Desidentificación

La protección de datos sensibles usa tipos de información, o Infotipos, para definir lo que busca. Un Infotipo es un tipo de dato sensible, como un nombre, una dirección de correo electrónico, un número de teléfono, un número de identificación, un número de tarjeta de crédito, etcétera.

Nota: Si buscas una lista actualizada de todos los detectores de Infotipo integrados, consulta Referencia del detector de Infotipos.

Cada Infotipo definido en la protección de datos sensibles tiene un detector correspondiente. La protección de datos sensibles usa detectores de Infotipo en la configuración de sus análisis para determinar qué inspeccionar y cómo transformar los resultados. Los nombres de Infotipo también se usan cuando se muestran o informan los resultados de análisis.

En este tema, se describen en detalle los infotipos y los detectores de Infotipo, y se proporciona orientación sobre cómo usar los detectores de Infotipo cuando se analiza contenido en busca de datos sensibles con la protección de datos sensibles.

Especifica los detectores de Infotipo

Cuando configuras la protección de datos sensibles para analizar tu contenido, incluye los detectores de Infotipo que se usarán en la configuración del análisis.

Por ejemplo, el siguiente JSON muestra una solicitud de análisis simple a la API de DLP. Ten en cuenta que el detector PHONE_NUMBER se especifica en inspectConfig, lo que le indica a la protección de datos sensibles que analice la string determinada en busca de un número de teléfono.

POST https://dlp.googleapis.com/v2/projects/[PROJECT_ID]/content:inspect?key={YOUR_API_KEY}

{
  "item":{
    "value":"My phone number is [phone]"
  },
  "inspectConfig":{
    "includeQuote":true,
    "minLikelihood":"POSSIBLE",
    "infoTypes":{
      "name":"PHONE_NUMBER"
    }
  }
}

La solicitud anterior muestra lo siguiente:

{
  "result":{
    "findings":[
      {
        "quote":"[phone]",
        "infoType":{
          "name":"PHONE_NUMBER"
        },
        "likelihood":"VERY_LIKELY",
        "location":{
          "byteRange":{
            "start":"19",
            "end":"33"
          },
          "codepointRange":{
            "start":"19",
            "end":"33"
          }
        },
        "createTime":"2018-10-29T23:46:34.535Z"
      }
    ]
  }
}

Especifica siempre infoTypes en la configuración de tu análisis. Si no especificas ningún Infotipo, la Protección de datos sensibles usa una lista de Infotipos predeterminada. Según la cantidad de contenido para analizar, buscar Infotipos predeterminados puede llevar mucho tiempo o ser demasiado costoso.

Si quieres obtener más información sobre cómo usar los detectores de Infotipos para analizar tu contenido, consulta uno de los temas prácticos sobre análisis, ocultamiento o desidentificación.

Tipos de detectores de Infotipos

Los detectores de tipo de información (o “Infotipo”) son los mecanismos que usa la Protección de datos sensibles para encontrar datos sensibles.

La protección de datos sensibles incluye varios tipos de detectores de Infotipo, los cuales se resumen a continuación:

• Los detectores de Infotipo integrados están integrados en la Protección de datos sensibles. Incluyen detectores para tipos de datos sensibles específicos de un país o región, así como tipos de datos aplicables a nivel global.
• Los detectores de Infotipos personalizados son detectores que creas tú mismo. Existen tres tipos de detectores de Infotipos personalizados:
  • Los detectores de diccionarios personalizados normales son listas de palabras simples con las que coincide la protección de datos sensibles. Usa los detectores de diccionarios personalizados normales cuando tengas una lista de al menos varias decenas de miles de palabras o frases. Se prefieren los detectores de diccionarios personalizados normales si esperas que tu lista de palabras no cambie de forma significativa.
  • La protección de datos sensibles genera detectores de diccionarios personalizados almacenados con grandes listas de palabras o frases almacenadas en Cloud Storage o BigQuery. Usa los detectores de diccionarios personalizados almacenados cuando tengas listas grandes de palabras o frases de hasta decenas de millones.
  • Los detectores de expresiones regulares (regex) permiten que la protección de datos sensibles detecte coincidencias basadas en un patrón de expresión regular.

