本頁面列出 Sensitive Data Protection 可掃描的檔案類型，並說明 Sensitive Data Protection 用於分析檔案的掃描模式。
檢查和去識別化作業支援的檔案類型
下表列出 Sensitive Data Protection 可檢查及轉換 (去識別化) 的檔案類型。
Sensitive Data Protection 會根據副檔名和媒體 (MIME) 類型，判斷要掃描的檔案類型和要套用的掃描模式。舉例來說，Sensitive Data Protection 會以純文字模式掃描 .txt 檔案，即使檔案結構為 CSV 檔案 (通常以結構化剖析模式掃描) 也是如此。
| 檔案類型 | 副檔名 | 限制 | 掃描模式 | 轉換支援 |
|---|---|---|---|---|
Apache Avro |
avro |
Avro 限制 | 結構化剖析 | |
Comma- or tab-separated values | csv、tsv | 結構化剖析 | 將內容去識別化 | |
PDF |
PDF 限制 | 智慧型文件剖析 | ||
Text |
asc、brf、c、c++、cc、cpp、cs、css、cxx、dart、eml、go、h、h++、hh、hpp、hs、htm、html、hxx、ini、java、js、json、jsonl、lhs、m、markdown、md、mkd、ml、mli、ocaml、php、pht、phtml、pl、pm、py、pyw、rb、rbw、rc、rs、scala、sh、shtm、shtml、sql、tex、text、txt、vcard、vcs、wml、xhtml、xml、xsd、xsl、yaml、yml |
純文字 | 將內容去識別化 | |
Microsoft Word |
docm、docx、dotm、dotx |
字數限制 | 智慧型文件剖析 | |
Microsoft Excel |
xlsm、xlsx、xltm、xltx |
Excel 限制 | 智慧型文件剖析 | |
Microsoft Powerpoint |
potm、potx、pptm、pptx |
PowerPoint 限制 | 智慧型文件剖析 | |
Image |
bmp、gif、jpe、jpeg、jpg、png、tif、tiff |
TIFF 限制 |
|
遮蓋：適用於 TIFF 以外的所有圖片類型 |
Binary |
無法辨識的檔案類型，以及無法使用光學字元辨識 (OCR)、圖片內容偵測或圖片內容分類功能掃描的圖片。 |
二進位檔 |
探索作業支援的檔案叢集
在探索期間，Sensitive Data Protection 會將偵測到的檔案整理成檔案叢集。這些叢集是一組類型相似的檔案。下表列出支援的檔案叢集和副檔名。並非所有偵測到的檔案都能掃描。
Sensitive Data Protection 支援更多檔案叢集後，檔案可能會在檔案叢集之間移動。隨著掃描支援範圍擴大，探索服務可能會開始掃描先前未掃描的檔案。系統會按照 Discovery 定價向您收費。
| 檔案叢集 | 副檔名 | 限制 | 掃描模式 |
|---|---|---|---|
Text |
asc、eml、htm、html、ini、json、jsonL、log、markdown、md、mkd、plist、shtm、shtml、sql、tex、text、txt、vcard、vcs、xsd、xsl |
純文字 | |
Source Code |
bat、brf、c、c++、cc、cmd、cpp、cs、css、cxx、dart、go、h、hh、hpp、hs、hxx、java、js、lhs、m、ml、ocaml、php、phtm、phtml、pl、ps1、py、pyw、rb、rbw、rc、rs、scala、scpt、scr、script、sh、sql、vb、vbs、wml、xml、yaml、yml |
純文字 | |
Structured Data |
avro、csv、tsv、proto |
Avro、CSV 和 TSV 檔案的結構化剖析。proto 檔案的純文字剖析 | |
Rich Documents |
doc、docm、docx、dotm、dotx、pdf、potm、potx、ppt、pptm、pptx、xls、xlsm、xlsx、xltm、xltx |
系統會掃描小於 30 MiB 的受支援 PDF、Microsoft Word、Excel 和 PowerPoint 檔案。 | 智慧型文件剖析 |
Images |
bmp、gif、heic、ico、jpe、jpeg、jpg、pm、png、svg、tif、tiff、webp |
