Cloud Data Loss Prevention kann sensible Daten in strukturierten Daten erkennen, klassifizieren und de-identifizieren. Wenn Sie Inhalte als Tabelle de-identifizieren, liefern die Struktur und die Spalten Cloud DLP zusätzliche Hinweise, die in einigen Anwendungsfällen zu besseren Ergebnissen führen können. Sie können beispielsweise in einer einzelnen Spalte nach einem bestimmten Datentyp statt der gesamten Tabellenstruktur suchen.
In diesem Thema erfahren Sie, wie Sie die De-Identifikation sensibler Daten in strukturiertem Text konfigurieren. Die De-Identifikation wird durch Eintragstransformationen aktiviert. Diese Transformationen werden auf eine ganze Spalte mit tabellarischen Daten oder Werte in tabellarischen Textdaten angewendet, die als bestimmter infoType gekennzeichnet sind.
In diesem Thema werden auch Beispiele für tabellarische Datentransformationen mit der kryptografischen Hash-Methode bereitgestellt. Die kryptografischen Transformationsmethoden sind aufgrund ihrer Anforderung für einen kryptografischen Schlüssel einzigartig.
Der in den folgenden Beispielen angegebene JSON-Code kann in jede De-Identifikationsanfrage im Attribut "deidentifyConfig" (DeidentifyConfig) eingefügt werden. Klicken Sie auf den Link "APIs Explorer-Beispiel", um das JSON-Beispiel in APIs Explorer auszuprobieren.
Spalte ohne Inspektion transformieren
Zum Transformieren einer bestimmten Spalte, deren Inhalt bekannt ist, können Sie die Inspektion überspringen und direkt eine Transformation angeben. Im Beispiel unter der Tabelle werden die Inhalte der Spalte "HAPPINESS SCORE" zu jeweils 10 gruppiert.
| Eingabe | Transformierte Tabelle | ||||||||||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
|
|
Java
Informationen zum Installieren und Verwenden der Clientbibliothek für Cloud DLP finden Sie unter Cloud DLP-Clientbibliotheken.
"deidentifyConfig":{
"recordTransformations":{
"fieldTransformations":[
{
"fields":[
{
"name":"HAPPINESS SCORE"
}
],
"primitiveTransformation":{
"fixedSizeBucketingConfig":{
"bucketSize":10,
"lowerBound":{
"integerValue":"0"
},
"upperBound":{
"integerValue":"100"
}
}
}
}
]
}
}
Spalte basierend auf dem Wert einer anderen Spalte transformieren
Sie können eine Spalte basierend auf dem Wert einer anderen Spalte transformieren. In diesem Beispiel wird für alle Patienten über 89 der Wert "HAPPINESS SCORE" entfernt.
| Eingabe | Transformierte Tabelle | ||||||||||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
|
|
Java
Informationen zum Installieren und Verwenden der Clientbibliothek für Cloud DLP finden Sie unter Cloud DLP-Clientbibliotheken.
"deidentifyConfig":{
"recordTransformations":{
"fieldTransformations":[
{
"fields":[
{
"name":"HAPPINESS SCORE"
}
],
"primitiveTransformation":{
"characterMaskConfig":{
"maskingCharacter":"*"
}
},
"condition":{
"expressions":{
"conditions":{
"conditions":[
{
"field":{
"name":"AGE"
},
"operator":"GREATER_THAN",
"value":{
"integerValue":"89"
}
}
]
}
}
}
}
]
}
}
Ergebnisse in Spalten transformieren
Sie können Ergebnisse aus dem gesamten Zelleninhalt oder nur aus einem Teil davon transformieren. In diesem Beispiel werden alle Einträge PERSON_NAME anonymisiert.
| Eingabe | Transformierte Tabelle | ||||||||||||||||||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
|
|
Java
Informationen zum Installieren und Verwenden der Clientbibliothek für Cloud DLP finden Sie unter Cloud DLP-Clientbibliotheken.
