개인 식별 정보 (PII) 유출 원인 분석

Knowledge Catalog (이전 명칭: Dataplex Universal Catalog)의 데이터 계보를 사용하면 데이터가 테이블과 뷰 간에 이동하는 방식을 추적하여 개인 식별 정보 (PII)가 보안 경계를 넘는 위치를 식별할 수 있습니다. 이 튜토리얼에서는 계정 생성, 인보이스 발행, 배송을 위한 소비자 이메일 주소 (user_email)가 조직 전체 분석 테이블로 유출되는 시나리오를 조사합니다. 열 수준 계보를 사용하여 공개 order_status_stats 테이블에서 status_counts_by_user_v 뷰를 통해 노출된 열을 ID 데이터와 조인하는 변환 프로세스로 다시 추적합니다.

시작하기 전에

이 튜토리얼을 시작하기 전에 필요한 API를 사용 설정하고, 필요한 Identity and Access Management 역할을 부여하고, Dataform에서 샘플 데이터 변환을 실행하여 데이터 세트를 채워야 합니다. 전체 설정 안내는 기본 요건 및 설정을 참조하세요.

계보 탐색기로 개인 정보 유출 분석

데이터 세트를 준비한 후 BigQuery 계보 탭을 사용하여 개인 정보 유출을 추적합니다.

이 예시에서는 공개 테이블의 user_email 열을 소스로 다시 추적합니다.

  1. Google Cloud 콘솔에서 BigQuery 페이지로 이동합니다.
  2. 검색창을 사용하여 order_status_stats 테이블을 찾습니다.
  3. 계보 탭을 클릭합니다.
  4. 계보 탐색기 창에서 다음을 수행합니다.
    1. 열 수준 계보 섹션의 목록에서 user_email 열 이름을 선택합니다.
    2. 방향 섹션에서 업스트림 방향을 선택합니다.
    3. 적용을 클릭합니다.
  5. 그래프를 따라 한 단계 뒤로 이동합니다. 그래프는 이메일이 status_counts_by_user_v 중간 뷰에서 가져온 것임을 보여줍니다.
  6. 뷰와 업스트림 종속 항목 사이의 프로세스 노드를 클릭합니다. 프로세스 노드는 익명처리된 주문 데이터와 ID 정보가 포함된 테이블 간에 조인 작업이 발생함을 보여줍니다.

계보는 개인 정보가 제한된 기능 테이블에서 승인되지 않은 사용자가 볼 수 있는 더 광범위한 분석 스키마로 이동함을 증명합니다.

데이터 계보 그래프를 사용하여 데이터를 시각화하는 방법에 대한 자세한 내용은 계보 그래프 뷰를 참조하세요.