La administración correcta de los datos sensibles almacenados en un repositorio de almacenamiento comienza con la clasificación del almacenamiento: identifica dónde están los datos sensibles en el repositorio, de qué tipo de datos sensibles se trata y cómo se usan. Esta información te ayuda a establecer de manera correcta el control de acceso y los permisos para compartir y puede ser parte de un plan de supervisión constante.
La protección de datos sensibles puede detectar y clasificar los datos sensibles almacenados en una ubicación de Cloud Storage, un tipo de Datastore o una tabla de BigQuery. Cuando se analizan archivos en ubicaciones de Cloud Storage, la protección de datos sensibles admite el análisis de archivos binarios, de texto, de imágenes, de Microsoft Word, Microsoft Excel, Microsoft PowerPoint, PDF y Apache Avro. Los tipos de archivos que no se reconocen se analizan como archivos binarios. Para obtener más información sobre los tipos de archivos compatibles, consulta Tipos de archivos compatibles.
Para inspeccionar el almacenamiento y las bases de datos en busca de datos sensibles, especifica la ubicación de los datos y el tipo de datos sensibles que debe buscar la protección de datos sensibles. La protección de datos sensibles inicia un trabajo que inspecciona los datos en la ubicación determinada y, luego, pone a disposición detalles sobre los infoTypes que se encuentran en el contenido, los valores de probabilidad y mucho más.
Puedes configurar la inspección de almacenamiento y bases de datos con la protección de datos sensibles en la consola de Google Cloud, a través de la API de DLP de RESTful o de manera programática mediante una biblioteca cliente de la protección de datos sensibles en uno de varios lenguajes.
En este tema se incluye lo siguiente:
- Prácticas recomendadas para configurar análisis de repositorios y bases de datos de almacenamiento en Google Cloud.
- Obtén instrucciones para configurar un análisis de inspección mediante la protección de datos sensibles en la consola de Google Cloud y, de forma opcional, programar análisis de inspección periódicos.
- JSON y muestras de código para cada tipo de repositorio de almacenamiento de Google Cloud: (Cloud Storage, Firestore en modo Datastore (Datastore) y BigQuery)
- Una descripción detallada de las opciones de configuración para los trabajos de análisis
- Instrucciones sobre cómo recuperar los resultados de los análisis y cómo administrar los trabajos de análisis que se crean en cada solicitud exitosa
Prácticas recomendadas
Identifica y prioriza el análisis
Es importante evaluar primero tus elementos y especificar cuáles tienen la prioridad más alta para el análisis. Cuando recién comienzas, es posible que tengas una gran cantidad de datos acumulados que necesiten clasificación y será imposible analizarlos de inmediato. En primer lugar, elige los datos que presenten el riesgo más alto posible, por ejemplo, datos a los que se accede con frecuencia, a los que se puede acceder con facilidad o que se desconocen.
Garantiza que la protección de datos sensibles pueda acceder a tus datos
La protección de datos sensibles debe tener acceso a los datos que se analizarán. Asegúrate de que la cuenta de servicio de la protección de datos sensibles tenga permiso para leer tus recursos.
Limita el alcance de tus primeros análisis
Para obtener mejores resultados, limita el alcance de tus primeros trabajos en lugar de analizar todos los datos. Comienza con una tabla, un bucket o algunos archivos y usa el muestreo. Cuando limitas el alcance de tus primeros análisis, puedes determinar mejor qué detectores habilitar y qué reglas de exclusión podrían ser necesarias para reducir los falsos positivos y que los resultados sean más significativos. Evita activar todos los Infotipos si no los necesitas a todos, ya que los falsos positivos o los resultados inutilizables pueden hacer que sea más difícil evaluar el riesgo. Si bien son útiles en ciertos casos, los Infotipos como DATE
, TIME
, DOMAIN_NAME
y URL
coinciden en una amplia gama de resultados y pueden no ser útiles para activarlos en análisis de datos grandes.
Cuando muestres un archivo estructurado, como un archivo CSV, TSV o Avro, asegúrate de que el tamaño de la muestra sea lo suficientemente grande como para cubrir el encabezado completo del archivo y una fila de datos. Para obtener más información, consulta Cómo analizar archivos estructurados en modo de análisis estructurado.
Programa tus análisis
Usa los activadores de trabajo de la protección de datos sensibles para ejecutar análisis automáticamente y generar resultados de forma diaria, semanal o trimestral. Estos análisis también se pueden configurar para inspeccionar solo los datos que cambiaron desde el último análisis, lo que puede ahorrar tiempo y reducir los costos. La ejecución de análisis con regularidad puede ayudarte a identificar tendencias o anomalías en los resultados de los análisis.
Latencia del trabajo
No hay objetivos de nivel de servicio (SLO) garantizados para trabajos y activadores de trabajos. La latencia se ve afectada por varios factores, como la cantidad de datos que se analizarán, el repositorio de almacenamiento que se analiza, el tipo y la cantidad de infotipos que buscas, la región en la que se procesa el trabajo y los recursos de procesamiento disponibles en esa región. Por lo tanto, la latencia de los trabajos de inspección no se puede determinar con anticipación.
Para ayudar a reducir la latencia del trabajo, puedes probar con las siguientes opciones:
- Si el muestreo está disponible para tu trabajo o activador de trabajo, habilítalo.
Evita habilitar Infotipos que no necesitas. Aunque los siguientes son útiles en ciertas situaciones, estos Infotipos pueden hacer que las solicitudes se ejecuten mucho más lento que las solicitudes que no las incluyen:
PERSON_NAME
FEMALE_NAME
MALE_NAME
FIRST_NAME
LAST_NAME
DATE_OF_BIRTH
LOCATION
STREET_ADDRESS
ORGANIZATION_NAME
Especifica siempre los Infotipos de forma explícita. No uses una lista de Infotipos vacía.
Si es posible, usa una región de procesamiento diferente.
Si aún tienes problemas de latencia con los trabajos después de probar estas técnicas, considera usar solicitudes content.inspect
o content.deidentify
en lugar de trabajos. Estos métodos están cubiertos por el Acuerdo de Nivel de Servicio. Para obtener más información, consulta el Acuerdo de Nivel de Servicio de Protección de Datos Sensibles.
Antes de comenzar
En las instrucciones proporcionadas en este tema, se supone lo siguiente:
Ya habilitaste la facturación.
Habilitaste la protección de datos sensibles.
La clasificación del almacenamiento requiere el siguiente alcance de OAuth: https://www.googleapis.com/auth/cloud-platform
. Para obtener más información, consulta Autenticación en la API de DLP.