Además, la protección de datos sensibles incluye el concepto de reglas de inspección, que te permiten ajustar los resultados del análisis mediante lo siguiente:

• Las reglas de exclusión te permiten reducir el número de resultados que se muestran mediante la adición de reglas a un detector de Infotipo incorporado o personalizado.
• Las reglas de palabra clave te permiten aumentar la cantidad o cambiar el valor de probabilidad de los resultados que se muestran si agregas reglas a un detector de Infotipos integrado o personalizado.

Detectores de Infotipo incorporados

Los detectores de Infotipo incorporados están integrados en la Protección de datos sensibles y, además, incluyen detectores para tipos de datos sensibles específicos de un país o región, como el Numéro d'Inscription au Répertoire (NIR) (FRANCE_NIR) francés, el número de licencia de conducir del Reino Unido (UK_DRIVERS_LICENSE_NUMBER) y el número de seguridad social de EE.UU. (US_SOCIAL_SECURITY_NUMBER). También incluyen varios tipos de datos de protección, números de tarjeta de crédito (EMAIL_ADDRESS) y tipos de información aplicables a nivel mundial, como el nombre de una persona (PERSON_NAME), los números de verificación de datos y los números de información de las tarjetas, los números de verificación de datos aplicables a nivel mundial (EMAIL_ADDRESS).PHONE_NUMBERCREDIT_CARD_NUMBER

La lista de detectores de Infotipo incorporados siempre se actualiza. Para obtener una lista completa de los detectores de Infotipos integrados que se admiten por el momento, consulta la Referencia del detector de Infotipos.

También puedes ver una lista completa de todos los detectores de Infotipo integrados si llamas al método infoTypes.list de la protección de datos sensibles.

Los detectores de Infotipos incorporados no son un método de detección 100% preciso. Por ejemplo, no pueden asegurar el cumplimiento de los requisitos regulatorios. Debes decidir qué datos son sensibles y cómo protegerlos de la mejor forma. Google recomienda que pruebes tus opciones de configuración a fin de asegurarte de que cumplan con tus requisitos.

Detectores de Infotipo personalizados

Existen tres tipos de detectores de Infotipos personalizados:

• Detectores de diccionarios personalizados normales
• Detectores de diccionarios personalizados almacenados
• Expresiones regulares (regex)

Además, la protección de datos sensibles incluye reglas de inspección que te permiten ajustar los resultados del análisis mediante la adición de lo siguiente a los detectores existentes:

• Reglas de exclusión
• Reglas de palabra clave

Detectores de diccionarios personalizados normales

Usa los detectores de diccionarios personalizados normales para hacer coincidir una lista pequeña (hasta varias decenas de miles) de palabras o frases. Un diccionario personalizado normal puede funcionar como su propio detector único.

Los detectores de diccionarios personalizados son útiles cuando deseas analizar en busca de una lista de palabras o frases que no se pueden combinar con facilidad mediante una expresión regular ni un detector incorporado. Por ejemplo, supongamos que deseas analizar en busca de salas de conferencias a las que se suele hacer referencia por los nombres que tienen asignadas en lugar de los números de las salas, como los nombres de estados o regiones, puntos de referencia, personajes de ficción, etcétera. Puedes hacer un detector de diccionario personalizado normal que contenga una lista de estos nombres de salas. La Protección de datos sensibles puede analizar tu contenido para cada uno de los nombres de las habitaciones y mostrar una coincidencia cuando encuentra uno de ellos en contexto. Obtén más información sobre cómo la protección de datos sensibles coincide con las palabras y las frases del diccionario en la sección "Detalles de coincidencias en el diccionario" de Crea un detector de diccionario personalizado normal.

Para obtener más detalles sobre cómo funcionan los detectores de Infotipo personalizados de diccionario normal, así como ejemplos prácticos, consulta Crea un detector de diccionario personalizado normal.

Detectores de diccionarios personalizados almacenados

Usa detectores de diccionarios personalizados almacenados cuando tengas más que unas pocas palabras o frases para buscar, o si tu lista de palabras o frases cambia con frecuencia. Los detectores de diccionario personalizados almacenados pueden detectar coincidencias con hasta decenas de millones de palabras o frases.

Los detectores de diccionarios personalizados almacenados, por ser detectores personalizados muy grandes, se crean de manera diferente a los detectores personalizados de expresiones regulares y los detectores de diccionarios personalizados normales. Cada diccionario personalizado almacenado tiene dos componentes:

• Una lista de frases que creas y defines. La lista se almacena como un archivo de texto dentro de Cloud Storage o como una columna en una tabla de BigQuery.
• Los archivos de diccionario generados, que crea la Protección de datos sensibles según tu lista de frases. Los archivos del diccionario se almacenan en Cloud Storage y se componen de una copia de los datos de la frase fuente más los filtros de Bloom que ayudan en la búsqueda y en la detección de coincidencias. No puedes editar estos archivos directamente.

