O Cloud Data Loss Prevention pode detectar, classificar e desidentificar dados confidenciais em dados estruturados. Ao desidentificar um conteúdo, como uma tabela, a estrutura e as colunas fornecem ao Cloud DLP pistas adicionais que podem permitir que ele ofereça resultados melhores para alguns casos de uso. Por exemplo, é possível verificar uma única coluna para um determinado tipo de dado em vez de toda a estrutura da tabela.
Este tópico fornece exemplos de como configurar a desidentificação de dados confidenciais no texto estruturado. A desidentificação é ativada por meio de transformações de registro. Essas transformações são aplicadas a valores em uma coluna inteira de dados tabulares ou dentro de dados do texto tabular que são identificados como um infoType específico.
Este tópico também fornece exemplos de transformações de dados tabulares usando o método de hash criptográfico. Os métodos de transformação criptográfica são únicos devido à necessidade de uma chave criptográfica.
O JSON fornecido nos exemplos a seguir pode ser inserido em qualquer solicitação de desidentificação dentro do atributo "deidentifyConfig" (DeidentifyConfig). Clique no link "Exemplo das APIs Explorer" para testar o JSON de exemplo nas APIs Explorer.
Transformar uma coluna sem inspeção
Para transformar uma coluna específica na qual o conteúdo já é conhecido, pule a inspeção e especifique uma transformação diretamente. O exemplo depois da tabela agrupa a coluna "ÍNDICE DE FELICIDADE" em incrementos de 10.
| Entrada | Tabela transformada | ||||||||||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
|
|
Java
Para saber como instalar e usar a biblioteca de cliente do Cloud DLP, consulte Bibliotecas de cliente do Cloud DLP.
Para autenticar no Cloud DLP, configure o Application Default Credentials. Para mais informações, consulte Configurar a autenticação para um ambiente de desenvolvimento local.
"deidentifyConfig":{
"recordTransformations":{
"fieldTransformations":[
{
"fields":[
{
"name":"HAPPINESS SCORE"
}
],
"primitiveTransformation":{
"fixedSizeBucketingConfig":{
"bucketSize":10,
"lowerBound":{
"integerValue":"0"
},
"upperBound":{
"integerValue":"100"
}
}
}
}
]
}
}
Transformar uma coluna com base no valor de outra coluna
É possível transformar uma coluna com base no valor de outra. Este exemplo edita o "ÍNDICE DE FELICIDADE" para todos os pacientes com mais de 89 anos.
| Entrada | Tabela transformada | ||||||||||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
|
|
Java
Para saber como instalar e usar a biblioteca de cliente do Cloud DLP, consulte Bibliotecas de cliente do Cloud DLP.
Para autenticar no Cloud DLP, configure o Application Default Credentials. Para mais informações, consulte Configurar a autenticação para um ambiente de desenvolvimento local.
"deidentifyConfig":{
"recordTransformations":{
"fieldTransformations":[
{
"fields":[
{
"name":"HAPPINESS SCORE"
}
],
"primitiveTransformation":{
"characterMaskConfig":{
"maskingCharacter":"*"
}
},
"condition":{
"expressions":{
"conditions":{
"conditions":[
{
"field":{
"name":"AGE"
},
"operator":"GREATER_THAN",
"value":{
"integerValue":"89"
}
}
]
}
}
}
}
]
}
}
Transformar as descobertas encontradas nas colunas
Também é possível transformar as descobertas que compõem apenas parte ou todo o conteúdo de uma célula. Neste exemplo, todas as instâncias de PERSON_NAME são anônimas.
| Entrada | Tabela transformada | ||||||||||||||||||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
|
|
Java
Para saber como instalar e usar a biblioteca de cliente do Cloud DLP, consulte Bibliotecas de cliente do Cloud DLP.
Para autenticar no Cloud DLP, configure o Application Default Credentials. Para mais informações, consulte Configurar a autenticação para um ambiente de desenvolvimento local.
"deidentifyConfig":{
"recordTransformations":{
"fieldTransformations":[
{
"infoTypeTransformations":{
"transformations":[
{
"infoTypes":[
{
"name":"PERSON_NAME"
}
],
"primitiveTransformation":{
"replaceWithInfoTypeConfig":{
}
}
}
]
},
"fields":[
{
"name":"PATIENT"
},
{
"name":"FACTOID"
}
]
}
]
}
}
Suprimir uma linha com base no conteúdo de uma coluna
É possível remover uma linha totalmente com base no conteúdo que aparece em qualquer coluna. Este exemplo suprime o registro de "Charles Dickens", já que esse paciente tem mais de 89 anos.
| Entrada | Tabela transformada | |||||||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
|
|
Java
Para saber como instalar e usar a biblioteca de cliente do Cloud DLP, consulte Bibliotecas de cliente do Cloud DLP.