Inspecciona una ubicación de Cloud Storage
Puedes configurar una inspección de protección de datos sensibles de una ubicación de Cloud Storage con la consola de Google Cloud, la API de DLP a través de solicitudes de REST o RPC o de manera programática en varios lenguajes con una biblioteca cliente. Para obtener información sobre los parámetros incluidos en los siguientes JSON y muestras de código, consulta “Configura la inspección de almacenamiento” más adelante en este tema.
La protección de datos sensibles se basa en las extensiones de archivo y los tipos de contenido multimedia (MIME) para identificar los tipos de archivos que se analizarán y los modos de análisis que se aplicarán. Por ejemplo, la protección de datos sensibles analiza un archivo .txt
en el modo de texto sin formato, incluso si el archivo está estructurado como un archivo CSV, que normalmente se analiza en modo de análisis estructurado.
Para configurar un trabajo de análisis de un bucket de Cloud Storage con la protección de datos sensibles, sigue estos pasos:
Console
En esta sección, se describe cómo inspeccionar un bucket o una carpeta de Cloud Storage. Si también quieres que la protección de datos sensibles cree una copia desidentificada de tus datos, consulta Desidentifica los datos sensibles almacenados en Cloud Storage mediante la consola de Google Cloud.
En la sección Protección de datos sensibles de la consola de Google Cloud, ve a la página Crear trabajo o activador de trabajo.
Ingresa la información del trabajo de protección de datos sensibles y haz clic en Continuar para completar cada paso:
En el Paso 1: Selecciona datos de entrada, asígnale un nombre al trabajo mediante el ingreso de un valor en el campo Nombre. En Ubicación, elige Cloud Storage en el menú Tipo de almacenamiento y, luego, ingresa la ubicación de los datos que deseas analizar. La sección Muestreo está preconfigurada para ejecutar un análisis de muestra con tus datos. Puedes ajustar el campo Porcentaje de objetos analizados dentro del bucket para ahorrar recursos si tienes una gran cantidad de datos. Para obtener más detalles, consulta Elige los datos de entrada.
(Opcional) En el Paso 2: Configura la detección, puedes configurar qué tipos de datos buscar, llamados “infoTypes”. Puedes elegir de la lista de Infotipos predefinidos o seleccionar una plantilla si la hay. Para obtener más detalles, consulta Configura la detección.
(Opcional) En el Paso 3: Agrega acciones, asegúrate de que la opción Notificar por correo electrónico esté habilitada.
Habilita Guardar en BigQuery para publicar los resultados de la protección de datos sensibles en una tabla de BigQuery. Proporcione lo siguiente:
- En ID del proyecto, ingresa el ID del proyecto en el que se almacenarán los resultados.
- En ID del conjunto de datos, ingresa el nombre del conjunto de datos en el que se almacenarán los resultados.
- (Opcional) Si lo deseas, en ID de la tabla ingresa el nombre de la tabla en la que se almacenarán los resultados. Si no especificas un ID de tabla, se asignará un nombre predeterminado a una tabla nueva, similar al siguiente:
dlp_googleapis_[DATE]_1234567890
, en el que[DATE]
representa la fecha en la que se ejecuta el análisis. Si especificas una tabla existente, los resultados se agregan a ella. - (Opcional) Habilita Incluir cita para incluir las strings que coinciden con un detector de Infotipo. Las comillas son potencialmente sensibles, por lo que, de forma predeterminada, Protección de datos sensibles no las incluye en los resultados.
Cuando los datos se escriben en una tabla de BigQuery, el uso de la facturación y las cuotas se aplican al proyecto que contiene la tabla de destino.
Si quieres crear una copia desidentificada de tus datos, habilita la opción Hacer una copia desidentificada. Para obtener más información, consulta Desidentifica los datos sensibles almacenados en Cloud Storage con la consola de Google Cloud.
También puedes guardar resultados en Pub/Sub, Security Command Center, Data Catalog y Cloud Monitoring. Para obtener más detalles, consulta Agrega acciones.
(Opcional) En el Paso 4: Programa, para ejecutar el análisis una sola vez, deja el menú configurado en Ninguno. A fin de programar análisis que se ejecuten de forma periódica, haz clic en Crear un activador para ejecutar el trabajo de forma periódica. Para obtener más detalles, consulta Programa.
Haz clic en Crear.
Una vez que se complete el trabajo de protección de datos sensibles, se te redireccionará a la página de detalles del trabajo y se te notificará por correo electrónico. Puedes ver los resultados de la inspección en la página de detalles del trabajo.
Opcional: Si elegiste publicar los resultados de la protección de datos sensibles en BigQuery, en la página Detalles del trabajo, haz clic en Ver resultados en BigQuery para abrir la tabla en la IU web de BigQuery. Luego, puedes consultar la tabla y analizar los resultados. Para obtener más información sobre cómo consultar los resultados en BigQuery, ve Cómo consultar los resultados de la protección de datos sensibles en BigQuery.
Protocolo
A continuación, se muestra un JSON de muestra que se puede enviar en una solicitud POST al extremo REST especificado de la protección de datos sensibles. En este JSON de ejemplo, se muestra cómo usar la API de DLP para inspeccionar los buckets de Cloud Storage. Para obtener información sobre los parámetros incluidos en la solicitud, consulta “Configura la inspección de almacenamiento” más adelante en este tema.
Puedes probar esto de forma rápida en el Explorador de API en la página de referencia de content.inspect
:
Ten en cuenta que una solicitud con éxito, incluso en el Explorador de API, creará un trabajo de análisis nuevo. Si quieres obtener información sobre cómo controlar los trabajos de análisis, consulta “Recupera los resultados de inspección” más adelante en este tema. Si quieres obtener información general sobre el uso de JSON para enviar solicitudes a la API de DLP, consulta la guía de inicio rápido de JSON.
