修复数据性能分析器中的发现结果

本页介绍了修复数据性能分析器中发现结果的步骤。

高数据风险

具有高数据风险的列或表格具有敏感信息的保护，无需额外的保护。如要降低数据风险得分，请考虑执行以下操作：

• 对于包含敏感数据的 BigQuery 列，请应用 BigQuery 政策标记，以限制对具有特定访问权限的帐号的访问权限。

  在进行此更改之前，请确保您的服务代理具有分析具有列级限制的表所需的权限。否则，敏感数据保护会显示错误。如需了解详情，请参阅使用数据分析器排查问题。

• 使用去标识化技术（如遮盖和标记化）对原始敏感数据进行去标识化处理。

• 如果不需要高风险数据，请考虑移除敏感列。

  注意：如果您从表中删除了列，并且重新对该表进行了分析，则系统不会为已删除的列生成列数据分析。如果您希望保留过往数据配置文件的历史记录（例如出于审核目的），请配置性能剖析器以将数据分析文件导出到 BigQuery。

高自由文本得分

自由文本得分较高的列（尤其是有证据表明存在多个 infoType（例如 PHONE_NUMBER、US_SOCIAL_SECURITY_NUMBER 和 DATE_OF_BIRTH）的列）可能包含非结构化数据和个人身份信息 (PII) 实例。此列可以是备注或注释字段。自由格式文本可能会带来潜在风险。例如，在此类字段中，可能会有人输入“Customer was born on January 1, 1985”。

敏感数据保护旨在处理非结构化数据。如需更好地了解此类数据，请考虑执行以下操作：

• 对于 BigQuery 数据，您可以通过对 BigQuery 表运行按需检查来标识可能包含个人身份信息的行或单元格。

• 使用遮盖和标记化等技术对原始敏感数据进行去标识化。

后续步骤

• 了解敏感数据保护如何计算表和列的数据风险和敏感度级别。

• 了解令牌化处理如何在不牺牲隐私的情况下让数据可用。

• 了解 Forrester 如何将 Google Cloud 评为非结构化数据安全平台的业界领导者。