Para autenticar no Cloud DLP, configure o Application Default Credentials. Para mais informações, consulte Configurar a autenticação para um ambiente de desenvolvimento local.
"deidentifyConfig":{
"recordTransformations":{
"recordSuppressions":[
{
"condition":{
"expressions":{
"conditions":{
"conditions":[
{
"field":{
"name":"AGE"
},
"operator":"GREATER_THAN",
"value":{
"integerValue":"89"
}
}
]
}
}
}
}
]
}
}
Transformar as descobertas somente quando condições específicas forem atendidas em outro campo
Neste exemplo, as descobertas de PERSON_NAME só serão editadas se a coluna "IDADE" indicar que o paciente tem mais de 89 anos.
| Entrada | Tabela transformada | ||||||||||||||||||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
|
|
Java
Para saber como instalar e usar a biblioteca de cliente do Cloud DLP, consulte Bibliotecas de cliente do Cloud DLP.
Para autenticar no Cloud DLP, configure o Application Default Credentials. Para mais informações, consulte Configurar a autenticação para um ambiente de desenvolvimento local.
"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"
}
}
]
}
}
}
}
]
}
}
Transformar as descobertas usando uma transformação de hash criptográfico
Os exemplos JSON a seguir usam transformações infoType para instruir a API DLP a inspecionar toda a estrutura da tabela em busca de infoTypes específicos e, em seguida, criptografar os valores correspondentes usando um CryptoKey temporário.
No exemplo a seguir, demonstramos como desidentificar dois infoTypes usando uma transformação de hash criptográfico.
Entrada:
| userid | comentários |
|---|---|
| user1@example.org | Meu e-mail é user1@example.org e meu telefone é 858-555-0222 |
| user2@example.org | Meu e-mail é user2@example.org e meu telefone é 858-555-0223 |
| user3@example.org | Meu e-mail é user3@example.org e meu telefone é 858-555-0224 |
Tabela transformada:
| userid | comentários |
|---|---|
| 1kSfj3Op64MH1BiznupEpX0BdQrHMm62X6abgsPH5zM= | Meu e-mail é 1kSfj3Op64MH1BiznupEpX0BdQrHMm62X6abgsPH5zM= e meu telefone é hYXPcsJNBCe1rr51sHiVw2KhtoyMe4HEFKNHWFcDVm0= |
| 4ESy7+rEN8NVaUJ6J7kwvcgW8wcm0cm5gbBAcu6SfdM= | Meu e-mail é 4ESy7+rEN8NVaUJ6J7kwvcgW8wcm0cm5gbBAcu6SfdM= e meu telefone é KKqW1tQwgvGiC6iWJHhLiz2enNSEFRzhmLOf9fSTxRw= |
| bu1blyd/mbjLmpF2Rdi6zpgsLatSwpJLVki2fMeudM0= | Meu e-mail é bu1blyd/mbjLmpF2Rdi6zpgsLatSwpJLVki2fMeudM0= e meu telefone é eNt7qtZVLmxRb8z8NBR/+z00In07CI3hEMStbwofWoc= |
{
"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"
}
]
}
]
}
}
}
Transformar as descobertas usando duas transformações de hash criptográfico separadas
Neste exemplo, demonstramos como você pode usar chaves criptográficas diferentes em várias transformações dentro de uma única configuração de desidentificação. Em primeiro lugar, uma transformação no campo "userid" é declarada. Essa transformação não inclui nenhuma transformação de infoType. Portanto, o campo "userid" em cada linha é transformado, independentemente do tipo de dado. Em seguida, outra transformação de campo é declarada, agora no campo "comentários".
Entrada:
| userid | comentários |
|---|---|
| user1@example.org | Meu e-mail é user1@example.org e meu telefone é 858-555-0222 |
| abbyabernathy1 | Meu userid é abbyabernathy1 e meu e-mail é aabernathy@example.com |
Tabela transformada:
| userid | comentários |
|---|---|
| 5WvS4+aJtCCwWWG79cmRNamDgyvJ+CkuwNpA2gaR1VQ= | Meu e-mail é vjqGLaA6+NUUnZAWXpI72lU1GfwQdOKu7XqWaJPcvQQ= e meu telefone é BY+mSXXTu6mOoX5pr0Xbse60uelsSHmwRCq6HcscKtk= |
| t0dOmHvkT0VsM++SVmESVKHenLkmhBmFezH3hSDldDg= | Meu userid é abbyabernathy1 e meu e-mail é 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"
}
]
}
]
}
}
}