Entrada de JSON:
POST https://dlp.googleapis.com/v2/projects/[PROJECT-ID]/dlpJobs?key={YOUR_API_KEY}
{
"inspectJob":{
"storageConfig":{
"cloudStorageOptions":{
"fileSet":{
"url":"gs://[BUCKET-NAME]/*"
},
"bytesLimitPerFile":"1073741824"
},
"timespanConfig":{
"startTime":"2017-11-13T12:34:29.965633345Z",
"endTime":"2018-01-05T04:45:04.240912125Z"
}
},
"inspectConfig":{
"infoTypes":[
{
"name":"PHONE_NUMBER"
}
],
"excludeInfoTypes":false,
"includeQuote":true,
"minLikelihood":"LIKELY"
},
"actions":[
{
"saveFindings":{
"outputConfig":{
"table":{
"projectId":"[PROJECT-ID]",
"datasetId":"[DATASET-ID]"
}
}
}
}
]
}
}
Salida de JSON:
{
"name":"projects/[PROJECT-ID]/dlpJobs/[JOB-ID]",
"type":"INSPECT_JOB",
"state":"PENDING",
"inspectDetails":{
"requestedOptions":{
"snapshotInspectTemplate":{
},
"jobConfig":{
"storageConfig":{
"cloudStorageOptions":{
"fileSet":{
"url":"gs://[BUCKET-NAME]/*"
},
"bytesLimitPerFile":"1073741824"
},
"timespanConfig":{
"startTime":"2017-11-13T12:34:29.965633345Z",
"endTime":"2018-01-05T04:45:04.240912125Z"
}
},
"inspectConfig":{
"infoTypes":[
{
"name":"PHONE_NUMBER"
}
],
"minLikelihood":"LIKELY",
"limits":{
},
"includeQuote":true
},
"actions":[
{
"saveFindings":{
"outputConfig":{
"table":{
"projectId":"[PROJECT-ID]",
"datasetId":"[DATASET-ID]",
"tableId":"[NEW-TABLE-ID]"
}
}
}
}
]
}
}
},
"createTime":"2018-11-07T18:01:14.225Z"
}
Java
Para obtener información sobre cómo instalar y usar la biblioteca cliente de la protección de datos sensibles, consulta Bibliotecas cliente de la protección de datos sensibles.
Para autenticarte en la protección de datos sensibles, configura las credenciales predeterminadas de la aplicación. Si deseas obtener más información, consulta Configura la autenticación para un entorno de desarrollo local.
Node.js
Para obtener información sobre cómo instalar y usar la biblioteca cliente de la protección de datos sensibles, consulta Bibliotecas cliente de la protección de datos sensibles.
Para autenticarte en la protección de datos sensibles, configura las credenciales predeterminadas de la aplicación. Si deseas obtener más información, consulta Configura la autenticación para un entorno de desarrollo local.
Python
Para obtener información sobre cómo instalar y usar la biblioteca cliente de la protección de datos sensibles, consulta Bibliotecas cliente de la protección de datos sensibles.
Para autenticarte en la protección de datos sensibles, configura las credenciales predeterminadas de la aplicación. Si deseas obtener más información, consulta Configura la autenticación para un entorno de desarrollo local.
Go
Para obtener información sobre cómo instalar y usar la biblioteca cliente de la protección de datos sensibles, consulta Bibliotecas cliente de la protección de datos sensibles.
Para autenticarte en la protección de datos sensibles, configura las credenciales predeterminadas de la aplicación. Si deseas obtener más información, consulta Configura la autenticación para un entorno de desarrollo local.
PHP
Para obtener información sobre cómo instalar y usar la biblioteca cliente de la protección de datos sensibles, consulta Bibliotecas cliente de la protección de datos sensibles.
Para autenticarte en la protección de datos sensibles, configura las credenciales predeterminadas de la aplicación. Si deseas obtener más información, consulta Configura la autenticación para un entorno de desarrollo local.
C#
Para obtener información sobre cómo instalar y usar la biblioteca cliente de la protección de datos sensibles, consulta Bibliotecas cliente de la protección de datos sensibles.
Para autenticarte en la protección de datos sensibles, configura las credenciales predeterminadas de la aplicación. Si deseas obtener más información, consulta Configura la autenticación para un entorno de desarrollo local.
Inspecciona un tipo de Datastore
Puedes configurar una inspección de un tipo de Datastore con la consola de Google Cloud, la API de DLP a través de solicitudes REST o RPC o de manera programática en varios lenguajes con una biblioteca cliente.
Para configurar un trabajo de análisis de un tipo de Datastore con la protección de datos sensibles, haz lo siguiente:
Console
Para configurar un trabajo de análisis de un tipo de Datastore con la protección de datos sensibles, haz lo siguiente:
En la sección Protección de datos sensibles de la consola de Google Cloud, ve a la página Crear trabajo o activador de trabajo.
Ingresa la información del trabajo de protección de datos sensibles y haz clic en Continuar para completar cada paso:
En el Paso 1: Elige los datos de entrada, ingresa los identificadores del proyecto, el espacio de nombres (opcional) y el tipo que deseas analizar. Para obtener más detalles, consulta Elige los datos de entrada.
(Opcional) En el Paso 2: Configura la detección, puedes configurar qué tipos de datos buscar, llamados “infoTypes”. Puedes elegir de la lista de Infotipos predefinidos o seleccionar una plantilla si la hay. Para obtener más detalles, consulta Configura la detección.
(Opcional) En el Paso 3: Agrega acciones, asegúrate de que la opción Notificar por correo electrónico esté habilitada.
Habilita Guardar en BigQuery para publicar los resultados de la protección de datos sensibles en una tabla de BigQuery. Proporcione lo siguiente:
- En ID del proyecto, ingresa el ID del proyecto en el que se almacenarán los resultados.
- En ID del conjunto de datos, ingresa el nombre del conjunto de datos en el que se almacenarán los resultados.
- (Opcional) Si lo deseas, en ID de la tabla ingresa el nombre de la tabla en la que se almacenarán los resultados. Si no especificas un ID de la tabla, se asignará un nombre predeterminado a una tabla nueva, similar al siguiente:
dlp_googleapis_[DATE]_1234567890
. Si especificas una tabla existente, los resultados se agregan a ella.
Cuando los datos se escriben en una tabla de BigQuery, el uso de la facturación y las cuotas se aplican al proyecto que contiene la tabla de destino.
Para obtener más información sobre las otras acciones enumeradas, consulta Agregar acciones.
(Opcional) En el Paso 4: Programa, puedes configurar un período o programa si seleccionas Especificar un período o Crear un activador para ejecutar un trabajo de forma periódica. Para obtener más información, consulta Programa.
Haz clic en Crear.
Una vez que se complete el trabajo de protección de datos sensibles, se te redireccionará a la página de detalles del trabajo y se te notificará por correo electrónico. Puedes ver los resultados de la inspección en la página de detalles del trabajo.
Opcional: Si elegiste publicar los resultados de la protección de datos sensibles en BigQuery, en la página Detalles del trabajo, haz clic en Ver resultados en BigQuery para abrir la tabla en la IU web de BigQuery. Luego, puedes consultar la tabla y analizar los resultados. Para obtener más información sobre cómo consultar los resultados en BigQuery, lee Consulta los resultados de la protección de datos sensibles en BigQuery.
