Default Credentials. למידע נוסף, ראו הגדרת אימות לסביבת פיתוח מקומית.
Python
במאמר ספריות הלקוח של Sensitive Data Protection מוסבר איך להתקין את ספריית הלקוח ולהשתמש בה ב-Sensitive Data Protection.
כדי לבצע אימות ב-Sensitive Data Protection, צריך להגדיר את Application Default Credentials. למידע נוסף, ראו הגדרת אימות לסביבת פיתוח מקומית.
REST
משימה מיוצגת ב-DLP API באמצעות המשאב DlpJobs. כדי ליצור משימה חדשה, משתמשים ב-method projects.dlpJobs.create של המשאב DlpJob.
אפשר לשלוח את קובץ ה-JSON לדוגמה בבקשת POST לנקודת הקצה (endpoint) שצוינה ב-REST של Sensitive Data Protection. דוגמת ה-JSON הבאה ממחישה איך ליצור משימה ב-Sensitive Data Protection. המשימה היא סריקה לבדיקה של Datastore.
כדי לנסות את זה במהירות, אתם יכולים להשתמש ב-API Explorer שמוטמע בהמשך. חשוב לזכור שבקשה מוצלחת, גם כזו שנוצרה ב-API Explorer, תיצור משימה. מידע כללי על השימוש ב-JSON לשליחת בקשות ל-DLP API מופיע במדריך למתחילים בנושא JSON.
קלט JSON:
{
"inspectJob": {
"storageConfig": {
"bigQueryOptions": {
"tableReference": {
"projectId": "bigquery-public-data",
"datasetId": "san_francisco_sfpd_incidents",
"tableId": "sfpd_incidents"
}
},
"timespanConfig": {
"startTime": "2020-01-01T00:00:01Z",
"endTime": "2020-01-31T23:59:59Z",
"timestampField": {
"name": "timestamp"
}
}
},
"inspectConfig": {
"infoTypes": [
{
"name": "PERSON_NAME"
},
{
"name": "STREET_ADDRESS"
}
],
"excludeInfoTypes": false,
"includeQuote": true,
"minLikelihood": "LIKELY"
},
"actions": [
{
"saveFindings": {
"outputConfig": {
"table": {
"projectId": "[PROJECT-ID]",
"datasetId": "[DATASET-ID]"
}
}
}
}
]
}
}
פלט מסוג JSON:
הפלט הבא מציין שהמשימה נוצרה בהצלחה.
{
"name": "projects/[PROJECT-ID]/dlpJobs/[JOB-ID]",
"type": "INSPECT_JOB",
"state": "PENDING",
"inspectDetails": {
"requestedOptions": {
"snapshotInspectTemplate": {},
"jobConfig": {
"storageConfig": {
"bigQueryOptions": {
"tableReference": {
"projectId": "bigquery-public-data",
"datasetId": "san_francisco_sfpd_incidents",
"tableId": "sfpd_incidents"
}
},
"timespanConfig": {
"startTime": "2020-01-01T00:00:01Z",
"endTime": "2020-01-31T23:59:59Z",
"timestampField": {
"name": "timestamp"
}
}
},
"inspectConfig": {
"infoTypes": [
{
"name": "PERSON_NAME"
},
{
"name": "STREET_ADDRESS"
}
],
"minLikelihood": "LIKELY",
"limits": {},
"includeQuote": true
},
"actions": [
{
"saveFindings": {
"outputConfig": {
"table": {
"projectId": "[PROJECT-ID]",
"datasetId": "[DATASET-ID]",
"tableId": "[TABLE-ID]"
}
}
}
}
]
}
},
"result": {}
},
"createTime": "2020-07-10T07:26:33.643Z"
}
יצירת טריגר חדש למשימה
כדי ליצור טריגר חדש למשימה ב-Sensitive Data Protection:
המסוף
בקטע Sensitive Data Protection במסוף Google Cloud , נכנסים לדף Create job or job trigger.
כניסה לדף Create job or job trigger
הדף Create job or job trigger כולל את הקטעים הבאים:
בחירת נתוני קלט
שם
מזינים שם לטריגר של המשימה. אפשר להשתמש באותיות, במספרים ובמקפים. לא חובה לתת שם לטריגר של המשימה. אם לא תזינו שם, המערכת של Sensitive Data Protection תיתן לטריגר של המשימה מזהה מספרי ייחודי.
מיקום
בתפריט Storage type, בוחרים את סוג המאגר שבו מאוחסנים הנתונים שרוצים לסרוק:
- Cloud Storage: מזינים את כתובת ה-URL של הקטגוריה שרוצים לסרוק, או בוחרים באפשרות Include/exclude בתפריט Location type ולוחצים על Browse כדי לעבור לקטגוריה או לתיקיית המשנה שרוצים לסרוק. מסמנים את התיבה Scan folder recursively כדי לסרוק את הספרייה שצוינה ואת כל הספריות שהיא מכילה. אם לא מסמנים את התיבה, המערכת סורקת רק את הספרייה שצוינה ולא ספריות משנה.
- BigQuery: מזינים את המזהים של הפרויקט, מערך הנתונים והטבלה שרוצים לסרוק.
- Datastore: מזינים את המזהים של הפרויקט, מרחב השמות (אופציונלי) והסוג שרוצים לסרוק.
דגימות
דגימה היא דרך אופציונלית לחסוך במשאבים אם יש לכם כמות גדולה מאוד של נתונים.
בקטע Sampling, אתם יכולים לבחור אם לסרוק את כל הנתונים שנבחרו או לדגום את הנתונים על ידי סריקה של אחוז מסוים. הדגימה פועלת באופן שונה בהתאם לסוג מאגר האחסון שאתם סורקים:
- ב-BigQuery, אפשר לדגום קבוצת משנה של כל השורות שנבחרו, בהתאם לאחוז הקבצים שציינתם שייכללו בסריקה.
- ב-Cloud Storage, אם קובץ כלשהו חורג מהגודל שצוין ב-Max byte size to scan per file, Sensitive Data Protection סורק אותו עד לגודל הקובץ המקסימלי הזה ואז עובר לקובץ הבא.
כדי להפעיל את הדגימה, בוחרים באחת מהאפשרויות הבאות בתפריט הראשון:
- Start sampling from top: Sensitive Data Protection מתחיל את הסריקה החלקית בתחילת הנתונים. ב-BigQuery, הסריקה מתחילה בשורה הראשונה. ב-Cloud Storage, הסריקה מתחילה בתחילת כל קובץ, ומסתיימת אחרי ש-Sensitive Data Protection סורק עד לגודל הקובץ המקסימלי שצוין (ראו למעלה).
- Start sampling from random start: Sensitive Data Protection מתחיל את הסריקה החלקית במיקום אקראי בנתונים. ב-BigQuery, הסריקה מתחילה בשורה אקראית. ב-Cloud Storage, ההגדרה הזו חלה רק על קבצים שחורגים מהגודל המקסימלי שצוין. ב-Sensitive Data Protection, קבצים שקטנים מהגודל המקסימלי נסרקים במלואם, וקבצים שגדולים מהגודל המקסימלי נסרקים עד לגודל המקסימלי.
כדי לבצע סריקה חלקית, צריך גם לבחור את אחוז הנתונים שרוצים לסרוק. מגדירים את האחוז בעזרת פס ההזזה.
הגדרה מתקדמת
כשיוצרים טריגר של משימה לסריקה של קטגוריות של Cloud Storage או טבלאות ב-BigQuery, אפשר לצמצם את החיפוש באמצעות הגדרה מתקדמת. באופן ספציפי, אתם יכולים להגדיר:
- Files (רק ב-Cloud Storage): סוגי הקבצים שרוצים לסרוק, כולל קובצי טקסט, קבצים בינאריים וקובצי תמונות.
