데이터 프로파일러에서 발견 항목 해결

이 페이지에서는 데이터 프로필에서 발견 항목을 해결하는 단계를 설명합니다.

높은 데이터 위험

데이터 위험이 높은 열 또는 테이블은 추가적인 보호가 없는 민감한 정보에 대한 증거를 갖고 있습니다. 데이터 위험 점수를 낮추려면 다음을 수행할 수 있습니다.

  • 민감한 정보가 포함된 BigQuery 열에 대해 BigQuery 정책 태그를 적용하여 특정 액세스 권한으로 계정 액세스를 제한합니다.

    이를 변경하기 전 열 수준 제한으로 테이블을 프로파일링하는 데 필요한 권한이 서비스 에이전트에게 있는지 확인합니다. 그렇지 않으면 Sensitive Data Protection에 오류가 표시됩니다. 자세한 내용은 데이터 프로파일러 문제 해결을 참조하세요.

  • 마스킹 및 토큰화와 같은 익명화 기술을 사용하여 민감한 원시 정보를 익명화합니다.

  • 위험도가 높은 데이터가 필요하지 않으면 민감한 열을 삭제하는 것이 좋습니다.

높은 자유 텍스트 점수

자유 텍스트 점수가 높은 열, 특히 PHONE_NUMBER, US_SOCIAL_SECURITY_NUMBER, DATE_OF_BIRTH와 같이 여러 infoType 증거가 있는 열은 구조화되지 않은 데이터 및 개인 식별 정보(PII) 인스턴스를 포함할 수 있습니다. 이 열은 참고 또는 설명 필드일 수 있습니다. 자유 형식 텍스트는 잠재적인 위험을 나타냅니다. 예를 들어 이러한 필드에서는 누군가 'Customer was born on January 1, 1985"와 같이 입력할 수 있습니다.

Sensitive Data Protection은 구조화되지 않은 데이터를 처리하도록 설계되었습니다. 이러한 종류의 데이터를 더 효과적으로 이해하기 위해서는 다음을 수행하는 것이 좋습니다.

  • BigQuery 데이터의 경우 BigQuery 테이블에서 주문형 검사를 실행하여 PII가 있을 수 있는 행이나 셀을 식별할 수 있습니다.

  • 마스킹 및 토큰화와 같은 기술을 사용하여 민감한 원시 정보를 익명화합니다.

다음 단계