Introduzione al mascheramento dei dati

Nota: questa funzionalità potrebbe non essere disponibile quando utilizzi le prenotazioni create con alcune versioni di BigQuery. Per ulteriori informazioni su quali sono abilitate in ogni versione, consulta Introduzione alle Versioni di BigQuery.

BigQuery supporta mascheramento dei dati a livello di colonna livello. Puoi utilizzare il mascheramento dei dati per oscurare selettivamente i dati delle colonne per gruppi di utenti, pur consentendo loro di accedere alla colonna. Mascheramento dei dati le funzionalità si basano su controllo dell'accesso a livello di colonna, quindi ti consigliamo di acquisire familiarità con questa funzione prima di procedere.

Quando utilizzi il mascheramento dei dati in combinazione con il controllo dell'accesso a livello di colonna, puoi configurare un intervallo di accesso ai dati delle colonne, dall'accesso completo all'accesso, in base alle esigenze di diversi gruppi di utenti. Ad esempio: per i dati dell'ID fiscale, puoi concedere al tuo gruppo contabile accesso completo, l'accesso mascherato del gruppo di analisti e quello del gruppo di vendita.

Vantaggi

Il mascheramento dei dati offre i seguenti vantaggi:

• Semplifica il processo di condivisione dei dati. Puoi mascherare le colonne sensibili per condividere le tabelle con gruppi più grandi.
• A differenza del controllo dell'accesso a livello di colonna, non è necessario modificare le impostazioni query escludendo le colonne a cui l'utente non può accedere. Quando configurare il mascheramento dei dati; le query esistenti mascherano automaticamente i dati della colonna sui ruoli assegnati all'utente.
• Puoi applicare criteri di accesso ai dati su larga scala. Puoi scrivere dati criterio, associalo a un tag di criteri e applicalo a qualsiasi e il numero di colonne.
• Consente il controllo dell'accesso basato su attributi. Un tag di criteri associato a un fornisce l'accesso ai dati contestuali, che è determinato dal criterio dei dati e le entità associate a quel tag di criteri.

Flusso di lavoro di mascheramento dei dati

La figura 1 mostra il flusso di lavoro per la configurazione del mascheramento dei dati:

Figura 1. Componenti di mascheramento dei dati.

Per configurare il mascheramento dei dati:

1. Imposta una tassonomia e uno o più tag di criteri.

2. Configura le norme sui dati per i tag di criteri. Un criterio dei dati mappa un regola di mascheramento dei dati e una o più entità, che che rappresentano utenti o gruppi.

   Quando creazione di un criterio dei dati utilizzando la console Google Cloud, crei di mascheramento dei dati e specificare le entità in un solo passaggio. Quando crei un utilizzando l'API BigQuery Data Policy. Tu crei il criterio dei dati. e la regola di mascheramento dei dati in un solo passaggio e specificare le entità in un secondo passaggio.

3. Assegna i tag di criteri alle colonne delle tabelle BigQuery a e applicare i criteri relativi ai dati.

4. Assegna gli utenti che devono avere accesso ai dati mascherati al Ruolo Lettore mascherato BigQuery. Come best practice, assegna Ruolo Lettore mascherato BigQuery a livello di criterio dei dati. L'assegnazione del ruolo a livello di progetto o superiore concede agli utenti le autorizzazioni tutti i criteri dei dati nell'ambito del progetto, il che può causare problemi autorizzazioni in eccesso.

   Il tag di criteri associato a un criterio dei dati può essere utilizzata per il controllo dell'accesso a livello di colonna. In questo caso, anche il tag di criteri associati a una o più entità a cui viene concesso Ruolo Lettore granulare Data Catalog. Ciò consente a questi per accedere ai dati della colonna originali, non mascherati.

La figura 2 mostra come funzionano il controllo dell'accesso a livello di colonna e il mascheramento dei dati insieme:

Figura 2. Componenti di mascheramento dei dati.

Per ulteriori informazioni sull'interazione del ruolo, consulta Come interagiscono i ruoli Lettore mascherato e Lettore granulare. Per ulteriori informazioni sull'ereditarietà dei tag di criteri, consulta Gerarchia di ruoli e tag di criteri.