Protocolo
A continuación, se muestra un JSON de muestra que se puede enviar en una solicitud POST al extremo de REST especificado de la API de DLP. En este JSON de ejemplo, se muestra cómo usar la API de DLP para inspeccionar tipos de Datastore. Para obtener información sobre los parámetros incluidos en la solicitud, consulta “Configura la inspección de almacenamiento” más adelante en este tema.
Puedes probar esto de forma rápida en el Explorador de API en la página de referencia de dlpJobs.create
:
Ten en cuenta que una solicitud con éxito, incluso en el Explorador de API, creará un trabajo de análisis nuevo. Para obtener información sobre cómo controlar los trabajos de análisis, consulta Recupera los resultados de la inspección más adelante en este tema. Si quieres obtener información general sobre el uso de JSON para enviar solicitudes a la API de DLP, consulta la guía de inicio rápido de JSON.
Entrada de JSON:
POST https://dlp.googleapis.com/v2/projects/[PROJECT-ID]/dlpJobs?key={YOUR_API_KEY}
{
"inspectJob":{
"storageConfig":{
"datastoreOptions":{
"kind":{
"name":"Example-Kind"
},
"partitionId":{
"namespaceId":"[NAMESPACE-ID]",
"projectId":"[PROJECT-ID]"
}
}
},
"inspectConfig":{
"infoTypes":[
{
"name":"PHONE_NUMBER"
}
],
"excludeInfoTypes":false,
"includeQuote":true,
"minLikelihood":"LIKELY"
},
"actions":[
{
"saveFindings":{
"outputConfig":{
"table":{
"projectId":"[PROJECT-ID]",
"datasetId":"[BIGQUERY-DATASET-NAME]",
"tableId":"[BIGQUERY-TABLE-NAME]"
}
}
}
}
]
}
}
Java
Para obtener información sobre cómo instalar y usar la biblioteca cliente de la protección de datos sensibles, consulta Bibliotecas cliente de la protección de datos sensibles.
Para autenticarte en la protección de datos sensibles, configura las credenciales predeterminadas de la aplicación. Si deseas obtener más información, consulta Configura la autenticación para un entorno de desarrollo local.
Node.js
Para obtener información sobre cómo instalar y usar la biblioteca cliente de la protección de datos sensibles, consulta Bibliotecas cliente de la protección de datos sensibles.
Para autenticarte en la protección de datos sensibles, configura las credenciales predeterminadas de la aplicación. Si deseas obtener más información, consulta Configura la autenticación para un entorno de desarrollo local.
Python
Para obtener información sobre cómo instalar y usar la biblioteca cliente de la protección de datos sensibles, consulta Bibliotecas cliente de la protección de datos sensibles.
Para autenticarte en la protección de datos sensibles, configura las credenciales predeterminadas de la aplicación. Si deseas obtener más información, consulta Configura la autenticación para un entorno de desarrollo local.
Go
Para obtener información sobre cómo instalar y usar la biblioteca cliente de la protección de datos sensibles, consulta Bibliotecas cliente de la protección de datos sensibles.
Para autenticarte en la protección de datos sensibles, configura las credenciales predeterminadas de la aplicación. Si deseas obtener más información, consulta Configura la autenticación para un entorno de desarrollo local.
PHP
Para obtener información sobre cómo instalar y usar la biblioteca cliente de la protección de datos sensibles, consulta Bibliotecas cliente de la protección de datos sensibles.
Para autenticarte en la protección de datos sensibles, configura las credenciales predeterminadas de la aplicación. Si deseas obtener más información, consulta Configura la autenticación para un entorno de desarrollo local.
C#
Para obtener información sobre cómo instalar y usar la biblioteca cliente de la protección de datos sensibles, consulta Bibliotecas cliente de la protección de datos sensibles.
Para autenticarte en la protección de datos sensibles, configura las credenciales predeterminadas de la aplicación. Si deseas obtener más información, consulta Configura la autenticación para un entorno de desarrollo local.
Inspecciona una tabla de BigQuery
Puedes configurar una inspección de una tabla de BigQuery con la protección de datos sensibles a través de solicitudes de REST o de manera programática en varios lenguajes con una biblioteca cliente.
Para configurar un trabajo de análisis de una tabla de BigQuery con la protección de datos sensibles, haz lo siguiente:
Console
Para configurar un trabajo de análisis de una tabla de BigQuery con la protección de datos sensibles, haz lo siguiente:
En la sección Protección de datos sensibles de la consola de Google Cloud, ve a la página Crear trabajo o activador de trabajo.
Ingresa la información del trabajo de protección de datos sensibles y haz clic en Continuar para completar cada paso:
En el Paso 1: Selecciona datos de entrada, asígnale un nombre al trabajo mediante el ingreso de un valor en el campo Nombre. En Ubicación, elige BigQuery en el menú Tipo de almacenamiento y, luego, ingresa la información de la tabla que deseas analizar.
La sección Muestreo está preconfigurada para ejecutar un análisis de muestra con tus datos. Puedes ajustar los campos Limitar filas por y Cantidad máxima de filas para ahorrar recursos si tienes una gran cantidad de datos. Para obtener más detalles, consulta Elige los datos de entrada.
Si deseas poder vincular cada resultado a la fila que lo contiene, configura el campo Campos de identificación (opcional).
Ingresa los nombres de las columnas que identifican de manera única cada fila dentro de la tabla. Si es necesario, usa la notación de puntos para especificar campos anidados. Puedes agregar todos los campos que desees.
También debes activar la acción Guardar en BigQuery para exportar los resultados a BigQuery. Cuando los resultados se exportan a BigQuery, cada uno de ellos contiene los valores respectivos de los campos de identificación. Para obtener más información, consulta
identifyingFields
.(Opcional) En el Paso 2: Configura la detección, puedes configurar qué tipos de datos buscar, llamados “infoTypes”. Puedes elegir de la lista de Infotipos predefinidos o seleccionar una plantilla si la hay. Para obtener más detalles, consulta Configura la detección.
(Opcional) En el Paso 3: Agrega acciones, asegúrate de que la opción Notificar por correo electrónico esté habilitada.
Habilita Guardar en BigQuery para publicar los resultados de la protección de datos sensibles en una tabla de BigQuery. Proporcione lo siguiente:
- En ID del proyecto, ingresa el ID del proyecto en el que se almacenarán los resultados.
- En ID del conjunto de datos, ingresa el nombre del conjunto de datos en el que se almacenarán los resultados.
- (Opcional) Si lo deseas, en ID de la tabla ingresa el nombre de la tabla en la que se almacenarán los resultados. Si no especificas un ID de la tabla, se asignará un nombre predeterminado a una tabla nueva, similar al siguiente:
dlp_googleapis_[DATE]_1234567890
. Si especificas una tabla existente, los resultados se agregan a ella.