- שדות מזהים (BigQuery בלבד): מזהי שורות ייחודיים בטבלה.
- ב-Cloud Storage, אם קובץ כלשהו חורג מהגודל שצוין ב-Max byte size to scan per file, Sensitive Data Protection סורק אותו עד לגודל הקובץ המקסימלי הזה ואז עובר לקובץ הבא.
כדי להפעיל דגימה, בוחרים את אחוז הנתונים שרוצים לסרוק. משתמשים בפס ההזזה כדי להגדיר את האחוזים. לאחר מכן, בוחרים באחת מהאפשרויות הבאות בתפריט הראשון:
- Start sampling from top: Sensitive Data Protection מתחיל את הסריקה החלקית בתחילת הנתונים. ב-BigQuery, הסריקה מתחילה בשורה הראשונה. ב-Cloud Storage, הסריקה מתחילה בתחילת כל קובץ, ומסתיימת אחרי ש-Sensitive Data Protection סורק עד לגודל הקובץ המקסימלי שצוין (ראו למעלה).
- Start sampling from random start: Sensitive Data Protection מתחיל את הסריקה החלקית במיקום אקראי בנתונים. ב-BigQuery, הסריקה מתחילה בשורה אקראית. ב-Cloud Storage, ההגדרה הזו חלה רק על קבצים שחורגים מהגודל המקסימלי שצוין. ב-Sensitive Data Protection, קבצים שקטנים מהגודל המקסימלי נסרקים במלואם, וקבצים שגדולים מהגודל המקסימלי נסרקים עד לגודל המקסימלי.
קבצים
בקטע Files אפשר לציין את סוגי הקבצים שמאוחסנים ב-Cloud Storage שרוצים לכלול בסריקה.
אתם יכולים לבחור מבין קובצי בינארי, טקסט, תמונה, Microsoft Word, Microsoft Excel, Microsoft Powerpoint, PDF ו-Apache Avro. רשימה מלאה של סיומות הקבצים ש-Sensitive Data Protection יכול לסרוק בקטגוריות של Cloud Storage מופיעה במאמר FileType.
אם בוחרים באפשרות Binary, המערכת של Sensitive Data Protection סורקת קבצים מסוגים לא מזוהים.
שדות מזהים
בטבלאות ב-BigQuery, בשדה Identifying fields אפשר להורות ל-Sensitive Data Protection לכלול בתוצאות את הערכים של עמודות המפתח הראשי בטבלה. כך תוכלו לקשר את הממצאים בחזרה לשורות בטבלה שמכילות אותם.
מזינים את שמות העמודות שמזהות באופן ייחודי כל שורה בטבלה. אם צריך, משתמשים בסימון נקודה כדי לציין שדות בתצוגת עץ. אפשר להוסיף כמה שדות שרוצים.
כדי לייצא את הממצאים ל-BigQuery, צריך גם להפעיל את הפעולה Save to BigQuery. כשמייצאים את הממצאים ל-BigQuery, כל ממצא מכיל את הערכים המתאימים של השדות המזהים. מידע נוסף זמין במאמר identifyingFields.
הגדרת הזיהוי
בקטע Configure detection מציינים את סוגי המידע האישי הרגיש שרוצים לסרוק. לא חובה למלא את הקטע הזה. אם תדלגו על החלק הזה, Sensitive Data Protection יסרוק את הנתונים שלכם לפי קבוצת ברירת מחדל של infoTypes.
תבנית
אתם יכולים להשתמש בתבנית של Sensitive Data Protection כדי לעשות שימוש חוזר בפרטי ההגדרות שציינתם בעבר.
אם כבר יצרתם תבנית שבה אתם רוצים להשתמש, לחצו על השדה Template name כדי לראות רשימה של תבניות בדיקה קיימות. בוחרים או מקלידים את שם התבנית שבה רוצים להשתמש.
מידע נוסף על יצירת תבניות זמין במאמר יצירת תבניות לבדיקה של Sensitive Data Protection.
InfoTypes
גלאי InfoType מוצאים מידע אישי רגיש מסוג מסוים. לדוגמה, גלאי ה-infoType המובנה US_SOCIAL_SECURITY_NUMBER של Sensitive Data Protection מוצא מספרי תעודת זהות בארה"ב. בנוסף למזהי ה-infoType המובנים, אתם יכולים ליצור מזהי infoType בהתאמה אישית.
בקטע InfoTypes, בוחרים את גלאי ה-infoType שתואם לסוג הנתונים שרוצים לסרוק. אפשר גם להשאיר את השדה הזה ריק כדי לסרוק את כל סוגי המידע שמוגדרים כברירת מחדל. מידע נוסף על כל גלאי מופיע בחומר העזר בנושא גלאי InfoType.
אפשר גם להוסיף כללים מותאמים אישית לבדיקת נתוני infoType בקטע Custom infoTypes, ולהתאים אישית כללים מובנים ומותאמים אישית לבדיקת נתוני infoType בקטע Inspection rulesets.
סוגי מידע מותאמים אישית
כדי להוסיף טיפוסי מידע בהתאמה אישית, ראו הוספת טיפוסי מידע בהתאמה אישית.
קבוצות כללים לבדיקה
קבוצות כללי הבדיקה מאפשרות לכם להתאים אישית את הגלאים המובנים והמותאמים אישית של נתוני infoType באמצעות כללי הקשר. אלה סוגי כללי הבדיקה:
- כללי החרגה, שעוזרים להחריג ממצאים שגויים או לא רצויים.
- כללי הרחבה (Hotword), שעוזרים לזהות ממצאים נוספים.
- כללי התאמה, שמשנים את הסבירות של הממצאים בהתאם להקשר שבו הם מופיעים.
כדי להוסיף קבוצת כללים חדשה, קודם צריך לציין לפחות גלאי אחד מובנה או מותאם אישית של infoType בקטע InfoTypes. בוחרים את כל הגלאים של סוגי המידע שקבוצות הכללים משנות (סוגי המידע למיקוד) או משתמשות בהם להערכה (סוגי המידע להקשר). לאחר מכן, מבצעים את הפעולות הבאות:
- לוחצים על הוספת קבוצת כללים.
- בשדה Choose target infoTypes, בוחרים את סוגי המידע שקבוצת הכללים משנה אם הכללים מתקיימים.
- לוחצים על Add a rule כדי לפתוח תפריט עם אפשרויות, כולל Hotword rule, כלל להחרגה ו-Adjustment rule.
כדי ליצור כלל הרחבה (Hotword), בוחרים באפשרות כלל הרחבה (Hotword). לאחר מכן, מבצעים את הפעולות הבאות:
- בשדה Hotword, מזינים ביטוי רגולרי ש-Sensitive Data Protection יחפש.
- בתפריט Hotword proximity, בוחרים אם מילת ההפעלה שהזנתם נמצאת לפני או אחרי ה-infoType שנבחר.
- בשדה Hotword distance from infoType, מזינים את מספר התווים המשוער בין מילת המפתח לבין ה-infoType שנבחר.
- בקטע התאמה של רמת הסמך, בוחרים אם להקצות להתאמות רמת סבירות קבועה, או להגדיל או להקטין את רמת הסבירות שמוגדרת כברירת מחדל בשיעור מסוים.
כדי ליצור כלל החרגה, בוחרים באפשרות Exclusion rule ואת סוג כלל ההחרגה שרוצים ליצור, למשל ביטוי רגולרי. לאחר מכן, מבצעים את הפעולות הבאות:
- בהתאם לסוג הכלל להחרגה שבחרתם, מזינים את הביטוי הרגולרי, הביטוי, מילת ההפעלה או ה-infoType של ההקשר שצריך למצוא כדי שהכלל יחול.