Regole di mascheramento dei dati

Quando utilizzi il mascheramento dei dati, a una colonna in fase di query viene applicata una regola di mascheramento dei dati runtime, in base al ruolo dell'utente che esegue la query. Il mascheramento richiede la precedenza a qualsiasi altra operazione relativa alla query. La regola di mascheramento dei dati determina il tipo di mascheramento dei dati applicato ai dati della colonna.

Puoi utilizzare le seguenti regole di mascheramento dei dati:

• Routine di mascheramento personalizzata. Restituisce il valore della colonna dopo l'applicazione di un funzione definita dall'utente alla colonna. Le autorizzazioni della routine sono necessarie per gestire la regola di mascheramento. Per impostazione predefinita, questa regola supporta Tipi di dati BigQuery tranne il tipo di dati STRUCT. Tuttavia, il supporto per tipi di dati diversi da STRING e BYTES è limitato. L'output dipende dalla funzione definita.

  Per ulteriori informazioni sulla creazione di funzioni definite dall'utente per le routine di mascheramento personalizzate, consulta Creare routine di mascheramento personalizzate.

• Maschera di data e anno. Restituisce il valore della colonna dopo aver troncato il valore al suo anno, impostando tutte le parti non annuali del valore all'inizio dell'anno. Tu può utilizzare questa regola solo con le colonne che usano gli attributi DATE, DATETIME e TIMESTAMP tipi di dati. Ad esempio:

  Tipo	Originale	Mascherato
  DATE	2030-07-17	2030-01-01
  DATETIME	2030-07-17T01:45:06	2030-01-01T00:00:00
  TIMESTAMP	17-07-2030 01:45:06	01-01-2030 00:00:00

  Nota: il troncamento viene eseguito in base al fuso orario UTC. Per cambiare questa impostazione, regola il fuso orario predefinito utilizzando @@time_zone variabile di sistema.

• Valore di mascheramento predefinito. Restituisce un valore di mascheramento predefinito per la colonna in base al tipo di dati della colonna. Da utilizzare per nascondere il valore ma rivelano il tipo di dati. Quando questi dati una regola di mascheramento viene applicata a una colonna, la rende meno utile JOIN per gli utenti con accesso di tipo Lettore mascherato. Questo perché un valore predefinito non è sufficientemente univoco per essere utile durante l'unione delle tabelle.

  La seguente tabella mostra il valore di mascheramento predefinito per ciascun tipo di dati:

  Tipo di dati	Valore di mascheramento predefinito
  STRING	""
  BYTES	"
  INTEGER	0
  FLOAT	0.0
  NUMERIC	0
  BOOLEAN	FALSE
  TIMESTAMP	01-01-1970 00:00:00 UTC
  DATE	1970-01-01
  TIME	00:00:00
  DATETIME	1970-01-01T00:00:00
  GEOGRAPHY	PUNTO(0 0)
  BIGNUMERIC	0
  ARRAY	[]
  STRUCT	NOT_APPLICABLE I tag di criteri non possono essere applicati alle colonne che utilizzano STRUCT tipo di dati, ma possono essere associati a i campi foglia di queste colonne.
  JSON	null

• Maschera email. Restituisce il valore della colonna dopo aver sostituito il nome utente di un un indirizzo email valido con XXXXX. Se il valore della colonna non è un indirizzo email valido, restituisce il valore della colonna dopo aver esaminato Hash SHA-256 personalizzata. Puoi utilizzare questa regola solo con le colonne che usano l'STRING tipo di dati. Ad esempio:

  Originale	Mascherato
  [e-mail]	[e-mail]
  randomtext	jQHDyQuj7vJcveEe59ygb3Zcvj0B5FJINBzgM6Bypgw=
  test@[e-mail]	Qdje6MO+GLwI0u+KyRyAICDjHbLF1ImxRqaW08tY52k=

• Primi quattro caratteri. Restituisce i primi 4 caratteri della colonna sostituendo il resto della stringa con XXXXX. Se il valore della colonna è uguale o inferiore a 4 caratteri, restituisce il valore dopo che è stato eseguito Hash SHA-256 personalizzata. Puoi utilizzare questa regola solo con le colonne che usano i dati STRING di testo.