在支援圖片掃描的區域，系統會使用 OCR 掃描小於 4 MiB 的支援圖片 (bmp、gif、jpe、jpeg、jpg、png、tif 和 tiff)。TIFF 圖片必須符合 TIFF 限制。 |
|
Executables |
ac、air、apk、app、appimage、bas、bin、bms、class、cls、com、command、ctl、ctx、dca、ddf、dep、dll、dob、dox、dsr、dsx、dws、exe、frm、frx、gadget、ipa、mpk、oca、ocx、pag、pgx、pif、pyc、res、run、scb、tlb、vbd、vbg、vbl、vbp、vbr、vbw、vbz、vlx、wct、widget、workflow、wsf、x86、x86_64、xap、xbe、xlm |
目前不會掃描 | |
Archives |
7z、a、ace、afa、alz、apk、ar、arc、arj、ark、b1、b6z、ba、bh、cab、car、cdx、cfs、cpio、cpt、dar、dd、dgc、dmg、ear、esd、gca、genozip、gz、ha、hki、ice、ima、img、iso、jar、kgb、lha、lpaq#*、lzh、lzx、mou、pak、paq#*、paq6、paq7、paq8 和變體、partimg、pea、phar、pim、pit、qda、rar、rk、run、s7z、sda、sea、sen、sfx、shar、shk、sit、sitx、sqx、swm、tar、tar.bz2、tar.gz、tar.lz4、tar.lzma、tar.xz、tar.z、tgz、uc、uc0、uc2、uca、ucn、ue2、uha、ur2、war、wim、xar、xp3、yz1、zip、zipx、zoo、zpaq、zz |
Sensitive Data Protection 會掃描副檔名為 bz2、cpio、gz、jar、lz4、lzma、tar、tar.bz2、tar.gz、tar.lz4、tar.lzma、tar.xz、tar.z、xz、z、zip 的封存檔 系統會依據檔案類型，以不同的模式掃描檔案。 |
|
Multimedia |
3g2、3gp、8svx、aa、aac、aax、act、aiff、alac、amr、amv、ape、asf、au、avi、awb、cda、drc、dss、dvf、f4a、f4b、f4p、f4v、flac、flv、gif、gifv、gsm、iklax、ivs、M2TS、m2v、m4a、m4b、m4p、m4p (含 DRM)、m4v、mkv、mmf、mng、mogg、mov、movpkg、mp2、mp3、mp4、mpc、mpe、mpeg、mpg、mpv、msv、MTS、mxf、nmf、nsv、oga、ogg、ogv、opus、qt、ra、raw、rf64、rm、rmvb、roq、sln、svi、TS、tta、viv、vob、voc、vox、wav、webm、wma、wmv、wv、yuv |
目前不會掃描 | |
AI Models |
caffemodel、ckpt、coreml、dlc、ggjt、ggmf、ggml、gguf、h5、keras、llamafile、mar、mleap、nc、npy、npz、onnx、pb、pkl、prompt、pt、pt2、pte、pth、ptl、safetensors、surml、tflite、tfrecords |
目前不會掃描 | |
Unknown |
不屬於其他叢集的任何檔案。 | 這些檔案沒有副檔名，或使用常見但非標準的副檔名，例如 .dat、.1 或 .2 | 目前不會掃描 |
Cloud Storage 中無法辨識的檔案類型
如果在儲存空間掃描期間無法辨識檔案，系統預設會將其視為二進位檔案進行掃描。系統會嘗試將內容轉換為 UTF_8，然後以純文字形式掃描。
如果系統在探索掃描期間無法辨識檔案，就不會掃描該檔案。
如果有一組檔案因 Sensitive Data Protection 無法辨識而想略過，可以使用 CloudStorageOptions.file_set.regex_file_set.exclude_regex 指定排除清單。
每個檔案的掃描位元組數限制
一般來說，您可以限制每個檔案掃描的位元組數。在Google Cloud 控制台中，您可以開啟取樣功能。在 Cloud Data Loss Prevention API 中，您需要設定 bytes_limit_per_file 或 bytesLimitPerFilePercent 欄位。