Cuando los datos se escriben en una tabla de BigQuery, el uso de la facturación y las cuotas se aplican al proyecto que contiene la tabla de destino.
También puedes guardar resultados en Pub/Sub, en Security Command Center y en Data Catalog. Para obtener más detalles, consulta Agrega acciones.
(Opcional) En el Paso 4: Programa, para ejecutar el análisis una sola vez, deja el menú configurado en Ninguno. A fin de programar análisis que se ejecuten de forma periódica, haz clic en Crear un activador para ejecutar el trabajo de forma periódica. Para obtener más detalles, consulta Programa.
Haz clic en Crear.
Una vez que se complete el trabajo de protección de datos sensibles, se te redireccionará a la página de detalles del trabajo y se te notificará por correo electrónico. Puedes ver los resultados de la inspección en la página de detalles del trabajo.
Opcional: Si elegiste publicar los resultados de la protección de datos sensibles en BigQuery, en la página Detalles del trabajo, haz clic en Ver resultados en BigQuery para abrir la tabla en la IU web de BigQuery. Luego, puedes consultar la tabla y analizar los resultados. Para obtener más información sobre cómo consultar los resultados en BigQuery, lee Consulta los resultados de la protección de datos sensibles en BigQuery.
Protocolo
A continuación, se muestra un JSON de muestra que se puede enviar en una solicitud POST al extremo de REST especificado de la API de DLP. En este JSON de ejemplo, se muestra cómo usar la API de DLP para inspeccionar tablas de BigQuery. Para obtener información sobre los parámetros incluidos en la solicitud, consulta “Configura la inspección de almacenamiento” más adelante en este tema.Puedes probar esto de forma rápida en el Explorador de API en la página de referencia de dlpJobs.create
:
Ten en cuenta que una solicitud con éxito, incluso en el Explorador de API, creará un trabajo de análisis nuevo. Si quieres obtener información sobre cómo controlar los trabajos de análisis, consulta “Recupera los resultados de inspección” más adelante en este tema. Si quieres obtener información general sobre el uso de JSON para enviar solicitudes a la API de DLP, consulta la guía de inicio rápido de JSON.
Entrada de JSON:
POST https://dlp.googleapis.com/v2/projects/[PROJECT-ID]/dlpJobs?key={YOUR_API_KEY}
{
"inspectJob":{
"storageConfig":{
"bigQueryOptions":{
"tableReference":{
"projectId":"[PROJECT-ID]",
"datasetId":"[BIGQUERY-DATASET-NAME]",
"tableId":"[BIGQUERY-TABLE-NAME]"
},
"identifyingFields":[
{
"name":"id"
}
]
},
"timespanConfig":{
"startTime":"2017-11-13T12:34:29.965633345Z ",
"endTime":"2018-01-05T04:45:04.240912125Z "
}
},
"inspectConfig":{
"infoTypes":[
{
"name":"PHONE_NUMBER"
}
],
"excludeInfoTypes":false,
"includeQuote":true,
"minLikelihood":"LIKELY"
},
"actions":[
{
"saveFindings":{
"outputConfig":{
"table":{
"projectId":"[PROJECT-ID]",
"datasetId":"[BIGQUERY-DATASET-NAME]",
"tableId":"[BIGQUERY-TABLE-NAME]"
},
"outputSchema": "BASIC_COLUMNS"
}
}
}
]
}
}
Java
Para obtener información sobre cómo instalar y usar la biblioteca cliente de la protección de datos sensibles, consulta Bibliotecas cliente de la protección de datos sensibles.
Para autenticarte en la protección de datos sensibles, configura las credenciales predeterminadas de la aplicación. Si deseas obtener más información, consulta Configura la autenticación para un entorno de desarrollo local.
Node.js
Para obtener información sobre cómo instalar y usar la biblioteca cliente de la protección de datos sensibles, consulta Bibliotecas cliente de la protección de datos sensibles.
Para autenticarte en la protección de datos sensibles, configura las credenciales predeterminadas de la aplicación. Si deseas obtener más información, consulta Configura la autenticación para un entorno de desarrollo local.
Python
Para obtener información sobre cómo instalar y usar la biblioteca cliente de la protección de datos sensibles, consulta Bibliotecas cliente de la protección de datos sensibles.
Para autenticarte en la protección de datos sensibles, configura las credenciales predeterminadas de la aplicación. Si deseas obtener más información, consulta Configura la autenticación para un entorno de desarrollo local.
Go
Para obtener información sobre cómo instalar y usar la biblioteca cliente de la protección de datos sensibles, consulta Bibliotecas cliente de la protección de datos sensibles.
Para autenticarte en la protección de datos sensibles, configura las credenciales predeterminadas de la aplicación. Si deseas obtener más información, consulta Configura la autenticación para un entorno de desarrollo local.
PHP
Para obtener información sobre cómo instalar y usar la biblioteca cliente de la protección de datos sensibles, consulta Bibliotecas cliente de la protección de datos sensibles.
Para autenticarte en la protección de datos sensibles, configura las credenciales predeterminadas de la aplicación. Si deseas obtener más información, consulta Configura la autenticación para un entorno de desarrollo local.
C#
Para obtener información sobre cómo instalar y usar la biblioteca cliente de la protección de datos sensibles, consulta Bibliotecas cliente de la protección de datos sensibles.
Para autenticarte en la protección de datos sensibles, configura las credenciales predeterminadas de la aplicación. Si deseas obtener más información, consulta Configura la autenticación para un entorno de desarrollo local.
Configura la inspección del almacenamiento
Para inspeccionar una ubicación de Cloud Storage, un tipo de Datastore o una tabla de BigQuery, envía una solicitud al método projects.dlpJobs.create
de la API de DLP que contenga, al menos, la ubicación de los datos que se deben analizar y qué buscar. Más allá de esos parámetros requeridos, también puedes especificar dónde se escribirán los resultados del análisis y los límites de tamaño y probabilidades, entre otros. Una solicitud sin problemas da como resultado la creación de una instancia del objeto DlpJob
, que se analiza en “Recupera los resultados de inspección”.