- בהתאם לסוג הכלל להחרגה שבחרתם, מגדירים את סוג ההתאמה או את סוג ההכלה של התמונה:
- אם בחרתם כלל החרגה שמבוסס על טקסט, בחרו אחד מסוגי ההתאמה הבאים:
- התאמה מלאה: הממצא חייב להתאים באופן מלא לטקסט או ל-infoType של ההקשר שסיפקתם.
- התאמה חלקית: תת-מחרוזת של הממצא צריכה להתאים לטקסט או ל-infoType של ההקשר שסיפקתם.
- התאמה הפוכה: הממצא לא יכול להתאים לטקסט או ל-infoType של ההקשר שסיפקתם.
- אם בחרתם כלל החרגה שמבוסס על תמונה, בחרו את היחס המרחבי הנדרש בין סוגי המידע הרגיש של היעד וההקשר. לדוגמה, אם בוחרים באפשרות Encloses, הממצא בהקשר חייב להכיל את ממצא היעד כדי שהכלל יחול.
כדי ליצור כלל התאמה, בוחרים באפשרות כלל התאמה ובסוג כלל ההתאמה, לדוגמה התאמה לפי ממצאים בתמונה. לאחר מכן, מבצעים את הפעולות הבאות:
- בשדה Context infoTypes, בוחרים את הגלאים של סוגי המידע שמספקים הקשר לממצא היעד. Sensitive Data Protection משתמש ב-infoTypes של הקשר כדי להעריך אם צריך לשנות את ה-infoType של היעד.
- בשדה Minimum likelihood, בוחרים את רמת הסבירות הנמוכה ביותר שיכולה להיות לסוגי המידע (infoTypes) של ההקשר, ועדיין להפעיל את כלל ההתאמה. אם ערך הסבירות של ממצא הקשר שזוהה נמוך מהערך הזה, Sensitive Data Protection לא משנה את הסבירות של ממצא היעד.
- בממצאים של תמונות, בשדה Image containment type בוחרים את הקשר המרחבי הנדרש בין סוגי המידע הרגיש של היעד וההקשר. לדוגמה, אם בוחרים באפשרות Encloses, הממצא של ההקשר חייב להכיל את ממצא היעד כדי שהכלל יחול.
- בשדה Likelihood, בוחרים את רמת הסבירות החדשה שרוצים להקצות לממצא היעד.
אתם יכולים להוסיף עוד קבוצות כללים כדי לשפר את תוצאות הסריקה.
סף ביטחון
בכל פעם ש-Sensitive Data Protection מזהה התאמה פוטנציאלית למידע אישי רגיש, הוא מקצה לה ערך סבירות בסולם שנע בין "סבירות נמוכה מאוד" ל "סבירות גבוהה מאוד". כשמגדירים כאן ערך סבירות, מנחים את Sensitive Data Protection להתאים רק נתונים שתואמים לערך הסבירות הזה או לערך גבוה יותר.
ערך ברירת המחדל Possible מספיק לרוב המטרות. אם אתם מקבלים באופן קבוע התאמות רחבות מדי, הזיזו את פס ההזזה למעלה. אם אתם מקבלים מעט מדי התאמות, הזיזו את פס ההזזה למטה.
בסיום, לוחצים על המשך.
הוספת פעולות
בקטע Add actions, בוחרים פעולה אחת או יותר ש-Sensitive Data Protection יבצע אחרי שהמשימה תסתיים. מידע נוסף זמין במאמר הפעלת פעולות של בדיקה או ניתוח סיכונים.
אחרי שבוחרים פעולות, לוחצים על המשך.
תזמון
בקטע לוח זמנים, אתם יכולים לבצע שתי פעולות:
- ציון טווח זמן: האפשרות הזו מגבילה את הקבצים או השורות לסריקה לפי תאריך. לוחצים על שעת התחלה כדי לציין את חותמת הזמן המוקדמת ביותר של הקובץ שרוצים לכלול. כדי לציין את כל הקבצים, משאירים את הערך הזה ריק. לוחצים על End time כדי לציין את חותמת הזמן האחרונה של הקובץ שרוצים לכלול. אם לא רוצים להגדיר גבול עליון לחותמת הזמן, משאירים את הערך הזה ריק.
Create a trigger to run the job on a periodic schedule: האפשרות הזו הופכת את המשימה לטריגר של משימה שפועל לפי לוח זמנים תקופתי. אם לא תציינו לוח זמנים, תיצרו משימה אחת שתתחיל מיד ותפעל פעם אחת. כדי ליצור טריגר של משימה שפועל באופן קבוע, צריך להגדיר את האפשרות הזו.
ערך ברירת המחדל הוא גם הערך המינימלי: 24 שעות. הערך המקסימלי הוא 60 ימים.
אם רוצים ש-Sensitive Data Protection יסרוק רק קבצים או שורות חדשים, בוחרים באפשרות Limit scans only to new content. בבדיקה של BigQuery, רק שורות שנוצרו לפני שלוש שעות לפחות נכללות בסריקה. בעיה מוכרת שקשורה לפעולה הזו.
בדיקה
בקטע Review מופיע סיכום בפורמט JSON של הגדרות המשימה שציינתם.
לוחצים על Create כדי ליצור את הטריגר של המשימה (אם ציינתם לוח זמנים). מופיע דף המידע של הטריגר למשימה, שמכיל את הסטטוס ומידע נוסף. אם המשימה פועלת כרגע, אפשר ללחוץ על הלחצן Cancel כדי לעצור אותה. אפשר גם למחוק את הטריגר של המשימה בלחיצה על Delete.
כדי לחזור לדף הראשי של Sensitive Data Protection, לוחצים על החץ Back במסוף Google Cloud .
C#
במאמר ספריות הלקוח של Sensitive Data Protection מוסבר איך להתקין את ספריית הלקוח ולהשתמש בה ב-Sensitive Data Protection.
כדי לבצע אימות ב-Sensitive Data Protection, צריך להגדיר את Application Default Credentials. למידע נוסף, ראו הגדרת אימות לסביבת פיתוח מקומית.
Go
במאמר ספריות הלקוח של Sensitive Data Protection מוסבר איך להתקין את ספריית הלקוח ולהשתמש בה ב-Sensitive Data Protection.
כדי לבצע אימות ב-Sensitive Data Protection, צריך להגדיר את Application Default Credentials. למידע נוסף, ראו הגדרת אימות לסביבת פיתוח מקומית.
Java
במאמר ספריות הלקוח של Sensitive Data Protection מוסבר איך להתקין את ספריית הלקוח ולהשתמש בה ב-Sensitive Data Protection.
כדי לבצע אימות ב-Sensitive Data Protection, צריך להגדיר את Application Default Credentials. למידע נוסף, ראו הגדרת אימות לסביבת פיתוח מקומית.
Node.js
במאמר ספריות הלקוח של Sensitive Data Protection מוסבר איך להתקין את ספריית הלקוח ולהשתמש בה ב-Sensitive Data Protection.
כדי לבצע אימות ב-Sensitive Data Protection, צריך להגדיר את Application Default Credentials. למידע נוסף, ראו הגדרת אימות לסביבת פיתוח מקומית.
PHP
במאמר ספריות הלקוח של Sensitive Data Protection מוסבר איך להתקין את ספריית הלקוח ולהשתמש בה ב-Sensitive Data Protection.
כדי לבצע אימות ב-Sensitive Data Protection, צריך להגדיר את Application Default Credentials. למידע נוסף, ראו הגדרת אימות לסביבת פיתוח מקומית.