• Hash (SHA-256). Restituisce il valore della colonna dopo che è stata eseguita. L'hash SHA-256 personalizzata. Usa questa quando vuoi che l'utente finale possa usare questa colonna in una Operazione JOIN per una query. Puoi utilizzare questa regola solo con le colonne che usano l'STRING o BYTES tipi di dati.

  La funzione SHA-256 utilizzata nel mascheramento dei dati preserva il tipo, quindi l'hash restituisce lo stesso tipo di dati del valore della colonna. Ad esempio, il valore hash per un valore di colonna STRING ha anche un valore di dati STRING di testo.

  Importante: SHA-256 è una funzione di hashing deterministica; un valore iniziale viene risolto nello stesso valore hash. Tuttavia, non sono necessarie chiavi di crittografia. Ciò permette a un aggressore di utilizzare un attacco di forza bruta per determinare il valore originale eseguendo tutti i possibili valori originali l'algoritmo SHA-256 e vedere quale genera un hash che corrisponde restituiti dal mascheramento dei dati.

• Ultimi quattro caratteri. Restituisce gli ultimi 4 caratteri del valore della colonna, sostituendo il resto della stringa con XXXXX. Se il valore della colonna è uguale a o meno di 4 caratteri, restituisce il valore della colonna dopo che è stato esaminato Hash SHA-256 personalizzata. Puoi utilizzare questa regola solo con le colonne che usano i dati STRING di testo.

• Nullify. Restituisce NULL anziché il valore della colonna. Usa questa opzione quando vuoi nascondere sia il valore sia il tipo di dati della colonna. Quando questi dati una regola di mascheramento viene applicata a una colonna, la rende meno utile JOIN per gli utenti con accesso di tipo Lettore mascherato. Il motivo è che NULL non è sufficientemente univoco per essere utile durante l'unione delle tabelle.

Gerarchia delle regole di mascheramento dei dati

Puoi configurare fino a nove criteri dei dati per un tag di criteri, ognuno con un a una regola di mascheramento dei dati diversa associata. Uno di questi i criteri sono riservati a impostazioni di controllo dell'accesso a livello di colonna. In questo modo è possibile applicare diversi criteri dei dati a un nella query di un utente, in base ai gruppi di cui l'utente è membro. In questi casi, BigQuery sceglie la regola di mascheramento dei dati da applicare si applicano in base alla seguente gerarchia:

1. Routine di mascheramento personalizzata
2. Hash (SHA-256)
3. Maschera email
4. Ultimi quattro caratteri
5. Primi quattro caratteri
6. Maschera anno della data
7. Valore di mascheramento predefinito
8. Annulla

Ad esempio, l'utente A fa parte sia dei dipendenti che del reparto contabilità gruppi. L'utente A esegue una query che include il campo sales_total, che ha il tag di criteri confidential applicato. Il tag di criteri confidential ha due criteri dei dati associati: uno con il ruolo di dipendenti dell'entità e applica la regola di mascheramento dei dati annullabile, nonché una regola che come entità e applica il mascheramento dei dati hash (SHA-256) personalizzata. In questo caso, la regola di mascheramento dei dati hash (SHA-256) ha la priorità su annulla la regola di mascheramento dei dati, in modo che la regola hash (SHA-256) venga applicata Valore del campo sales_total nella query dell'utente A.

La figura 3 mostra questo scenario:

Figura 3. Assegnazione della priorità alle regole di mascheramento dei dati.

Ruoli e autorizzazioni

Ruoli per la gestione di tassonomie e tag di criteri

Devi avere il ruolo Amministratore tag criteri di Data Catalog per creare e gestire tassonomie e tag di criteri.