OCR 和智慧剖析模式不支援取樣。也就是說，在 OCR 或智慧型文件剖析模式下掃描下列檔案類型時，Sensitive Data Protection 會忽略您套用的任何設定，限制每個檔案掃描的位元組數。
- 圖片
- Microsoft Excel
- Microsoft PowerPoint
- Microsoft Word
如果以二進位模式掃描這些檔案，則適用相關限制。
掃描模式
如果是 TIFF 圖片，ImageLocation 物件也會包含 pageNumber 欄位，用於識別含有發現項目的頁面。頁碼從 0 開始。
| 掃描模式 | 附註 | 提供其他地點詳細資料 |
|---|---|---|
| 二進位檔 | 如果檔案無法剖析為任何其他類型，系統會將其轉換為 UTF_8，並以文字形式掃描。二進位檔掃描會影響偵測品質。 |
|
| 智慧型文件剖析 | 系統剖析文件時，會從格式設定中擷取出文字。 如果所在區域支援 OCR ，系統會透過這項技術掃描嵌入的圖片。其他區域則會將圖片視為二進位檔案掃描。 |
DocumentLocation |
| 中繼資料擷取 | 除了檔案內容外，從 Cloud Storage 掃描的所有檔案都會掃描 |
MetadataLocation |
| 光學字元辨識 (OCR) |
在支援圖片掃描的區域，Sensitive Data Protection 會使用 OCR 找出圖片中的文字型 infoType。 |
ImageLocation |
| 圖片內容偵測 | 在支援圖片掃描的區域，Sensitive Data Protection 可以直接分析圖片像素和特徵，而非從圖片擷取的文字。這種掃描模式著重於找出圖片中的特定項目，並在該項目周圍產生定界框。舉例來說，這種掃描模式可以偵測圖片中特定位置的人物或條碼。 Sensitive Data Protection 會針對檢查或遮蓋設定中指定的任何物件 infoType，使用這種掃描模式。 |
ImageLocation |
| 圖片內容分類 | 在支援圖片掃描的區域，Sensitive Data Protection 可以直接分析圖片像素和特徵，而非從圖片擷取的文字。這個掃描模式會分析整張圖片，指派單一主題或類別，並產生標籤或分類。 Sensitive Data Protection 會針對檢查或遮蓋設定中指定的任何圖片內容 infoType 偵測工具，使用這種掃描模式。 |
ImageLocation |
| 純文字 | 沒有其他詳細資料 | |
| 結構化剖析 | 結構資訊會影響發現項目。在這種掃描模式下，Sensitive Data Protection 會從標頭取得背景資訊，並執行跨資料列和跨資料欄分析作業，找出相關聯的資料。舉例來說，假設街道地址的各部分散布於某列的不同資料欄，您就能透過這個掃描模式辨識完整街道地址。 掃描結果包含結構資訊，例如包含發現項目的資料列和資料欄名稱。 發現項目不會跨越表格的儲存格邊界。 |
RecordLocation |
以結構化剖析模式掃描結構化檔案
掃描 Avro、CSV 或 TSV 等結構化檔案時，Sensitive Data Protection 會嘗試以結構化剖析掃描模式掃描檔案。與二進位掃描相比，這種掃描模式的偵測品質更佳，因為結構化剖析模式會搜尋結構化資料中資料列和資料欄之間的關聯。系統傳回發現項目時，會一併傳回額外的中繼資料，指出發現項目的位置，包括 fieldId。
不過，在下列情況下，Sensitive Data Protection 可能會還原為二進位掃描模式，不包含結構化剖析模式的強化功能：
- 檔案或標頭損毀。
- 檢查工作設定的大小限制 (例如
bytesLimitPerFile和bytesLimitPerFilePercent) 太小。舉例來說，如果bytesLimitPerFile限制不夠大，無法包含完整的區塊標頭和至少一列有效資料，Sensitive Data Protection 可能會以二進位掃描模式掃描該檔案。
系統會根據取樣設定，從檔案頂端或隨機位置開始掃描資料。
舉例來說，假設您有一個 Avro 檔案，其中包含 50 KB 的區塊標頭和 2 MB 的資料區塊。一般來說，從頂端開始取樣，可確保 Sensitive Data Protection 擷取的樣本一律包含區塊標頭。如果從檔案中的隨機位置開始取樣，且樣本大小小於資料區塊，則樣本可能不包含區塊標頭。在這個範例中，將樣本大小 (由 bytesLimitPerFile 或 bytesLimitPerFilePercent 指定) 增加到 2.05 MB，有助於防止檢查作業還原為二進位剖析模式。