Las opciones de configuración disponibles se resumen de esta forma:
Objeto
InspectJobConfig
: Contiene la información sobre la configuración para el trabajo de inspección. Ten en cuenta que al objetoInspectJobConfig
también lo usa el objetoJobTriggers
para programar la creación de losDlpJob
. En este objeto, se incluye lo siguiente:Objeto
StorageConfig
: Obligatorio. Contiene detalles sobre el repositorio de almacenamiento a analizar:Se debe incluir uno de los siguientes en el objeto
StorageConfig
, según el tipo de repositorio de almacenamiento que se analiza:Objeto
CloudStorageOptions
: Contiene información sobre el depósito de Cloud Storage que se debe analizar.Objeto
DatastoreOptions
: Contiene información sobre el conjunto de datos de Datastore que se debe analizar.Objeto
BigQueryOptions
: Contiene información sobre la tabla de BigQuery que se debe analizar y, de forma opcional, sobre los campos de identificación. Este objeto también habilita el muestreo de resultados. Para obtener más información, consulta Habilita el muestreo de resultados debajo.Objeto
TimespanConfig
: Opcional. Especifica el período de los elementos que se deben incluir en el análisis.
Objeto
InspectConfig
: Obligatorio. Especifica qué analizar, como infoTypes y valores de probabilidad.- Objetos
InfoType
: Obligatorios. Uno o más valores de infoType que se deben analizar. - Enumeración
Likelihood
: Opcional. Cuando se establece, la protección de datos sensibles solo mostrará resultados iguales o superiores a este umbral de probabilidad. Si se omite esta enumeración, el valor predeterminado seráPOSSIBLE
. - Objeto
FindingLimits
: Opcional. Cuando se establece, este objeto te habilita a especificar un límite para la cantidad de resultados que se muestran. - Parámetro
includeQuote
: Opcional. La configuración predeterminada esfalse
. Cuando se establece entrue
, cada resultado incluirá una cita contextual de los datos que lo activaron. - Parámetro
excludeInfoTypes
: Opcional. La configuración predeterminada esfalse
. Cuando se establece entrue
, los resultados del análisis excluirán la información sobre el tipo de los resultados. - Objetos
CustomInfoType
: Uno o más Infotipos personalizados creados por el usuario. Para obtener más información sobre la creación de Infotipos personalizados, consulta Crea detectores de Infotipos personalizados.
- Objetos
String
inspectTemplateName
: Opcional. Especifica la plantilla que se usará para propagar los valores predeterminados en el objetoInspectConfig
. Si ya especificasteInspectConfig
, los valores de la plantilla se combinarán.Objetos
Action
: Opcional. Una o más acciones para ejecutar cuando finaliza el trabajo. Cada acción se ejecuta en el orden en que se enumera. Aquí es donde especificas dónde se escribirán los resultados o si deseas publicar una notificación en un tema de Pub/Sub.
jobId
: Opcional Un identificador para el trabajo que muestra la protección de datos sensibles. Si se omitejobId
o está vacío, el sistema crea un ID para el trabajo. Si se especifica, al trabajo se le asigna este valor de ID. El ID del trabajo debe ser único y puede contener letras mayúsculas y minúsculas, números y guiones; debe coincidir con la siguiente expresión regular:[a-zA-Z\\d-]+
.
Limita la cantidad de contenido inspeccionado
Si analizas tablas de BigQuery o buckets de Cloud Storage, la protección de datos sensibles incluye una forma de analizar un subconjunto del conjunto de datos. Esto puede proporcionar una muestra de resultados de análisis sin incurrir en los costos potenciales de analizar un conjunto de datos completo.
En las siguientes secciones hay información sobre cómo limitar el tamaño de los análisis de Cloud Storage y de los análisis de BigQuery.
Limita los análisis de Cloud Storage
Para habilitar el muestreo en Cloud Storage, limita la cantidad de datos que se analizan. Puedes indicarle a la API de DLP que analice solo los archivos de un tamaño determinado, solo ciertos tipos de archivos y un porcentaje de la cantidad total de archivos en el conjunto de archivos de entrada. Para hacerlo, especifica los siguientes campos opcionales en CloudStorageOptions
:
bytesLimitPerFile
: Establece la cantidad máxima de bytes que se deben analizar de un archivo. Si el tamaño de un archivo analizado es mayor que este valor, el resto de los bytes se omiten. La configuración de este campo no afecta algunos tipos de archivos. Para obtener más información, consulta Límites de los bytes analizados por archivo.fileTypes[]
: Muestra una lista deFileTypes
que se incluirá en el análisis. Se puede establecer en uno o más de los siguientes tipos enumerados:filesLimitPercent
: Limita la cantidad de archivos que se analizarán al porcentaje especificado de la entradaFileSet
. Especificar0
o100
aquí indica que no hay límite.sampleMethod
: Cómo generar muestras de bytes si no se analizan todos los bytes. Especificar este valor funciona solo cuando se usa junto conbytesLimitPerFile
. Si no se especifica, el análisis comienza desde arriba. Este campo se puede establecer en uno de dos valores:TOP
: El análisis comienza desde arriba.RANDOM_START
: Para cada archivo mayor que el tamaño especificado enbytesLimitPerFile
, elige de forma aleatoria el desplazamiento a fin de comenzar la búsqueda. Los bytes analizados son contiguos.
En los siguientes ejemplos, se demuestra el uso de la API de DLP para analizar el 90% de un subconjunto de un bucket de Cloud Storage en busca de nombres de personas. El análisis comienza desde una ubicación aleatoria del conjunto de datos y solo incluye archivos de texto por debajo de los 200 bytes.
C#
Para obtener información sobre cómo instalar y usar la biblioteca cliente de la protección de datos sensibles, consulta Bibliotecas cliente de la protección de datos sensibles.
Para autenticarte en la protección de datos sensibles, configura las credenciales predeterminadas de la aplicación. Si deseas obtener más información, consulta Configura la autenticación para un entorno de desarrollo local.
Go
Para obtener información sobre cómo instalar y usar la biblioteca cliente de la protección de datos sensibles, consulta Bibliotecas cliente de la protección de datos sensibles.
Para autenticarte en la protección de datos sensibles, configura las credenciales predeterminadas de la aplicación. Si deseas obtener más información, consulta Configura la autenticación para un entorno de desarrollo local.
Java
Para obtener información sobre cómo instalar y usar la biblioteca cliente de la protección de datos sensibles, consulta Bibliotecas cliente de la protección de datos sensibles.
Para autenticarte en la protección de datos sensibles, configura las credenciales predeterminadas de la aplicación. Si deseas obtener más información, consulta Configura la autenticación para un entorno de desarrollo local.
Node.js
Para obtener información sobre cómo instalar y usar la biblioteca cliente de la protección de datos sensibles, consulta Bibliotecas cliente de la protección de datos sensibles.
Para autenticarte en la protección de datos sensibles, configura las credenciales predeterminadas de la aplicación. Si deseas obtener más información, consulta Configura la autenticación para un entorno de desarrollo local.