Ruolo/ID	Autorizzazioni	Descrizione
Amministratore tag di criteri di Data Catalog/datacatalog.categoryAdmin	datacatalog.categories.getIamPolicy datacatalog.categories.setIamPolicy datacatalog.taxonomies.create datacatalog.taxonomies.delete datacatalog.taxonomies.get datacatalog.taxonomies.getIamPolicy datacatalog.taxonomies.list datacatalog.taxonomies.setIamPolicy datacatalog.taxonomies.update resourcemanager.projects.get resourcemanager.projects.list	Si applica a livello di progetto. Questo ruolo consente di: Creare, leggere, aggiornare ed eliminare tassonomie e tag di criteri. Ottieni e imposta i criteri IAM sui tag di criteri.

Ruoli per la creazione e la gestione dei criteri dei dati

Per creare e gestire, devi avere uno dei seguenti ruoli BigQuery norme sui dati:

Ruolo/ID	Autorizzazioni	Descrizione
Amministratore BigQuery/bigquery.admin Proprietario dati BigQuery/bigquery.dataOwner	bigquery.dataPolicies.create bigquery.dataPolicies.delete bigquery.dataPolicies.get bigquery.dataPolicies.getIamPolicy bigquery.dataPolicies.list bigquery.dataPolicies.setIamPolicy bigquery.dataPolicies.update	Le bigquery.dataPolicies.create e Le autorizzazioni bigquery.dataPolicies.list si applicano al progetto livello. Le altre autorizzazioni si applicano a livello di criterio dei dati. Questo ruolo consente di: Creare, leggere, aggiornare ed eliminare i criteri relativi ai dati. Ottieni e imposta i criteri IAM sui criteri dei dati.

Devi avere anche l'autorizzazione datacatalog.taxonomies.get, che puoi richiedere molti dei Ruoli predefiniti di Data Catalog.

Ruoli per collegare tag di criteri alle colonne

Sono necessari datacatalog.taxonomies.get e bigquery.tables.setCategory delle autorizzazioni necessarie per collegare tag di criteri alle colonne. datacatalog.taxonomies.get è incluso in Ruoli di amministratore e visualizzatore dei tag di criterio di Data Catalog. bigquery.tables.setCategory è incluso in Amministratore BigQuery (roles/bigquery.admin) e Ruoli Proprietario dati BigQuery (roles/bigquery.dataOwner).

Ruoli per l'esecuzione di query sui dati mascherati

Devi avere il ruolo Lettore mascherato BigQuery per eseguire query sui dati da un colonna a cui è applicato il mascheramento dei dati.

Ruolo/ID	Autorizzazioni	Descrizione
Lettore mascherato/bigquerydatapolicy.maskedReader	bigquery.dataPolicies.maskedGet	Si applica a livello di criterio dei dati. Questo ruolo consente di visualizzare i dati mascherati di una colonna che è associato a un criterio dei dati. Inoltre, un utente deve disporre delle autorizzazioni appropriate per eseguire query sulla tabella. Per ulteriori informazioni, vedi Autorizzazioni obbligatorie.

Come interagiscono i ruoli Lettore mascherato e Lettore granulare

Il mascheramento dei dati si basa sul controllo dell'accesso a livello di colonna. Per una determinata colonna, è possibile avere alcuni utenti con il lettore mascherato BigQuery che consente di leggere i dati mascherati, alcuni utenti con Ruolo Lettore granulare di Data Catalog che consente per leggere dati non mascherati, alcuni utenti con entrambi e alcuni utenti con nessuno dei due. Questi i ruoli interagiscono nel seguente modo:

• Utente con il ruolo Lettore granulare e Lettore mascherato: cosa vede l'utente dipende da dove nella gerarchia dei tag di criteri viene concesso ciascun ruolo. Per maggiori informazioni le informazioni, vedi Eredità dell'autorizzazione in una gerarchia di tag di criteri.
• Utente con ruolo Lettore granulare: può visualizzare i dati delle colonne non mascherati (senza oscurazioni).
• L'utente con il ruolo Lettore mascherato: può visualizzare i dati delle colonne mascherati (oscurati).
• Utente senza alcun ruolo: autorizzazione negata.

Nel caso in cui una tabella abbia colonne protette o protette, mascherato, per eseguire un'istruzione SELECT * FROM su quella tabella, un utente deve essere membro di gruppi appropriati in modo che gli venga concesso Lettore mascherato o Lettore granulare in tutte queste colonne.

