Esta página contém referências a páginas com informações sobre como usar a proteção de dados sensíveis com o BigQuery.
Guias de início rápido
- Guia de início rápido: como programar uma verificação de inspeção de proteção de dados sensíveis
- Programe inspeção periódica de um bucket do Cloud Storage, uma tabela do BigQuery ou um tipo do Datastore. Para instruções detalhadas, consulte Como criar e programar jobs de inspeção de proteção de dados confidenciais.
Guias de instruções
Nesta seção, há uma lista categorizada de guias com base em tarefas que demonstram como usar a proteção de dados sensíveis com o BigQuery.
Inspeção
- Como inspecionar armazenamento e bancos de dados confidenciais
- Crie um job único que pesquise dados confidenciais em um bucket do Cloud Storage, uma tabela do BigQuery ou um tipo do Datastore.
- Como criar e programar jobs de inspeção de proteção de dados sensíveis
- Crie e programe um gatilho de jobs que pesquisa dados confidenciais em um bucket do Cloud Storage, uma tabela do BigQuery ou um tipo do Datastore. Um acionador de jobs automatiza a criação de jobs de proteção de dados sensíveis periodicamente.
Como trabalhar com resultados de verificação
- Como enviar resultados da verificação da proteção de dados sensíveis para o Data Catalog
- Verificar uma tabela do BigQuery e enviar as descobertas ao Data Catalog para criar tags automaticamente com base nas descobertas da proteção de dados confidenciais.
- Como enviar resultados da verificação da proteção de dados sensíveis para o Security Command Center
- Verifique um bucket do Cloud Storage, uma tabela do BigQuery ou um tipo do Datastore e envie as descobertas para o Security Command Center.
- Análise e geração de relatórios sobre descobertas de proteção de dados sensíveis
- Use o BigQuery para executar análises sobre descobertas de proteção de dados sensíveis.
- Como consultar descobertas de proteção de dados confidenciais no BigQuery
- Analise as consultas de amostra que podem ser usadas no BigQuery para analisar as descobertas identificadas pela proteção de dados sensíveis.
Análise de risco de reidentificação
- Como medir o risco de reidentificação e divulgação
Analise dados estruturados armazenados em uma tabela do BigQuery e calcule as seguintes métricas de risco de reidentificação:
- Como calcular estatísticas numéricas e categóricas
Determine os valores mínimo, máximo e quantil de uma coluna individual do BigQuery.
- Como visualizar o risco de reidentificação usando o Looker Studio
Meça o k-anonimato de um conjunto de dados e visualize-o no Looker Studio.
Tutoriais
- Desidentificar dados do BigQuery no momento da consulta
- Siga um tutorial passo a passo que usa as funções remotas do BigQuery para desidentificar e reidentificar dados nos resultados da consulta em tempo real.
- Desidentificação e reidentificação de PII em conjuntos de dados de grande escala usando a Proteção de dados sensíveis
- Revise uma arquitetura de referência para criar um pipeline de transformação de dados automatizado que desidentifica dados confidenciais, como informações de identificação pessoal (PII).
Práticas recomendadas
- Proteger um data warehouse do BigQuery que armazena dados confidenciais
- Visão geral da arquitetura e práticas recomendadas para governança de dados ao criar, implantar e operar um data warehouse no Google Cloud, incluindo desidentificação de dados, tratamento diferencial de dados confidenciais e controles de acesso no nível de coluna.
Contribuições da comunidade
Os itens a seguir pertencem e são gerenciados por membros da comunidade, e não pela equipe de proteção de dados sensíveis. No caso de perguntas sobre esses itens, entre em contato com os respectivos proprietários.
- Criar tags do Data Catalog inspecionando dados do BigQuery com a proteção de dados confidenciais
- Inspecione os dados do BigQuery usando a API Cloud Data Loss Prevention e use a API Data Catalog para criar tags no nível da coluna de acordo com os elementos confidenciais encontrados pela proteção de dados sensíveis.
- Arquitetura de programação sem servidor orientada a eventos com proteção de dados sensíveis
- Configure um aplicativo de programação sem servidor e orientado a eventos que usa a API Cloud Data Loss Prevention para inspecionar os dados do BigQuery.
- Detecção de anomalias em tempo real com serviços de IA e análise de stream do Google Cloud
- Acompanhe um padrão de inteligência artificial em tempo real (IA) para detectar anomalias nos arquivos de registros. Essa prova de conceito usa o Pub/Sub, o Dataflow, o BigQuery ML e a proteção de dados sensíveis.
- Importação de banco de dados relacional para o BigQuery com o Dataflow e a proteção de dados sensíveis
- Use o Dataflow e a proteção de dados sensíveis para tokenizar e importar com segurança dados de um banco de dados relacional para o BigQuery. Este exemplo descreve como tokenizar dados de PII antes de se tornarem persistentes.
Preços
Ao inspecionar uma tabela do BigQuery, você gera custos de proteção de dados sensíveis, de acordo com os preços do job de inspeção de armazenamento.
Além disso, quando você salva as descobertas da inspeção em uma tabela do BigQuery, está sujeito a cobranças do BigQuery.