Python
במאמר ספריות הלקוח של Sensitive Data Protection מוסבר איך להתקין את ספריית הלקוח ולהשתמש בה ב-Sensitive Data Protection.
כדי לבצע אימות ב-Sensitive Data Protection, צריך להגדיר את Application Default Credentials. למידע נוסף, ראו הגדרת אימות לסביבת פיתוח מקומית.
REST
טריגר של משימה מיוצג ב-DLP API על ידי המשאב JobTrigger. כדי ליצור טריגר חדש למשימה, משתמשים ב-method projects.jobTriggers.create של המשאב JobTrigger.
אפשר לשלוח את קובץ ה-JSON לדוגמה בבקשת POST לנקודת הקצה (endpoint) שצוינה ב-REST של Sensitive Data Protection. הדוגמה הבאה של JSON ממחישה איך ליצור טריגר של משימה ב-Sensitive Data Protection. המשימה שהטריגר הזה יפעיל היא סריקת ביקורת של Datastore. הטריגר של המשימה שנוצר פועל כל 86,400 שניות (או 24 שעות).
כדי לנסות את זה במהירות, אתם יכולים להשתמש ב-API Explorer שמוטמע בהמשך. חשוב לזכור שבקשה מוצלחת, גם כזו שנוצרה ב-API Explorer, תיצור טריגר חדש למשימה מתוזמנת. למידע כללי על השימוש ב-JSON כדי לשלוח בקשות ל-DLP API, עיינו במדריך למתחילים בנושא JSON.
קלט JSON:
{
"jobTrigger":{
"displayName":"JobTrigger1",
"description":"Starts an inspection of a Datastore kind",
"triggers":[
{
"schedule":{
"recurrencePeriodDuration":"86400s"
}
}
],
"status":"HEALTHY",
"inspectJob":{
"storageConfig":{
"datastoreOptions":{
"kind":{
"name":"Example-Kind"
},
"partitionId":{
"projectId":"[PROJECT_ID]",
"namespaceId":"[NAMESPACE_ID]"
}
}
},
"inspectConfig":{
"infoTypes":[
{
"name":"PHONE_NUMBER"
}
],
"excludeInfoTypes":false,
"includeQuote":true,
"minLikelihood":"LIKELY"
},
"actions":[
{
"saveFindings":{
"outputConfig":{
"table":{
"projectId":"[PROJECT_ID]",
"datasetId":"[BIGQUERY_DATASET_NAME]",
"tableId":"[BIGQUERY_TABLE_NAME]"
}
}
}
}
]
}
}
}
פלט מסוג JSON:
הפלט הבא מציין שהטריגר של המשימה נוצר בהצלחה.
{
"name":"projects/[PROJECT_ID]/jobTriggers/[JOB_TRIGGER_NAME]",
"displayName":"JobTrigger1",
"description":"Starts an inspection of a Datastore kind",
"inspectJob":{
"storageConfig":{
"datastoreOptions":{
"partitionId":{
"projectId":"[PROJECT_ID]",
"namespaceId":"[NAMESPACE_ID]"
},
"kind":{
"name":"Example-Kind"
}
}
},
"inspectConfig":{
"infoTypes":[
{
"name":"PHONE_NUMBER"
}
],
"minLikelihood":"LIKELY",
"limits":{
},
"includeQuote":true
},
"actions":[
{
"saveFindings":{
"outputConfig":{
"table":{
"projectId":"[PROJECT_ID]",
"datasetId":"[BIGQUERY_DATASET_NAME]",
"tableId":"[BIGQUERY_TABLE_NAME]"
}
}
}
}
]
},
"triggers":[
{
"schedule":{
"recurrencePeriodDuration":"86400s"
}
}
],
"createTime":"2018-11-30T01:52:41.171857Z",
"updateTime":"2018-11-30T01:52:41.171857Z",
"status":"HEALTHY"
}
הצגת כל המשימות
כדי להציג את כל המשימות בפרויקט הנוכחי:
המסוף
נכנסים לדף Sensitive Data Protection במסוף Google Cloud .
לוחצים על הכרטיסייה Inspection ואז על כרטיסיית המשנה משימות ביקורת.
במסוף מוצגת רשימה של כל המשימות בפרויקט הנוכחי, כולל מזהי המשימות, המצב, זמן היצירה וזמן הסיום. כדי לקבל מידע נוסף על משימה כלשהי, כולל סיכום של התוצאות שלה, לוחצים על המזהה שלה.
C#
במאמר ספריות הלקוח של Sensitive Data Protection מוסבר איך להתקין את ספריית הלקוח ולהשתמש בה ב-Sensitive Data Protection.
כדי לבצע אימות ב-Sensitive Data Protection, צריך להגדיר את Application Default Credentials. למידע נוסף, ראו הגדרת אימות לסביבת פיתוח מקומית.
Go
במאמר ספריות הלקוח של Sensitive Data Protection מוסבר איך להתקין את ספריית הלקוח ולהשתמש בה ב-Sensitive Data Protection.
כדי לבצע אימות ב-Sensitive Data Protection, צריך להגדיר את Application Default Credentials. למידע נוסף, ראו הגדרת אימות לסביבת פיתוח מקומית.
Java
במאמר ספריות הלקוח של Sensitive Data Protection מוסבר איך להתקין את ספריית הלקוח ולהשתמש בה ב-Sensitive Data Protection.
כדי לבצע אימות ב-Sensitive Data Protection, צריך להגדיר את Application Default Credentials. למידע נוסף, ראו הגדרת אימות לסביבת פיתוח מקומית.
Node.js
במאמר ספריות הלקוח של Sensitive Data Protection מוסבר איך להתקין את ספריית הלקוח ולהשתמש בה ב-Sensitive Data Protection.
כדי לבצע אימות ב-Sensitive Data Protection, צריך להגדיר את Application Default Credentials. למידע נוסף, ראו הגדרת אימות לסביבת פיתוח מקומית.
PHP
במאמר ספריות הלקוח של Sensitive Data Protection מוסבר איך להתקין את ספריית הלקוח ולהשתמש בה ב-Sensitive Data Protection.
כדי לבצע אימות ב-Sensitive Data Protection, צריך להגדיר את Application Default Credentials. למידע נוסף, ראו הגדרת אימות לסביבת פיתוח מקומית.
Python
במאמר ספריות הלקוח של Sensitive Data Protection מוסבר איך להתקין את ספריית הלקוח ולהשתמש בה ב-Sensitive Data Protection.
כדי לבצע אימות ב-Sensitive Data Protection, צריך להגדיר את Application Default Credentials. למידע נוסף, ראו הגדרת אימות לסביבת פיתוח מקומית.
REST
למשאב DlpJob יש את ה-method projects.dlpJobs.list, שבאמצעותה אפשר להציג את כל המשימות.
כדי להציג את כל המשימות שמוגדרות כרגע בפרויקט, שולחים בקשת GET לנקודת הקצה dlpJobs, כמו בדוגמה הבאה:
כתובת ה-URL:
GET https://dlp.googleapis.com/v2/projects/[PROJECT-ID]/dlpJobs
פלט ה-JSON הבא מציג את אחת מהמשימות שהוחזרו. שימו לב שהמבנה של המשימה משקף את המבנה של המשאב DlpJob.