Un utente a cui non sono stati concessi questi ruoli deve invece specificare solo le colonne che a cui ha accesso nell'istruzione SELECT o usa SELECT * EXCEPT (restricted_columns) FROM per escludere per le colonne mascherate.

Eredità di autorizzazione in una gerarchia di tag di criteri

I ruoli vengono valutati a partire dal tag di criteri associato a una colonna. e successivamente controllato a ogni livello crescente della tassonomia, finché l'utente sia determinato che disponga delle autorizzazioni appropriate o che la parte superiore del tag di criteri viene raggiunta la gerarchia.

Ad esempio, considera il tag di criteri e la configurazione del criterio dei dati mostrati Figura 4:

Figura 4. Tag di criteri e configurazione dei criteri dei dati.

Hai una colonna della tabella annotata con il tag di criteri Financial. e un utente membro sia di [e-mail] che di [e-mail] gruppi. Quando questo utente esegue una query che include la colonna annotata, il suo l'accesso è determinato dalla gerarchia definita nel tassonomia dei tag di criteri. Poiché all'utente viene concesso il ruolo Lettore granulare Data Catalog da Financial di tag di criteri, la query restituisce i dati della colonna non mascherati.

Se un altro utente solo un membro del ruolo [e-mail] esegue una query che include annotata, la query restituisce i dati della colonna che sono stati sottoposti ad hashing utilizzando l'algoritmo SHA-256, perché all'utente viene concesso BigQuery Ruolo Lettore mascherato in base al tag di criteri Confidential, che è l'elemento padre di il tag di criteri Financial.

Un utente che non fa parte di nessuno di questi ai ruoli viene visualizzato un errore di accesso negato se tentano di eseguire query sulla colonna annotata.

A differenza dello scenario precedente, prendi in considerazione il tag di criteri e il criterio dei dati configurazione mostrata nella Figura 5:

Figura 5. Tag di criteri e configurazione dei criteri dei dati.

La situazione è la stessa della Figura 4, ma all'utente viene concesso il il ruolo Lettore granulare a un livello superiore della gerarchia dei tag di criteri. Ruolo Lettore mascherato a un livello inferiore della gerarchia dei tag di criteri. Per questo motivo, la query restituisce i dati delle colonne mascherate per l'utente in questione. Questo si verifica anche se all'utente viene concesso il ruolo ruolo più in alto nella gerarchia dei tag, perché il servizio utilizza il primo il ruolo assegnato che incontra mentre sale nella gerarchia dei tag di criteri per controllare per l'accesso degli utenti.

Se vuoi creare un'unica norma relativa ai dati e applicarla a più livelli di una gerarchia di tag di criteri, puoi impostare i criteri dei dati nel tag di criteri che rappresenta il livello gerarchico più alto a cui deve essere applicata. Ad esempio: prendere una tassonomia con la seguente struttura:

• Tag criterio 1
  • Tag criterio 1a
    • Tag criterio 1ai
  • Tag criterio 1b
    • Tag criterio 1bi
    • Tag criterio 1bii

Se vuoi che un criterio dei dati venga applicato a tutti questi tag di criteri, imposta i dati sul tag di criteri 1. Se vuoi che un criterio dei dati venga applicato al tag di criteri 1b e impostare i criteri dei dati sul tag di criteri 1b.

Mascheramento dei dati con funzionalità non compatibili

Quando utilizzi Funzionalità di BigQuery non compatibili con il mascheramento dei dati, il servizio tratta la colonna mascherata come una colonna protetta e concede solo l'accesso agli utenti con il ruolo Lettore granulare Data Catalog.

Ad esempio, considera il tag di criteri e la configurazione del criterio dei dati mostrati nella Figura 6:

Figura 6. Tag di criteri e configurazione dei criteri dei dati.