"deidentifyConfig":{
"recordTransformations":{
"fieldTransformations":[
{
"infoTypeTransformations":{
"transformations":[
{
"infoTypes":[
{
"name":"PERSON_NAME"
}
],
"primitiveTransformation":{
"replaceWithInfoTypeConfig":{
}
}
}
]
},
"fields":[
{
"name":"PATIENT"
},
{
"name":"FACTOID"
}
]
}
]
}
}
Zeile basierend auf dem Inhalt einer Spalte unterdrücken
Sie können eine Zeile basierend auf dem Inhalt einer Spalte vollständig entfernen. In diesem Beispiel wird der Datensatz "Charles Dickens" unterdrückt, da dieser Patient über 89 Jahre alt ist.
| Eingabe | Transformierte Tabelle | |||||||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
|
|
Java
Informationen zum Installieren und Verwenden der Clientbibliothek für Cloud DLP finden Sie unter Cloud DLP-Clientbibliotheken.
"deidentifyConfig":{
"recordTransformations":{
"recordSuppressions":[
{
"condition":{
"expressions":{
"conditions":{
"conditions":[
{
"field":{
"name":"AGE"
},
"operator":"GREATER_THAN",
"value":{
"integerValue":"89"
}
}
]
}
}
}
}
]
}
}
Ergebnisse nur transformieren, wenn bestimmte Bedingungen für ein anderes Feld erfüllt sind
In diesem Beispiel werden die Ergebnisse von PERSON_NAME nur entfernt, wenn die Spalte "AGE" angibt, dass der Patient über 89 Jahre alt ist.
| Eingabe | Transformierte Tabelle | ||||||||||||||||||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
|
|
Java
Informationen zum Installieren und Verwenden der Clientbibliothek für Cloud DLP finden Sie unter Cloud DLP-Clientbibliotheken.
"deidentifyConfig":{
"recordTransformations":{
"fieldTransformations":[
{
"infoTypeTransformations":{
"transformations":[
{
"infoTypes":[
{
"name":"PERSON_NAME"
}
],
"primitiveTransformation":{
"replaceWithInfoTypeConfig":{
}
}
}
]
},
"fields":[
{
"name":"PATIENT"
},
{
"name":"FACTOID"
}
],
"condition":{
"expressions":{
"conditions":{
"conditions":[
{
"field":{
"name":"AGE"
},
"operator":"GREATER_THAN",
"value":{
"integerValue":"89"
}
}
]
}
}
}
}
]
}
}
Ergebnisse mithilfe einer kryptografischen Hashtransformation transformieren
In den folgenden JSON-Beispielen werden infoType-Transformationen verwendet, um die DLP API anzuweisen, die gesamte Tabellenstruktur auf bestimmte infoTypes zu prüfen und dann die übereinstimmenden Werte mit einem transienten CryptoKey zu verschlüsseln.
Im folgenden Beispiel wird die De-Identifikation von zwei infoTypes mithilfe einer kryptografischen Hash-Transformation veranschaulicht.
Eingabe
| Nutzer-ID | Kommentare |
|---|---|
| user1@example.org | Meine E-Mail-Adresse lautet user1@example.org und meine Telefonnummer ist 858-555-0222 |
| user2@example.org | Meine E-Mail-Adresse lautet user2@example.org und meine Telefonnummer ist 858-555-0223 |
| user3@example.org | Meine E-Mail-Adresse lautet user3@example.org und meine Telefonnummer ist 858-555 0224 |
Transformierte Tabelle:
| Nutzer-ID | Kommentare |
|---|---|
| 1kSfj3Op64MH1BiznupEpX0BdQrHMm62X6abgsPH5zM= | Meine E-Mail-Adresse lautet 1kSfj3Op64MH1BiznupEpX0BdQrHMm62X6abgsPH5zM= und meine Telefonnummer ist hYXPcsJNBCe1rr51sHiVw2KhtoyMe4HEFKNHWFcDVm0= |
| 4ESy7+rEN8NVaUJ6J7kwvcgW8wcm0cm5gbBAcu6SfdM= | Meine E-Mail lautet 4ESy7 + rEN8NVaUJ6J7kwvcgW8wcm0cm5gbBAcu6SfdM= und meine Telefonnummer ist KKqW1tQwgvGiC6iWJHhLiz2enNSEFRzhmLOf9fSTxRw= |