פלט מסוג JSON:
{
"jobs":[
{
"name":"projects/[PROJECT-ID]/dlpJobs/i-5270277269264714623",
"type":"INSPECT_JOB",
"state":"DONE",
"inspectDetails":{
"requestedOptions":{
"snapshotInspectTemplate":{
},
"jobConfig":{
"storageConfig":{
"cloudStorageOptions":{
"fileSet":{
"url":"[CLOUD-STORAGE-URL]"
},
"fileTypes":[
"FILE_TYPE_UNSPECIFIED"
],
"filesLimitPercent":100
},
"timespanConfig":{
"startTime":"2019-09-08T22:43:16.623Z",
"enableAutoPopulationOfTimespanConfig":true
}
},
"inspectConfig":{
"infoTypes":[
{
"name":"US_SOCIAL_SECURITY_NUMBER"
},
{
"name":"CANADA_SOCIAL_INSURANCE_NUMBER"
}
],
"minLikelihood":"LIKELY",
"limits":{
},
"includeQuote":true
},
"actions":[
{
"saveFindings":{
"outputConfig":{
"table":{
"projectId":"[PROJECT-ID]",
"datasetId":"[DATASET-ID]",
"tableId":"[TABLE-ID]"
}
}
}
}
]
}
},
"result":{
...
}
},
"createTime":"2019-09-09T22:43:16.918Z",
"startTime":"2019-09-09T22:43:16.918Z",
"endTime":"2019-09-09T22:43:53.091Z",
"jobTriggerName":"projects/[PROJECT-ID]/jobTriggers/sample-trigger2"
},
...
]
}
כדי לנסות את זה במהירות, אתם יכולים להשתמש ב-API Explorer שמוטמע בהמשך. למידע כללי על השימוש ב-JSON כדי לשלוח בקשות ל-DLP API, קראו את המדריך למתחילים בנושא JSON.
רשימה של כל הטריגרים של המשימות
כדי להציג רשימה של כל הטריגרים של המשימות בפרויקט הנוכחי:
המסוף
נכנסים לדף Sensitive Data Protection במסוף Google Cloud .
מעבר אל Sensitive Data Protection
בכרטיסיית המשנה Job triggers שבכרטיסייה Inspection, מוצגת רשימה של כל הטריגרים למשימות בפרויקט הנוכחי.
C#
במאמר ספריות הלקוח של Sensitive Data Protection מוסבר איך להתקין את ספריית הלקוח ולהשתמש בה ב-Sensitive Data Protection.
כדי לבצע אימות ב-Sensitive Data Protection, צריך להגדיר את Application Default Credentials. למידע נוסף, ראו הגדרת אימות לסביבת פיתוח מקומית.
Go
במאמר ספריות הלקוח של Sensitive Data Protection מוסבר איך להתקין את ספריית הלקוח ולהשתמש בה ב-Sensitive Data Protection.
כדי לבצע אימות ב-Sensitive Data Protection, צריך להגדיר את Application Default Credentials. למידע נוסף, ראו הגדרת אימות לסביבת פיתוח מקומית.
Java
במאמר ספריות הלקוח של Sensitive Data Protection מוסבר איך להתקין את ספריית הלקוח ולהשתמש בה ב-Sensitive Data Protection.
כדי לבצע אימות ב-Sensitive Data Protection, צריך להגדיר את Application Default Credentials. למידע נוסף, ראו הגדרת אימות לסביבת פיתוח מקומית.
Node.js
במאמר ספריות הלקוח של Sensitive Data Protection מוסבר איך להתקין את ספריית הלקוח ולהשתמש בה ב-Sensitive Data Protection.
כדי לבצע אימות ב-Sensitive Data Protection, צריך להגדיר את Application Default Credentials. למידע נוסף, ראו הגדרת אימות לסביבת פיתוח מקומית.
PHP
במאמר ספריות הלקוח של Sensitive Data Protection מוסבר איך להתקין את ספריית הלקוח ולהשתמש בה ב-Sensitive Data Protection.
כדי לבצע אימות ב-Sensitive Data Protection, צריך להגדיר את Application Default Credentials. למידע נוסף, ראו הגדרת אימות לסביבת פיתוח מקומית.
Python
במאמר ספריות הלקוח של Sensitive Data Protection מוסבר איך להתקין את ספריית הלקוח ולהשתמש בה ב-Sensitive Data Protection.
כדי לבצע אימות ב-Sensitive Data Protection, צריך להגדיר את Application Default Credentials. למידע נוסף, ראו הגדרת אימות לסביבת פיתוח מקומית.
REST
למשאב JobTrigger יש את ה-method projects.jobTriggers.list, שבאמצעותה אפשר להציג את כל הטריגרים של המשימות.
כדי להציג את כל הטריגרים של המשימות שמוגדרים כרגע בפרויקט, שולחים בקשת GET לנקודת הקצה jobTriggers, כמו שמוצג כאן:
כתובת ה-URL:
GET https://dlp.googleapis.com/v2/projects/[PROJECT-ID]/jobTriggers
פלט ה-JSON הבא מציג את טריגר המשימה שיצרנו בקטע הקודם. שימו לב שהמבנה של הטריגר של המשימה משקף את המבנה של המשאב JobTrigger.
פלט מסוג JSON:
{
"jobTriggers":[
{
"name":"projects/[PROJECT_ID]/jobTriggers/[JOB_TRIGGER_NAME]",
"displayName":"JobTrigger1",
"description":"Starts an inspection of a Datastore kind",
"inspectJob":{
"storageConfig":{
"datastoreOptions":{
"partitionId":{
"projectId":"[PROJECT_ID]",
"namespaceId":"[NAMESPACE_ID]"
},
"kind":{
"name":"Example-Kind"
}
}
},
"inspectConfig":{
"infoTypes":[
{
"name":"PHONE_NUMBER"
}
],
"minLikelihood":"LIKELY",
"limits":{
},
"includeQuote":true
},
"actions":[
{
"saveFindings":{
"outputConfig":{
"table":{
"projectId":"[PROJECT_ID]",
"datasetId":"[BIGQUERY_DATASET_NAME]",
"tableId":"[BIGQUERY_TABLE_NAME]"
}
}
}
}
]
},
"triggers":[
{
"schedule":{
"recurrencePeriodDuration":"86400s"
}
}
],
"createTime":"2018-11-30T01:52:41.171857Z",
"updateTime":"2018-11-30T01:52:41.171857Z",
"status":"HEALTHY"
},
...
],
"nextPageToken":"KkwKCQjivJ2UpPreAgo_Kj1wcm9qZWN0cy92ZWx2ZXR5LXN0dWR5LTE5NjEwMS9qb2JUcmlnZ2Vycy8xNTA5NzEyOTczMDI0MDc1NzY0"
}
כדי לנסות את זה במהירות, אתם יכולים להשתמש ב-API Explorer שמוטמע בהמשך. למידע כללי על השימוש ב-JSON כדי לשלוח בקשות ל-DLP API, קראו את המדריך למתחילים בנושא JSON.
מחיקת משרה
כדי למחוק משימה מהפרויקט, כולל התוצאות שלה: הפעולה הזו לא משפיעה על תוצאות שנשמרו באופן חיצוני (למשל ב-BigQuery).
המסוף
נכנסים לדף Sensitive Data Protection במסוף Google Cloud .
לוחצים על הכרטיסייה Inspection ואז על כרטיסיית המשנה משימות ביקורת. במסוף Google Cloud מוצגת רשימה של כל המשימות בפרויקט הנוכחי.
בעמודה Actions של הטריגר שרוצים למחוק, לוחצים על תפריט האפשרויות הנוספות (שלוש נקודות אנכיות) ואז על Delete.
אפשר גם ללחוץ על המזהה של המשימה שרוצים למחוק ברשימת המשימות. בדף הפרטים של המשימה, לוחצים על מחיקה.
C#
במאמר ספריות הלקוח של Sensitive Data Protection מוסבר איך להתקין את ספריית הלקוח ולהשתמש בה ב-Sensitive Data Protection.