Hai una colonna della tabella annotata con il tag di criteri Financial. un utente membro del gruppo [e-mail]. Quando questo utente prova per accedere alla colonna annotata attraverso una delle funzioni incompatibili, ricevi un errore di accesso negato. Questo perché viene concesso loro Lettore mascherato BigQuery per tag di criteri Financial, ma in questo nel caso specifico, devono avere il ruolo Lettore granulare Data Catalog. Poiché il servizio ha già determinato un ruolo applicabile per l'utente, non continua a controllare ulteriormente la gerarchia dei tag di criteri per trovare autorizzazioni aggiuntive.

Esempio di mascheramento dei dati con output

Per vedere come tag, entità e ruoli funzionano insieme, considera quanto segue: esempio.

Su example.com, l'accesso di base viene concesso tramite [e-mail] gruppo. Tutti i dipendenti che hanno bisogno di accedere regolarmente ai dati di BigQuery sono membri di questo gruppo, a cui sono assegnate tutte le autorizzazioni necessarie per leggere dalle tabelle, nonché il ruolo Lettore mascherato BigQuery.

I dipendenti vengono assegnati a gruppi aggiuntivi che forniscono l’accesso a maschere di colonne dove questo è richiesto per il loro lavoro. Tutti i membri di questi altri gruppi sono anche membri di [e-mail]. Puoi vedere come Questi gruppi sono associati ai ruoli appropriati nella Figura 7:

Figura 7. Tag di criteri e norme sui dati per example.com.

I tag di criteri vengono quindi associati alle colonne delle tabelle, come illustrato nella Figura 8:

Figura 8. Tag di criteri example.com associati alle colonne delle tabelle.

Dati i tag associati alle colonne, SELECT * FROM Accounts; conduce a seguenti risultati per i diversi gruppi:

• [e-mail]: a questo gruppo è stato concesso il Ruolo Lettore mascherato BigQuery sia in PII che in Confidential i tag di criteri. Vengono restituiti i seguenti risultati:

  SSN	Priorità	Lifetime value	Data di creazione	Email
  NULL	""	0	8 marzo 1983	NULL
  NULL	""	0	29 dicembre 2009	NULL
  NULL	""	0	14 luglio 2021	NULL
  NULL	""	0	5 maggio 1997	NULL

• [e-mail]: a questo gruppo è stato concesso il Ruolo Lettore granulare Data Catalog in SSN . Vengono restituiti i seguenti risultati:

  SSN	Priorità	Lifetime value	Data di creazione	NULL
  123-45-6789	""	0	8 marzo 1983	NULL
  234-56-7891	""	0	29 dicembre 2009	NULL
  345-67-8912	""	0	14 luglio 2021	NULL
  456-78-9123	""	0	5 maggio 1997	NULL

• [e-mail]: a questo gruppo è stato concesso il Ruolo Lettore granulare Data Catalog in Confidential . Vengono restituiti i seguenti risultati:

  SSN	Priorità	Lifetime value	Data di creazione	Email
  NULL	Alta	90.000	8 marzo 1983	NULL
  NULL	Alta	84.875	29 dicembre 2009	NULL
  NULL	Medio	38.000	14 luglio 2021	NULL
  NULL	Bassa	245	5 maggio 1997	NULL

• [e-mail]: a questo gruppo è stata concessa la classe Ruolo Lettore mascherato BigQuery in Financial . Vengono restituiti i seguenti risultati:

  SSN	Priorità	Lifetime value	Data di creazione	Email
  NULL	""	Zmy9vydG5q=	8 marzo 1983	NULL
  NULL	""	GhwTwq6Ynm=	29 dicembre 2009	NULL
  NULL	""	B6y7dsgaT9=	14 luglio 2021	NULL
  NULL	""	Uh02hnR1sg=	5 maggio 1997	NULL

• Tutti gli altri utenti: gli utenti che non appartengono a uno degli elenchi elencati ai gruppi viene visualizzato un errore di accesso negato perché non è stato concesso loro Lettore granulare o Ruoli di lettura mascherati BigQuery. Per eseguire query sul Accounts, devono invece specificare solo le colonne a cui hanno accesso nel SELECT * EXCEPT (restricted_columns) FROM Accounts per escludere con colonne protette o mascherate.