| bu1blyd/mbjLmpF2Rdi6zpgsLatSwpJLVki2fMeudM0= | Meine E-Mail-Adresse lautet bu1blyd/MBJLMPF2Rdi6zpgsLatSwpJLVki2fMeudM0= und meine Telefonnummer ist eNt7qtZVLmxRb8z8NBR/+ z00In07 CI3hEMStbwofWoc= |
{
"inspectConfig":{
"infoTypes":[
{
"name":"EMAIL_ADDRESS"
},
{
"name":"PHONE_NUMBER"
}
]
},
"deidentifyConfig":{
"infoTypeTransformations":{
"transformations":[
{
"infoTypes":[
{
"name":"EMAIL_ADDRESS"
},
{
"name":"PHONE_NUMBER"
}
],
"primitiveTransformation":{
"cryptoHashConfig":{
"cryptoKey":{
"transient":{
"name":"[TRANSIENT-CRYPTO-KEY]"
}
}
}
}
}
]
}
},
"item":{
"table":{
"headers":[
{
"name":"userid"
},
{
"name":"comments"
}
],
"rows":[
{
"values":[
{
"stringValue":"abby_abernathy@example.org"
},
{
"stringValue":"my email is abby_abernathy@example.org and phone is 858-555-0222"
}
]
},
{
"values":[
{
"stringValue":"bert_beauregard@example.org"
},
{
"stringValue":"my email is bert_beauregard@example.org and phone is 858-555-0223"
}
]
},
{
"values":[
{
"stringValue":"cathy_crenshaw@example.org"
},
{
"stringValue":"my email is cathy_crenshaw@example.org and phone is 858-555-0224"
}
]
}
]
}
}
}
Ergebnisse mithilfe von zwei separaten kryptografischen Hashtransformationen transformieren
Dieses Beispiel zeigt, wie Sie innerhalb einer einzelnen De-Identifizierungskonfiguration verschiedene kryptografische Schlüssel in verschiedenen Transformationen verwenden können. Zuerst wird eine Feldtransformation für das Feld "userid" deklariert. Diese Transformation enthält keine infoType-Transformationen, sodass das Feld "userid" in jeder Zeile unabhängig vom Datentyp transformiert wird. Dann wird eine weitere Feldtransformation deklariert, und zwar die des Felds "comments".
Eingabe
| Nutzer-ID | Kommentare |
|---|---|
| user1@example.org | Meine E-Mail-Adresse lautet user1@example.org und meine Telefonnummer ist 858-555-0222 |
| abbyabernathy1 | Meine Nutzer-ID lautet abbyabernathy1 und meine E-Mail-Adresse aabernathy@example.com |
Transformierte Tabelle:
| Nutzer-ID | Kommentare |
|---|---|
| 5WvS4+aJtCCwWWG79cmRNamDgyvJ+CkuwNpA2gaR1VQ= | Meine E-Mail-Adresse lautet vjqGLaA6 + NUUnZAWXpI72lU1GfwQdoku7XqWaJPcvQQ= und meine Telefonnummer ist BY + mSXXTu6mOoX5pr0Xbse60uelsSHmwRCq6HcscKtk= |
| t0dOmHvkT0VsM++SVmESVKHenLkmhBmFezH3hSDldDg= | Meine Nutzer-ID lautet abbyabernathy1 und meine E-Mail-Adresse TQ3ancdUn9zgwO5qe6ahkmVrBuNhvlMknxjPjIt0N2w= |
{
"inspectConfig":{
"infoTypes":[
{
"name":"EMAIL_ADDRESS"
},
{
"name":"PHONE_NUMBER"
}
]
},
"deidentifyConfig":{
"recordTransformations":{
"fieldTransformations":[
{
"fields":[
{
"name":"userid"
}
],
"primitiveTransformation":{
"cryptoHashConfig":{
"cryptoKey":{
"transient":{
"name":"[TRANSIENT-CRYPTO-KEY-1]"
}
}
}
}
},
{
"fields":[
{
"name":"comments"
}
],
"infoTypeTransformations":{
"transformations":[
{
"infoTypes":[
{
"name":"PHONE_NUMBER"
},
{
"name":"EMAIL_ADDRESS"
}
],
"primitiveTransformation":{
"cryptoHashConfig":{
"cryptoKey":{
"transient":{
"name":"[TRANSIENT-CRYPTO-KEY-2]"
}
}
}
}
}
]
}
}
]
}
},
"item":{
"table":{
"headers":[
{
"name":"userid"
},
{
"name":"comments"
}
],
"rows":[
{
"values":[
{
"stringValue":"user1@example.org"
},
{
"stringValue":"my email is user1@example.org and phone is 858-333-2222"
}
]
},
{
"values":[
{
"stringValue":"abbyabernathy1"
},
{
"stringValue":"my userid is abbyabernathy1 and my email is aabernathy@example.com"
}
]
}
]
}
}
}