כדי לבצע אימות ב-Sensitive Data Protection, צריך להגדיר את Application Default Credentials. למידע נוסף, ראו הגדרת אימות לסביבת פיתוח מקומית.
Go
במאמר ספריות הלקוח של Sensitive Data Protection מוסבר איך להתקין את ספריית הלקוח ולהשתמש בה ב-Sensitive Data Protection.
כדי לבצע אימות ב-Sensitive Data Protection, צריך להגדיר את Application Default Credentials. למידע נוסף, ראו הגדרת אימות לסביבת פיתוח מקומית.
Java
במאמר ספריות הלקוח של Sensitive Data Protection מוסבר איך להתקין את ספריית הלקוח ולהשתמש בה ב-Sensitive Data Protection.
כדי לבצע אימות ב-Sensitive Data Protection, צריך להגדיר את Application Default Credentials. למידע נוסף, ראו הגדרת אימות לסביבת פיתוח מקומית.
Node.js
במאמר ספריות הלקוח של Sensitive Data Protection מוסבר איך להתקין את ספריית הלקוח ולהשתמש בה ב-Sensitive Data Protection.
כדי לבצע אימות ב-Sensitive Data Protection, צריך להגדיר את Application Default Credentials. למידע נוסף, ראו הגדרת אימות לסביבת פיתוח מקומית.
PHP
במאמר ספריות הלקוח של Sensitive Data Protection מוסבר איך להתקין את ספריית הלקוח ולהשתמש בה ב-Sensitive Data Protection.
כדי לבצע אימות ב-Sensitive Data Protection, צריך להגדיר את Application Default Credentials. למידע נוסף, ראו הגדרת אימות לסביבת פיתוח מקומית.
Python
במאמר ספריות הלקוח של Sensitive Data Protection מוסבר איך להתקין את ספריית הלקוח ולהשתמש בה ב-Sensitive Data Protection.
כדי לבצע אימות ב-Sensitive Data Protection, צריך להגדיר את Application Default Credentials. למידע נוסף, ראו הגדרת אימות לסביבת פיתוח מקומית.
REST
כדי למחוק משימה מהפרויקט הנוכחי, שולחים בקשת DELETE לנקודת הקצה dlpJobs, כמו שמוצג כאן. מחליפים את השדה [JOB-IDENTIFIER] במזהה של המשימה, שמתחיל ב-i-.
כתובת ה-URL:
DELETE https://dlp.googleapis.com/v2/projects/[PROJECT-ID]/dlpJobs/[JOB-IDENTIFIER]
אם הבקשה תצליח, ה-DLP API יחזיר תגובת הצלחה. כדי לוודא שהמשימה נמחקה, מציגים את רשימת כל המשימות.
כדי לנסות את זה במהירות, אתם יכולים להשתמש ב-API Explorer שמוטמע בהמשך. למידע כללי על השימוש ב-JSON כדי לשלוח בקשות ל-DLP API, קראו את המדריך למתחילים בנושא JSON.
מחיקת טריגר של משימה
המסוף
נכנסים לדף Sensitive Data Protection במסוף Google Cloud .
מעבר אל Sensitive Data Protection
בכרטיסייה Inspection, בכרטיסיית המשנה Job triggers, מוצגת רשימה של כל הטריגרים למשימות בפרויקט הנוכחי.
בעמודה Actions של הטריגר שרוצים למחוק, לוחצים על תפריט האפשרויות הנוספות (שלוש נקודות אנכיות) ואז על Delete.
לחלופין, ברשימת הטריגרים של המשימות, לוחצים על השם של הטריגר שרוצים למחוק. בדף הפרטים של הטריגר למשימה, לוחצים על Delete.
C#
במאמר ספריות הלקוח של Sensitive Data Protection מוסבר איך להתקין את ספריית הלקוח ולהשתמש בה ב-Sensitive Data Protection.
כדי לבצע אימות ב-Sensitive Data Protection, צריך להגדיר את Application Default Credentials. למידע נוסף, ראו הגדרת אימות לסביבת פיתוח מקומית.
Go
במאמר ספריות הלקוח של Sensitive Data Protection מוסבר איך להתקין את ספריית הלקוח ולהשתמש בה ב-Sensitive Data Protection.
כדי לבצע אימות ב-Sensitive Data Protection, צריך להגדיר את Application Default Credentials. למידע נוסף, ראו הגדרת אימות לסביבת פיתוח מקומית.
Java
במאמר ספריות הלקוח של Sensitive Data Protection מוסבר איך להתקין את ספריית הלקוח ולהשתמש בה ב-Sensitive Data Protection.
כדי לבצע אימות ב-Sensitive Data Protection, צריך להגדיר את Application Default Credentials. למידע נוסף, ראו הגדרת אימות לסביבת פיתוח מקומית.
Node.js
במאמר ספריות הלקוח של Sensitive Data Protection מוסבר איך להתקין את ספריית הלקוח ולהשתמש בה ב-Sensitive Data Protection.
כדי לבצע אימות ב-Sensitive Data Protection, צריך להגדיר את Application Default Credentials. למידע נוסף, ראו הגדרת אימות לסביבת פיתוח מקומית.
PHP
במאמר ספריות הלקוח של Sensitive Data Protection מוסבר איך להתקין את ספריית הלקוח ולהשתמש בה ב-Sensitive Data Protection.
כדי לבצע אימות ב-Sensitive Data Protection, צריך להגדיר את Application Default Credentials. למידע נוסף, ראו הגדרת אימות לסביבת פיתוח מקומית.
Python
במאמר ספריות הלקוח של Sensitive Data Protection מוסבר איך להתקין את ספריית הלקוח ולהשתמש בה ב-Sensitive Data Protection.
כדי לבצע אימות ב-Sensitive Data Protection, צריך להגדיר את Application Default Credentials. למידע נוסף, ראו הגדרת אימות לסביבת פיתוח מקומית.
REST
כדי למחוק טריגר של משימה מהפרויקט הנוכחי, שולחים בקשת DELETE לנקודת הקצה (endpoint) jobTriggers, כמו שמוצג כאן. מחליפים את השדה [JOB-TRIGGER-NAME] בשם של הטריגר להפעלה.
כתובת ה-URL:
DELETE https://dlp.googleapis.com/v2/projects/[PROJECT-ID]/jobTriggers/[JOB-TRIGGER-NAME]
אם הבקשה תצליח, ה-DLP API יחזיר תגובת הצלחה. כדי לוודא שהטריגר של המשימה נמחק, מציגים את כל הטריגרים של המשימות.
כדי לנסות את זה במהירות, אתם יכולים להשתמש ב-API Explorer שמוטמע בהמשך. למידע כללי על השימוש ב-JSON כדי לשלוח בקשות ל-DLP API, קראו את המדריך למתחילים בנושא JSON.
למצוא עבודה
כדי לקבל משימה מהפרויקט, כולל התוצאות שלה, מבצעים את הפעולות הבאות. הפעולה הזו לא משפיעה על תוצאות שנשמרו באופן חיצוני (למשל ב-BigQuery).
C#
במאמר ספריות הלקוח של Sensitive Data Protection מוסבר איך להתקין את ספריית הלקוח ולהשתמש בה ב-Sensitive Data Protection.
כדי לבצע אימות ב-Sensitive Data Protection, צריך להגדיר את Application Default Credentials. למידע נוסף, ראו הגדרת אימות לסביבת פיתוח מקומית.
Go
במאמר ספריות הלקוח של Sensitive Data Protection מוסבר איך להתקין את ספריית הלקוח ולהשתמש בה ב-Sensitive Data Protection.