Considerazioni sui costi

Il mascheramento dei dati può influire indirettamente sul numero di byte elaborati. influisce quindi sul costo della query. Se un utente esegue una query su una colonna mascherato con le regole di mascheramento o annullamento non viene analizzata, con un conseguente calo dei byte elaborati.

Restrizioni e limitazioni

Le seguenti sezioni descrivono le categorie di restrizioni e limitazioni a cui è soggetto il mascheramento dei dati.

Gestione dei criteri dei dati

• Questa funzionalità potrebbe non essere disponibile quando utilizzi le prenotazioni create con alcune versioni di BigQuery. Per ulteriori informazioni quali funzioni sono abilitate in ogni versione, consulta Introduzione alle versioni di BigQuery.
• Puoi creare fino a nove criteri dei dati per ogni tag di criteri. Uno di questi i criteri sono riservati a impostazioni di controllo dell'accesso a livello di colonna.
• Criteri relativi ai dati, relativi tag di criteri associati ed eventuali routine che li utilizzano devono trovarsi nello stesso progetto.

Tag di criteri

• Il progetto contenente la tassonomia dei tag di criteri deve appartenere a un'organizzazione.

• Una gerarchia di tag di criteri può trovarsi al massimo a cinque livelli di profondità dal nodo principale al sottotag di livello più basso, come mostrato nello screenshot seguente:

  

Imposta il controllo dell'accesso

Dopo che una tassonomia ha un criterio dei dati associato ad almeno uno dei suoi criteri tag, controllo dell'accesso viene applicata automaticamente. Se vuoi disattivare il controllo dell'accesso, devi eliminare prima tutti i criteri dei dati associati alla tassonomia.

Viste materializzate e query di mascheramento dei record ripetute

Se esistono già viste materializzate, le query di mascheramento dei record ripetute sulla tabella di base associata non riesce. Per risolvere il problema, elimina il vista materializzata. Se la vista materializzata è necessaria per altri motivi, possono crearlo in un altro set di dati.

Query su colonne mascherate nelle tabelle partizionate

Query che includono il mascheramento dei dati nelle istanze partizionate o in cluster le colonne non sono supportate.

Dialetti SQL

SQL precedente non supportato.

Routine di mascheramento personalizzate

Le routine di mascheramento personalizzate sono soggette alle seguenti limitazioni:

• Il mascheramento dei dati personalizzato supporta Tipi di dati BigQuery tranne STRUCT, perché il mascheramento dei dati può essere applicato solo ai campi foglia del tipo di dati STRUCT.
• L'eliminazione di una routine di mascheramento personalizzata non elimina tutti i criteri dei dati che utilizzano li annotino. Tuttavia, i criteri relativi ai dati che utilizzano la routine di mascheramento eliminata vengono lasciati con una regola di mascheramento vuota. Utenti con il ruolo Lettore mascherato per altri dati i criteri con lo stesso tag possono vedere i dati mascherati. Altre persone vedono il messaggio Permission denied. I riferimenti pendenti a regole di mascheramento vuote possono essere vengono ripulite da processi automatizzati dopo sette giorni.

Compatibilità con altre funzionalità di BigQuery

API BigQuery

Non compatibile con tabledata.list. A chiama tabledata.list, devi avere l'accesso completo a tutte le colonne restituite questo metodo. Le concessioni del ruolo Lettore granulare Data Catalog l'accesso appropriato.

Tavoli BigLake

Compatibile. I criteri di mascheramento dei dati vengono applicati su BigLake tabelle.

API BigQuery Storage Read

Compatibile. I criteri di mascheramento dei dati vengono applicati nell'API BigQuery Storage Read.

BigQuery BI Engine

Compatibile. I criteri di mascheramento dei dati vengono applicati in BI Engine. Le query che hanno un mascheramento dei dati attivo non vengono accelerate e BI Engine. L'utilizzo di queste query in Looker Studio potrebbe possono rallentare e rendere più costosi i report o le dashboard correlati.

BigQuery Omni

Compatibile. I criteri di mascheramento dei dati vengono applicati tabelle BigQuery Omni.

Regole di confronto

Non compatibile. Le regole di confronto non sono supportate nelle colonne mascherate.