PHP
Para obtener información sobre cómo instalar y usar la biblioteca cliente de la protección de datos sensibles, consulta Bibliotecas cliente de la protección de datos sensibles.
Para autenticarte en la protección de datos sensibles, configura las credenciales predeterminadas de la aplicación. Si deseas obtener más información, consulta Configura la autenticación para un entorno de desarrollo local.
Python
Para obtener información sobre cómo instalar y usar la biblioteca cliente de la protección de datos sensibles, consulta Bibliotecas cliente de la protección de datos sensibles.
Para autenticarte en la protección de datos sensibles, configura las credenciales predeterminadas de la aplicación. Si deseas obtener más información, consulta Configura la autenticación para un entorno de desarrollo local.
REST
Entrada de JSON:
POST https://dlp.googleapis.com/v2/projects/[PROJECT-ID]/dlpJobs?key={YOUR_API_KEY}
{
"inspectJob":{
"storageConfig":{
"cloudStorageOptions":{
"fileSet":{
"url":"gs://[BUCKET-NAME]/*"
},
"bytesLimitPerFile":"200",
"fileTypes":[
"TEXT_FILE"
],
"filesLimitPercent":90,
"sampleMethod":"RANDOM_START"
}
},
"inspectConfig":{
"infoTypes":[
{
"name":"PERSON_NAME"
}
],
"excludeInfoTypes":true,
"includeQuote":true,
"minLikelihood":"POSSIBLE"
},
"actions":[
{
"saveFindings":{
"outputConfig":{
"table":{
"projectId":"[PROJECT-ID]",
"datasetId":"testingdlp"
},
"outputSchema":"BASIC_COLUMNS"
}
}
}
]
}
}
Después de enviar la entrada JSON en una solicitud POST al extremo especificado, se crea un trabajo de protección de datos sensibles y la API envía la siguiente respuesta.
Salida de JSON:
{
"name":"projects/[PROJECT-ID]/dlpJobs/[JOB-ID]",
"type":"INSPECT_JOB",
"state":"PENDING",
"inspectDetails":{
"requestedOptions":{
"snapshotInspectTemplate":{
},
"jobConfig":{
"storageConfig":{
"cloudStorageOptions":{
"fileSet":{
"url":"gs://[BUCKET_NAME]/*"
},
"bytesLimitPerFile":"200",
"fileTypes":[
"TEXT_FILE"
],
"sampleMethod":"TOP",
"filesLimitPercent":90
}
},
"inspectConfig":{
"infoTypes":[
{
"name":"PERSON_NAME"
}
],
"minLikelihood":"POSSIBLE",
"limits":{
},
"includeQuote":true,
"excludeInfoTypes":true
},
"actions":[
{
"saveFindings":{
"outputConfig":{
"table":{
"projectId":"[PROJECT-ID]",
"datasetId":"[DATASET-ID]",
"tableId":"[TABLE-ID]"
},
"outputSchema":"BASIC_COLUMNS"
}
}
}
]
}
}
},
"createTime":"2018-05-30T22:22:08.279Z"
}
Limita los análisis de BigQuery
Para habilitar el muestreo en BigQuery y limitar la cantidad de datos que se analizan, especifica los siguientes campos opcionales dentro de BigQueryOptions
:
rowsLimit
: La cantidad máxima de filas que se deben analizar. Si la cantidad de filas de la tabla es mayor que este valor, el resto de las filas se omiten. Si no se establece, o si se establece en 0, se analizarán todas las filas.rowsLimitPercent
: El porcentaje máximo de filas que se analizarán (entre 0 y 100). Se omiten las filas restantes. Establecer este valor en 0 o 100 significa que no hay límite. El valor predeterminado es 0. Solo se puede especificar uno derowsLimit
yrowsLimitPercent
.sampleMethod
: Cómo generar muestras de las filas si no se analizan todas. Si no se especifica, el análisis comienza desde arriba. Este campo se puede establecer en uno de dos valores:TOP
: El análisis comienza desde arriba.RANDOM_START
: El análisis comienza desde una fila seleccionada al azar.
excludedFields
: Son campos de tabla que identifican de manera única las columnas que se excluirán de la lectura. Esto puede ayudar a reducir la cantidad de datos analizados y reducir el costo general de un trabajo de inspección.includedFields
: Campos de tabla que identifican de manera única filas específicas dentro de la tabla que se analizarán.
Otra función útil para limitar los datos que se analizan, en especial cuando se analizan tablas particionadas, es TimespanConfig
.
TimespanConfig
te permite filtrar las filas de la tabla de BigQuery mediante valores de hora de inicio y de finalización para definir un período. La protección de datos sensibles solo analiza las filas que contienen una marca de tiempo dentro de ese período.
En los siguientes ejemplos, se demuestra el uso de la API de DLP para analizar un subconjunto de 1,000 filas de una tabla de BigQuery. El análisis comienza desde una fila aleatoria.
Go
Para obtener información sobre cómo instalar y usar la biblioteca cliente de la protección de datos sensibles, consulta Bibliotecas cliente de la protección de datos sensibles.
Para autenticarte en la protección de datos sensibles, configura las credenciales predeterminadas de la aplicación. Si deseas obtener más información, consulta Configura la autenticación para un entorno de desarrollo local.
Java
Para obtener información sobre cómo instalar y usar la biblioteca cliente de la protección de datos sensibles, consulta Bibliotecas cliente de la protección de datos sensibles.
Para autenticarte en la protección de datos sensibles, configura las credenciales predeterminadas de la aplicación. Si deseas obtener más información, consulta Configura la autenticación para un entorno de desarrollo local.
Node.js
Para obtener información sobre cómo instalar y usar la biblioteca cliente de la protección de datos sensibles, consulta Bibliotecas cliente de la protección de datos sensibles.
Para autenticarte en la protección de datos sensibles, configura las credenciales predeterminadas de la aplicación. Si deseas obtener más información, consulta Configura la autenticación para un entorno de desarrollo local.
PHP
Para obtener información sobre cómo instalar y usar la biblioteca cliente de la protección de datos sensibles, consulta Bibliotecas cliente de la protección de datos sensibles.
Para autenticarte en la protección de datos sensibles, configura las credenciales predeterminadas de la aplicación. Si deseas obtener más información, consulta Configura la autenticación para un entorno de desarrollo local.
Python
Para obtener información sobre cómo instalar y usar la biblioteca cliente de la protección de datos sensibles, consulta Bibliotecas cliente de la protección de datos sensibles.
