-
テキストに含まれる機密データの検査
テキスト文字列やテキスト ファイルに含まれる機密情報を検出し、分類します。
-
構造化テキストに含まれる機密データの検査
構造化テキスト文字列に含まれる機密情報を検出して分類します。
-
画像内の機密データの検査
画像に含まれる機密情報を検出し、分類します。
-
ストレージとデータベースに含まれる機密データの検査
Google Cloud Storage、Datastore、BigQuery に保存されているコンテンツに含まれる機密情報を検出して分類します。
-
ハイブリッド ジョブを使用して外部ソースのデータを検査する
ハイブリッド ジョブとジョブトリガーを使用して、ほぼすべてのソースからデータをストリーミングする方法、データを検査して機密情報を調べる方法、検査スキャン結果をハイブリッド ジョブ リソースに保存する方法、結果を分析するために別の Google Cloud プロダクトへの送信操作を実行する方法について学習します。
-
検査テンプレートの作成
テンプレートを使用して、検査ジョブの構成情報を作成し、維持します。
-
データ プロファイルの使用
データ プロファイルを使用するためのワークフローを示しています。
-
単一プロジェクトのプロファイル データ
プロジェクト レベルでデータ プロファイリングを構成します。
-
組織またはフォルダのプロファイル データ
プロファイリングを組織またはフォルダのレベルで構成します。
-
サービス エージェントへデータ プロファイリングのアクセス権を付与する
サービス エージェントに必要なロールを付与して、組織レベルまたはフォルダレベルでデータをプロファイリングできるようにします。
-
Google Cloud Console でデータ プロファイルを表示する
Google Cloud コンソールでプロジェクト データ プロファイル、テーブル データ プロファイル、列データ プロファイルを表示します。
-
データ プロファイルを分析する
BigQuery データについて詳しく学習するために使用できる SQL クエリの例をご覧ください。Looker Studio でデータ プロファイルを可視化する方法について説明します。
-
データ プロファイラからの検出結果を修正する
データ プロファイラからの検出結果を処理します。
-
スキャン構成を管理する
既存のスキャン構成を表示、一時停止、再開、編集、削除します。
-
データ プロファイラに関する問題のトラブルシューティングを行う
データ プロファイラの使用時に発生する問題を解決します。
-
組み込みの infoType 検出器のリスト
現在サポートされている組み込み infoType 検出器すべての一覧をプログラムで取得します。
-
カスタム infoType 検出器の作成
検査と削除に使用する独自の情報タイプ検出項目を作成します。
-
標準のカスタム辞書検出器の作成
検査と秘匿化に使用する独自の標準カスタム辞書検出器を作成します。
-
格納されるカスタム辞書検出器の作成
ストレージ リポジトリを検査する大規模なカスタム辞書検出器を作成します。
-
カスタム正規表現検出器の作成
検査と秘匿化に使用する独自の正規表現検出器を作成します。
-
スキャン結果を絞り込むための infoType 検出器の変更
特定の infoType 検出器の検出メカニズムを変更することによって、機密データの保護から返されるスキャン結果を絞り込みます。
-
一致の可能性のカスタマイズ
ホットワード コンテキスト ルールを使用して、カスタム infoType 検出器を拡張します。
-
テキスト コンテンツ内の機密データの匿名化
テキスト コンテンツ内の機密データを検出して、匿名化します。このトピックでは、機密データの保護で使用できるさまざまな変換方法について説明します。
-
画像に含まれるセンシティブ データを秘匿化する
画像内の機密情報を削除します。
-
Google Cloud コンソールを使用して、Cloud Storage に保存されている機密データを匿名化する
Google Cloud コンソールで Cloud Storage ディレクトリを検査し、サポートされているファイルの匿名化されたコピーを作成します。
-
ラップされた鍵の作成
コンテンツを匿名化して再識別するために、ラップされた鍵を作成します。
-
匿名化テンプレートの作成
テンプレートを使用して、匿名化ジョブの構成情報を作成し、維持します。
-
再識別と開示リスクの評価
匿名化されたデータが再識別される可能性、機密属性開示のリスク、データセット メンバーシップ開示のリスクを計算します。
-
データセットの k-匿名性の計算
_k_-匿名性指標（データセットのレコードの再識別可能性を示すプロパティ）の計算方法を学びます。
-
データセットの l-多様性の計算
_l_-多様性指標（_k_-匿名性を拡張したもので、機密値が発生する各列の機密値の多様性を測定）の計算方法を学びます。
-
データセットの k-マップの計算
_k_-マップ指標の計算方法を学びます（_k_-匿名性とよく似ていますが、攻撃者がデータセットに含まれる人物を知らない可能性が高い点が異なります）。
-
データセットの δ-存在性の計算
_δ_-存在性指標（個人が分析対象のデータセットに含まれている確率を数値化する指標）の計算方法を学びます。
-
Looker Studio を使用した再識別リスクの可視化
機密データの保護を使用してデータセットの k-匿名性を測定し、Looker Studio で可視化してデータの再識別可能性を判断します。
-
数値統計とカテゴリ統計の計算
BigQuery テーブル内の個々の列の数値統計とカテゴリ統計を計算します。