Job di copia

Non compatibile. Per copiare una tabella dall'origine alla destinazione, devi: per avere accesso completo a tutte le colonne della tabella di origine. La Il ruolo Lettore granulare di Data Catalog concede l'accesso appropriato.

Esportazione dei dati

Compatibile. Se hai il ruolo Lettore mascherato BigQuery: i dati esportati sono mascherati. Se disponi di Data Catalog nel ruolo Lettore granulare, i dati esportati non vengono mascherati.

Sicurezza a livello di riga

Compatibile. Il mascheramento dei dati viene applicato in aggiunta alla sicurezza a livello di riga. Ad esempio, se è presente un criterio di accesso alle righe applicato a location = "US" e location è vengono mascherati, gli utenti possono vedere le righe in cui location = "US" ma il campo della località è mascherato.

Cerca in BigQuery

Parzialmente compatibile. Puoi chiamare il SEARCH funzione su colonne indicizzate o non indicizzate a cui è applicato il mascheramento dei dati.

Quando chiami la funzione SEARCH sulle colonne a cui è applicato il mascheramento dei dati, è necessario utilizzare criteri di ricerca compatibili con il proprio livello di accesso. Ad esempio: Se disponi dell'accesso Masked Reader con una regola di mascheramento dei dati Hash (SHA-256), userebbe il valore hash nella clausola SEARCH, simile al seguente:

SELECT * FROM myDataset.Customers WHERE SEARCH(Email, "sg172y34shw94fujaweu");

Se disponi dell'accesso granulare, utilizzerai la colonna effettiva. nella clausola SEARCH, simile al seguente:

SELECT * FROM myDataset.Customers WHERE SEARCH(Email, "[e-mail]");

La ricerca ha meno probabilità di essere utile se hai Accesso di lettura mascherato a una colonna in cui la regola di mascheramento dei dati utilizzata è Nullify o Valore di mascheramento predefinito. Questo perché i risultati mascherati che useresti come NULL o "", non sono sufficientemente univoci per essere utile.

Durante la ricerca in una colonna indicizzata contenente dati mascherato, l'indice di ricerca viene utilizzato solo se disponi di Lettore granulare l'accesso alla colonna.

Snapshot

Non compatibile. Per creare lo snapshot di una tabella, devi disporre dell'accesso completo a tutti i nelle colonne della tabella di origine. L'analisi dettagliata di Data Catalog Il ruolo Lettore concede l'accesso appropriato.

Ridenominazione delle tabelle

Compatibile. La ridenominazione delle tabelle non è interessata dal mascheramento dei dati.

Viaggio nel tempo

Compatibile con entrambi decoratori del tempo e FOR SYSTEM_TIME AS OF nelle istruzioni SELECT. I tag di criteri per lo schema del set di dati attuale vengono applicate ai dati recuperati.

Memorizzazione nella cache delle query

Parzialmente compatibile. BigQuery memorizza nella cache i risultati delle query per circa 24 ore, anche se la cache viene invalidata se le modifiche vengono ai dati o allo schema della tabella prima di allora. Nella seguente circostanza, è possibile che un utente che non ha Il ruolo Lettore granulare Data Catalog concesso per una colonna può ma continueranno a vedere i dati della colonna quando eseguono una query:

1. A un utente è stato concesso il lettore granulare di Data Catalog in una colonna.
2. L'utente esegue una query che include la colonna con restrizioni e i dati vengono memorizzati nella cache.
3. Entro 24 ore dal passaggio 2, all'utente viene concesso Lettore mascherato e ha il Lettore granulare Data Catalog è stato revocato.
4. Entro 24 ore dal passaggio 2, l'utente esegue la stessa query e vengono restituiti i dati.

Query tabella con caratteri jolly

Non compatibile. Devi disporre dell'accesso completo a tutte le colonne di riferimento in tutti le tabelle corrispondenti alla query con caratteri jolly. Data Catalog Il ruolo Lettore granulare concede l'accesso appropriato.

Passaggi successivi

• Ricevi istruzioni dettagliate per attivare mascheramento dei dati.