כדי לבצע אימות ב-Sensitive Data Protection, צריך להגדיר את Application Default Credentials. למידע נוסף, ראו הגדרת אימות לסביבת פיתוח מקומית.
Java
במאמר ספריות הלקוח של Sensitive Data Protection מוסבר איך להתקין את ספריית הלקוח ולהשתמש בה ב-Sensitive Data Protection.
כדי לבצע אימות ב-Sensitive Data Protection, צריך להגדיר את Application Default Credentials. למידע נוסף, ראו הגדרת אימות לסביבת פיתוח מקומית.
Node.js
במאמר ספריות הלקוח של Sensitive Data Protection מוסבר איך להתקין את ספריית הלקוח ולהשתמש בה ב-Sensitive Data Protection.
כדי לבצע אימות ב-Sensitive Data Protection, צריך להגדיר את Application Default Credentials. למידע נוסף, ראו הגדרת אימות לסביבת פיתוח מקומית.
PHP
במאמר ספריות הלקוח של Sensitive Data Protection מוסבר איך להתקין את ספריית הלקוח ולהשתמש בה ב-Sensitive Data Protection.
כדי לבצע אימות ב-Sensitive Data Protection, צריך להגדיר את Application Default Credentials. למידע נוסף, ראו הגדרת אימות לסביבת פיתוח מקומית.
Python
במאמר ספריות הלקוח של Sensitive Data Protection מוסבר איך להתקין את ספריית הלקוח ולהשתמש בה ב-Sensitive Data Protection.
כדי לבצע אימות ב-Sensitive Data Protection, צריך להגדיר את Application Default Credentials. למידע נוסף, ראו הגדרת אימות לסביבת פיתוח מקומית.
REST
כדי לקבל משימה מהפרויקט הנוכחי, שולחים בקשת GET לנקודת הקצה (endpoint) dlpJobs, כמו שמוצג כאן. מחליפים את השדה [JOB-IDENTIFIER] במזהה של המשימה, שמתחיל ב-i-.
כתובת ה-URL:
GET https://dlp.googleapis.com/v2/projects/[PROJECT-ID]/dlpJobs/[JOB-IDENTIFIER]
אם הבקשה תצליח, ה-DLP API יחזיר תגובת הצלחה.
כדי לנסות את זה במהירות, אתם יכולים להשתמש ב-API Explorer שמוטמע בהמשך. למידע כללי על השימוש ב-JSON כדי לשלוח בקשות ל-DLP API, קראו את המדריך למתחילים בנושא JSON.
הפעלה מיידית של טריגר למשימה
אחרי שיוצרים טריגר למשימה, אפשר להפעיל אותו כדי לאלץ הפעלה מיידית של הטריגר לצורך בדיקה. כדי לעשות את זה, מריצים את הפקודה הבאה:
curl --request POST \
-H "Content-Type: application/json" \
-H "Accept: application/json" \
-H "Authorization: Bearer $(gcloud auth print-access-token)" \
-H "X-Goog-User-Project: PROJECT_ID" \
'https://dlp.googleapis.com/v2/JOB_TRIGGER_NAME:activate'
מחליפים את מה שכתוב בשדות הבאים:
- PROJECT_ID: המזהה של הפרויקט ב- Google Cloud לחיוב על חיובי גישה שמשויכים לבקשה.
- JOB_TRIGGER_NAME: שם המשאב המלא של הטריגר להפעלה, לדוגמה
projects/my-project/locations/global/jobTriggers/123456789.
עדכון טריגר קיים של משימה
בנוסף ליצירה, להצגה ולמחיקה של טריגרים של משימות, אתם יכולים גם לעדכן טריגר קיים של משימה. כדי לשנות את ההגדרות של טריגר קיים להפעלה של משימה:
המסוף
נכנסים לדף Sensitive Data Protection במסוף Google Cloud .
לוחצים על הכרטיסייה Inspection ואז על כרטיסיית המשנה Job triggers.
במסוף תוצג רשימה של כל הטריגרים של המשימות בפרויקט הנוכחי.
בעמודה Actions של הטריגר שרוצים למחוק, לוחצים על More more_vert ואז על View details.
בדף הפרטים של הטריגר של המשימה, לוחצים על Edit.
בדף Edit trigger, אתם יכולים לשנות את המיקום של נתוני הקלט, את פרטי הזיהוי כמו תבניות, סוגי מידע או סבירות, את הפעולות שאחרי הסריקה ואת לוח הזמנים של הטריגר להפעלת משימה. בסיום ביצוע השינויים, לוחצים על שמירה.
C#
במאמר ספריות הלקוח של Sensitive Data Protection מוסבר איך להתקין את ספריית הלקוח ולהשתמש בה ב-Sensitive Data Protection.
כדי לבצע אימות ב-Sensitive Data Protection, צריך להגדיר את Application Default Credentials. למידע נוסף, ראו הגדרת אימות לסביבת פיתוח מקומית.
Go
במאמר ספריות הלקוח של Sensitive Data Protection מוסבר איך להתקין את ספריית הלקוח ולהשתמש בה ב-Sensitive Data Protection.
כדי לבצע אימות ב-Sensitive Data Protection, צריך להגדיר את Application Default Credentials. למידע נוסף, ראו הגדרת אימות לסביבת פיתוח מקומית.
Java
במאמר ספריות הלקוח של Sensitive Data Protection מוסבר איך להתקין את ספריית הלקוח ולהשתמש בה ב-Sensitive Data Protection.
כדי לבצע אימות ב-Sensitive Data Protection, צריך להגדיר את Application Default Credentials. למידע נוסף, ראו הגדרת אימות לסביבת פיתוח מקומית.
Node.js
במאמר ספריות הלקוח של Sensitive Data Protection מוסבר איך להתקין את ספריית הלקוח ולהשתמש בה ב-Sensitive Data Protection.
כדי לבצע אימות ב-Sensitive Data Protection, צריך להגדיר את Application Default Credentials. למידע נוסף, ראו הגדרת אימות לסביבת פיתוח מקומית.
PHP
במאמר ספריות הלקוח של Sensitive Data Protection מוסבר איך להתקין את ספריית הלקוח ולהשתמש בה ב-Sensitive Data Protection.
כדי לבצע אימות ב-Sensitive Data Protection, צריך להגדיר את Application Default Credentials. למידע נוסף, ראו הגדרת אימות לסביבת פיתוח מקומית.
Python
במאמר ספריות הלקוח של Sensitive Data Protection מוסבר איך להתקין את ספריית הלקוח ולהשתמש בה ב-Sensitive Data Protection.
כדי לבצע אימות ב-Sensitive Data Protection, צריך להגדיר את Application Default Credentials. למידע נוסף, ראו הגדרת אימות לסביבת פיתוח מקומית.
REST
משתמשים ב-method projects.jobTriggers.patch כדי לשלוח ערכי JobTrigger חדשים ל-DLP API, כדי לעדכן את הערכים האלה בטריגר מוגדר של משימה.
לדוגמה, נניח שיש לכם את הטריגר הפשוט הבא למשימה. קובץ ה-JSON הזה מייצג את הטריגר של המשימה, והוא הוחזר אחרי שליחת בקשת GET לנקודת הקצה של הטריגר של המשימה בפרויקט הנוכחי.