Una vez que creaste una lista de palabras y usaste la Protección de datos sensibles para generar un diccionario personalizado, inicia o programa un análisis con un detector de diccionario personalizado almacenado de manera similar a otros detectores de Infotipo.

Para obtener más detalles sobre cómo funcionan los detectores de diccionarios personalizados almacenados, así como ejemplos prácticos, consulta Crea un detector de diccionario personalizado almacenado.

Expresiones regulares

Un detector de Infotipo personalizado de expresiones regulares (regex) te permite crear tus propios detectores de Infotipo que permiten que la protección de datos sensibles detecte coincidencias basadas en un patrón de regex. Por ejemplo, supongamos que tienes números de historias clínicas con el formato ###-#-#####. Podrías definir un patrón de regex como el siguiente:

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

La Protección de datos sensibles coincidiría con elementos como los siguientes:

123-4-56789

También puedes especificar una probabilidad para asignar a cada coincidencia de Infotipo personalizada. Es decir, cuando la protección de datos sensibles coincida con la secuencia que especifiques, se asignará la probabilidad que indicaste. Esto es útil porque, si tu regex personalizada define una secuencia que es bastante común como para coincidir con facilidad con otra secuencia aleatoria, no querrás que la protección de datos sensibles etiquete cada coincidencia como VERY_LIKELY. Si eso sucediera, la confianza en los resultados del análisis se vería afectada y podría causar la desidentificación de la información incorrecta.

Para obtener más información sobre los detectores de Infotipo personalizados de expresiones regulares y ver ejemplos prácticos, consulta Crea un detector de regex personalizado.

Reglas de inspección

Usa las reglas de inspección para definir mejor los resultados que muestran los detectores de Infotipos existentes, ya sean incorporados o personalizados. Las reglas de inspección pueden ser útiles para los momentos en que los resultados que muestra la protección de datos sensibles deben mejorarse de alguna manera, ya sea agregando al detector de Infotipo existente o excluyendolo.

Los dos tipos de reglas de inspección son los siguientes:

• Reglas de exclusión
• Reglas de palabra clave

Si quieres obtener más información sobre las reglas de inspección, consulta Modifica los detectores de Infotipo para definir mejor los resultados del análisis.

Reglas de exclusión

Las reglas de exclusión te permiten disminuir la cantidad o precisión de los resultados que se muestran si agregas reglas a un detector de Infotipo incorporado o personalizado. Las reglas de exclusión pueden ayudarte a que un detector de Infotipos no muestre ruido ni otros resultados no deseados.

Por ejemplo, si analizas una base de datos en busca de direcciones de correo electrónico, puedes agregar una regla de exclusión en forma de una regex personalizada que indique a la protección de datos sensibles que excluya cualquier resultado que termine en "@example.com".

Si quieres obtener más información sobre las reglas de exclusión, consulta Modifica los detectores de Infotipo para definir mejor los resultados del análisis.

Reglas de palabra clave

Las reglas de palabra clave te permiten aumentar la cantidad o precisión de los resultados que se muestran si agregas reglas a un detector de Infotipos integrado o personalizado. Las reglas de palabra clave pueden ayudarte a disminuir la rigurosidad de las reglas de un detector de Infotipos existente.

Por ejemplo, supongamos que deseas analizar una base de datos médica en busca de nombres de pacientes. Puedes usar el detector de Infotipo integrado PERSON_NAME de la Protección de datos sensibles, pero eso hará que la protección de datos sensibles coincida con todos los nombres de personas, no solo con los nombres de los pacientes. Para corregir esto, puedes incluir una regla de palabra clave con formato de Infotipo personalizado de regex que busque la palabra “paciente” dentro de una cierta proximidad de caracteres del primer carácter de coincidencias posibles. Luego, puedes asignar a los resultados que coincidan con este patrón una probabilidad de “muy probable”, ya que corresponden a esos criterios especiales.

Si quieres obtener más información sobre las reglas de palabra clave, consulta Modifica los detectores de Infotipo para definir mejor los resultados del análisis.