Para autenticarte en la protección de datos sensibles, configura las credenciales predeterminadas de la aplicación. Si deseas obtener más información, consulta Configura la autenticación para un entorno de desarrollo local.
C#
Para obtener información sobre cómo instalar y usar la biblioteca cliente de la protección de datos sensibles, consulta Bibliotecas cliente de la protección de datos sensibles.
Para autenticarte en la protección de datos sensibles, configura las credenciales predeterminadas de la aplicación. Si deseas obtener más información, consulta Configura la autenticación para un entorno de desarrollo local.
REST
Entrada de JSON:
POST https://dlp.googleapis.com/v2/projects/[PROJECT-ID]/dlpJobs?key={YOUR_API_KEY}
{
"inspectJob":{
"storageConfig":{
"bigQueryOptions":{
"tableReference":{
"projectId":"bigquery-public-data",
"datasetId":"usa_names",
"tableId":"usa_1910_current"
},
"rowsLimit":"1000",
"sampleMethod":"RANDOM_START",
"includedFields":[
{
"name":"name"
}
]
}
},
"inspectConfig":{
"infoTypes":[
{
"name":"FIRST_NAME"
}
],
"includeQuote":true
},
"actions":[
{
"saveFindings":{
"outputConfig":{
"table":{
"projectId":"[PROJECT-ID]",
"datasetId":"testingdlp",
"tableId":"bqsample3"
},
"outputSchema":"BASIC_COLUMNS"
}
}
}
]
}
}
Después de enviar la entrada JSON en una solicitud POST al extremo especificado, se crea un trabajo de protección de datos sensibles y la API envía la siguiente respuesta.
Salida de JSON:
{
"name": "projects/[PROJECT-ID]/dlpJobs/[JOB-ID]",
"type": "INSPECT_JOB",
"state": "PENDING",
"inspectDetails": {
"requestedOptions": {
"snapshotInspectTemplate": {},
"jobConfig": {
"storageConfig": {
"bigQueryOptions": {
"tableReference": {
"projectId": "bigquery-public-data",
"datasetId": "usa_names",
"tableId": "usa_1910_current"
},
"rowsLimit": "1000",
"sampleMethod": "RANDOM_START",
"includedFields": [
{
"name": "name"
}
]
}
},
"inspectConfig": {
"infoTypes": [
{
"name": "FIRST_NAME"
}
],
"limits": {},
"includeQuote": true
},
"actions": [
{
"saveFindings": {
"outputConfig": {
"table": {
"projectId": "[PROJECT-ID]",
"datasetId": "[DATASET-ID]",
"tableId": "bqsample"
},
"outputSchema": "BASIC_COLUMNS"
}
}
}
]
}
},
"result": {}
},
"createTime": "2022-11-04T18:53:48.350Z"
}
Cuando el trabajo de inspección termina de ejecutarse y BigQuery procesa los resultados, estos aparecerán en la tabla de salida de BigQuery especificada. Para obtener más información sobre la recuperación de los resultados de inspección, consulta la sección siguiente.
Recupera los resultados de la inspección
Puedes recuperar un resumen de un DlpJob
mediante el método projects.dlpJobs.get
. El DlpJob
que se muestra incluye su objeto InspectDataSourceDetails
, que contiene un resumen de la configuración del trabajo (RequestedOptions
) y un resumen del resultado del trabajo (Result
). El resumen de resultados incluye lo siguiente:
processedBytes
: El tamaño total en bytes de lo que se procesó.totalEstimatedBytes
: Una estimación de la cantidad de bytes restantes para procesar.- Objeto
InfoTypeStatistics
: Estadísticas sobre cuántas instancias de cada Infotipo se encontraron durante el trabajo de inspección.
Para obtener resultados completos del trabajo de inspección, tienes varias opciones. Según la Action
elegida, con los trabajos de inspección sucede lo siguiente:
- Se guardan en BigQuery (el objeto
SaveFindings
) en la tabla especificada. Antes de ver o analizar los resultados, asegúrate de que el trabajo se completó mediante el métodoprojects.dlpJobs.get
, que se describe a continuación. Ten en cuenta que puedes especificar un esquema para almacenar resultados mediante el objetoOutputSchema
. - Se publican en un tema de Pub/Sub (el objeto
PublishToPubSub
). El tema debe tener derechos de acceso de publicación a la cuenta de servicio de Protección de datos sensibles que ejecuta elDlpJob
que envía las notificaciones. - Se publican en Security Command Center.
- Se publican en Data Catalog.
- Se publican en Cloud Monitoring.
Para ayudar a examinar grandes cantidades de datos generados por la protección de datos sensibles, puedes usar las herramientas integradas de BigQuery a fin de ejecutar estadísticas de SQL enriquecidas o herramientas como Looker Studio para generar informes. Para obtener más información, consulta Análisis y generación de informes sobre los resultados de la protección de datos sensibles. Para ver algunas consultas de muestra, lee Consulta resultados en BigQuery.
El envío de una solicitud de inspección del repositorio de almacenamiento a la protección de datos sensibles crea y ejecuta una instancia del objeto DlpJob
como respuesta. Estas tareas pueden tardar segundos, minutos o incluso horas en ejecutarse, según el tamaño de tus datos y la configuración que especificaste. Si eliges publicar en un tema de Pub/Sub (mediante la especificación de PublishToPubSub
en Action
), se envían de forma automática notificaciones al tema con el nombre especificado cuando el estado del trabajo cambia. El nombre del tema de Pub/Sub se especifica con el formato projects/[PROJECT-ID]/topics/[PUBSUB-TOPIC-NAME]
.
Tendrás control total sobre los trabajos que crees, incluidos los métodos de administración siguientes:
- Método
projects.dlpJobs.cancel
: Detiene un trabajo que está en curso. El servidor realiza su mejor esfuerzo para cancelar la operación, pero no se garantiza que lo logre.El trabajo y su configuración permanecerán hasta que los borres. - Método
projects.dlpJobs.delete
: Borra un trabajo y su configuración. - Método
projects.dlpJobs.get
: Recupera un solo trabajo y muestra su estado, su configuración y, si el trabajo está listo, los resultados del resumen. - Método
projects.dlpJobs.list
: Recupera una lista de todos los trabajos y, además, incluye la capacidad de filtrar los resultados.
Próximos pasos
- Si quieres obtener más información para crear trabajos de inspección de almacenamiento, consulta Crea y programa trabajos de inspección de protección de datos sensibles.
- Obtén más información para crear una copia desidentificada de los datos almacenados.
- Para obtener más información sobre los tipos de archivos compatibles cuando inspeccionas buckets de Cloud Storage, consulta Tipos de archivos compatibles.