פלט מסוג JSON:
{
"name":"projects/[PROJECT_ID]/jobTriggers/[JOB_TRIGGER_NAME]",
"inspectJob":{
"storageConfig":{
"cloudStorageOptions":{
"fileSet":{
"url":"gs://dlptesting/*"
},
"fileTypes":[
"FILE_TYPE_UNSPECIFIED"
],
"filesLimitPercent":100
},
"timespanConfig":{
"enableAutoPopulationOfTimespanConfig":true
}
},
"inspectConfig":{
"infoTypes":[
{
"name":"US_SOCIAL_SECURITY_NUMBER"
}
],
"minLikelihood":"POSSIBLE",
"limits":{
}
},
"actions":[
{
"jobNotificationEmails":{
}
}
]
},
"triggers":[
{
"schedule":{
"recurrencePeriodDuration":"86400s"
}
}
],
"createTime":"2019-03-06T21:19:45.774841Z",
"updateTime":"2019-03-06T21:19:45.774841Z",
"status":"HEALTHY"
}
כששולחים את קובץ ה-JSON הבא עם בקשת PATCH לנקודת הקצה שצוינה, הוא מעדכן את הטריגר של המשימה שצוינה עם infoType חדש לסריקה וגם עם סבירות מינימלית חדשה. שימו לב שצריך לציין גם את המאפיין updateMask, והערך שלו צריך להיות בפורמט FieldMask.
קלט JSON:
PATCH https://dlp.googleapis.com/v2/projects/[PROJECT_ID]/jobTriggers/[JOB_TRIGGER_NAME]
{
"jobTrigger": {
"inspectJob": {
"inspectConfig": {
"infoTypes": [
{
"name": "US_INDIVIDUAL_TAXPAYER_IDENTIFICATION_NUMBER"
}
],
"minLikelihood": "LIKELY"
}
}
},
"updateMask": "inspectJob.inspectConfig.infoTypes,inspectJob.inspectConfig.minLikelihood"
}
אחרי ששולחים את ה-JSON הזה לכתובת ה-URL שצוינה, הוא מחזיר את התוצאה הבאה, שמייצגת את הטריגר המעודכן של המשימה. שימו לב שערכי ה-infoType והסבירות המקוריים הוחלפו בערכים החדשים.
פלט מסוג JSON:
{
"name":"projects/[PROJECT_ID]/jobTriggers/[JOB_TRIGGER_NAME]",
"inspectJob":{
"storageConfig":{
"cloudStorageOptions":{
"fileSet":{
"url":"gs://dlptesting/*"
},
"fileTypes":[
"FILE_TYPE_UNSPECIFIED"
],
"filesLimitPercent":100
},
"timespanConfig":{
"enableAutoPopulationOfTimespanConfig":true
}
},
"inspectConfig":{
"infoTypes":[
{
"name":"US_INDIVIDUAL_TAXPAYER_IDENTIFICATION_NUMBER"
}
],
"minLikelihood":"LIKELY",
"limits":{
}
},
"actions":[
{
"jobNotificationEmails":{
}
}
]
},
"triggers":[
{
"schedule":{
"recurrencePeriodDuration":"86400s"
}
}
],
"createTime":"2019-03-06T21:19:45.774841Z",
"updateTime":"2019-03-06T21:27:01.650183Z",
"lastRunTime":"1970-01-01T00:00:00Z",
"status":"HEALTHY"
}
כדי לנסות את זה במהירות, אתם יכולים להשתמש ב-API Explorer שמוטמע בהמשך. למידע כללי על השימוש ב-JSON כדי לשלוח בקשות ל-DLP API, קראו את המדריך למתחילים בנושא JSON.
זמן האחזור של המשימה
אין יעדים למדידת רמת השירות (SLO) שמובטחים למשימות ולטריגרים של משימות. זמן האחזור מושפע מכמה גורמים, כולל כמות הנתונים לסריקה, מאגר האחסון שנסרק, הסוג והמספר של ה-infoTypes שאתם סורקים, האזור שבו המשימה מעובדת ומשאבי המחשוב שזמינים באותו אזור. לכן אי אפשר לקבוע מראש את זמן האחזור של משימות הביקורת.
כדי לצמצם את זמן האחזור של המשימה, אתם יכולים לנסות את הפעולות הבאות:
- אם דגימה זמינה למשימה או לטריגר של המשימה, הפעילו אותה.
אל תפעילו סוגי מידע שאתם לא צריכים. למרות שהסוגים הבאים שימושיים בתרחישים מסוימים, הם יכולים לגרום לבקשות לפעול לאט יותר מבקשות שלא כוללות אותם:
PERSON_NAMEFEMALE_NAMEMALE_NAMEFIRST_NAMELAST_NAMEDATE_OF_BIRTHLOCATIONSTREET_ADDRESSORGANIZATION_NAME
תמיד צריך לציין את סוגי המידע באופן מפורש. אל תשתמשו ברשימה ריקה של infoTypes.
אם אפשר, השתמשו באזור עיבוד אחר.
אם אתם עדיין נתקלים בבעיות של זמן אחזור במשימות אחרי שניסיתם את השיטות האלה, כדאי להשתמש בבקשות content.inspect או content.deidentify במקום במשימות. השיטות האלה נכללות בהסכם רמת השירות. מידע נוסף זמין במאמר הסכם רמת השירות (SLA) של Sensitive Data Protection.
הגבלת הסריקות לתוכן חדש בלבד
אתם יכולים להגדיר את הטריגר של המשימה כך שיגדיר באופן אוטומטי את טווח הזמן של קבצים שמאוחסנים ב-Cloud Storage או ב-BigQuery. כשמגדירים את האובייקט TimespanConfig למילוי אוטומטי, Sensitive Data Protection סורק רק נתונים שנוספו או שונו מאז שהטריגר הופעל בפעם האחרונה:
...
timespan_config {
enable_auto_population_of_timespan_config: true
}
...
בבדיקה של BigQuery, רק שורות שנוצרו לפני שלוש שעות לפחות נכללות בסריקה. בעיה ידועה שקשורה לפעולה הזו.
הפעלת משימות בזמן העלאת קבצים
בנוסף לתמיכה בטריגרים של משימות, שמובנית ב-Sensitive Data Protection, ב-Google Cloud יש גם מגוון רכיבים אחרים שאפשר להשתמש בהם כדי לשלב או להפעיל משימות של Sensitive Data Protection. לדוגמה, אתם יכולים להשתמש בפונקציות Cloud Run כדי להפעיל סריקה של Sensitive Data Protection בכל פעם שקובץ מועלה ל-Cloud Storage.
במאמר סיווג אוטומטי של נתונים שהועלו ל-Cloud Storage מוסבר איך להגדיר את הפעולה הזו.
משימות שהסתיימו בהצלחה בלי לבדוק נתונים
משימה יכולה להסתיים בהצלחה גם אם לא נסרקו נתונים. הנה כמה דוגמאות לתרחישים שבהם זה יכול לקרות:
- המשימה מוגדרת לבדוק נכס נתונים ספציפי, כמו קובץ, שקיים אבל ריק.
- המשימה מוגדרת לבדוק נכס נתונים שלא קיים או שכבר לא קיים.
- המשימה מוגדרת לבדוק קטגוריה ריקה של Cloud Storage.
- המשימה מוגדרת לבדיקת קטגוריה, והסריקה הרקורסיבית מושבתת. ברמה העליונה, הקטגוריה מכילה רק תיקיות, והן מכילות את הקבצים.
- המשימה מוגדרת לבדוק רק סוג קובץ ספציפי בקטגוריה, אבל אין בקטגוריה קבצים מהסוג הזה.
- המשימה מוגדרת לבדיקה של תוכן חדש בלבד, אבל לא היו עדכונים אחרי הפעם האחרונה שהמשימה הופעלה.
במסוף Google Cloud , בשדה Bytes scanned שבדף Job details, מצוינת כמות הנתונים שנבדקו במשימה. ב-DLP API, השדה processedBytes מציין את כמות הנתונים שנבדקו.