Menghitung δ-kehadiran untuk set data

Delta-presence (δ-presence) adalah metrik yang mengukur probabilitas bahwa seseorang termasuk dalam set data yang dianalisis. Seperti k-map, Anda dapat memperkirakan nilai δ-presence menggunakan Sensitive Data Protection, yang menggunakan model statistik untuk memperkirakan set data serangan.

δ-presence berbeda dengan metode analisis risiko lainnya, yang set data serangannya diketahui secara eksplisit. Bergantung pada jenis data, Sensitive Data Protection menggunakan set data yang tersedia secara publik (misalnya, dari US Census) atau model statistik kustom (misalnya, satu atau beberapa Tabel BigQuery yang Anda tentukan), atau mengekstrapolasi dari distribusi nilai dalam set data input Anda.

Topik ini menunjukkan cara menghitung nilai δ-presence untuk set data menggunakan Sensitive Data Protection. Untuk mengetahui informasi selengkapnya tentang δ-presence atau analisis risiko secara umum, lihat topik konsep analisis risiko sebelum melanjutkan.

Catatan: Saat ini, Anda hanya dapat menghitung nilai δ-presence menggunakan DLP API atau library klien yang didukung Perlindungan Data Sensitif. Sensitive Data Protection di Google Cloud konsol tidak mendukung penghitungan nilai δ-presence.

Catatan: Membatalkan operasi sebelum waktunya selagi tugas sedang berjalan tetap akan dikenai biaya untuk sebagian tugas yang telah diselesaikan. Untuk mengetahui informasi selengkapnya tentang penagihan, lihat Harga Perlindungan Data Sensitif.

Sebelum memulai

Sebelum melanjutkan, pastikan Anda telah melakukan hal berikut:

1. Login ke Akun Google Anda.
2. Di Google Cloud konsol, pada halaman pemilih project, pilih atau buat Google Cloud project.
Buka pemilih project
3. Pastikan penagihan diaktifkan untuk project Anda Google Cloud . Pelajari cara mengonfirmasi bahwa penagihan diaktifkan untuk project Anda.
4. Aktifkan Perlindungan Data Sensitif.
Mengaktifkan Perlindungan Data Sensitif
5. Pilih set data BigQuery untuk dianalisis. Perlindungan Data Sensitif memperkirakan metrik δ-presence dengan memindai tabel BigQuery.
6. Tentukan jenis set data yang ingin Anda gunakan untuk memodelkan set data serangan. Untuk mengetahui informasi selengkapnya, lihat halaman referensi untuk objek DeltaPresenceEstimationConfig, serta Istilah dan teknik analisis risiko.

Menghitung metrik δ-presence

Untuk menghitung perkiraan δ-presence menggunakan Sensitive Data Protection, kirim permintaan ke URL berikut, dengan PROJECT_ID menunjukkan ID project Anda:

https://dlp.googleapis.com/v2/projects/PROJECT_ID/dlpJobs

Permintaan berisi objek RiskAnalysisJobConfig, yang terdiri dari hal berikut:

• A PrivacyMetric objek. Di sini Anda menentukan bahwa Anda ingin menghitung δ-presence dengan menentukan DeltaPresenceEstimationConfig objek yang berisi hal berikut:

  • quasiIds[]: Wajib diisi. Kolom (QuasiId objek) yang dianggap sebagai pengenal kuasi untuk dipindai dan digunakan untuk menghitung δ-presence. Tidak boleh ada dua kolom yang memiliki tag yang sama. Kolom ini dapat berupa salah satu hal berikut:

    • infoType: Hal ini menyebabkan Sensitive Data Protection menggunakan set data publik yang relevan sebagai model statistik populasi, termasuk kode pos AS, kode wilayah, usia, dan gender.
    • infoType kustom: Tag kustom tempat Anda menunjukkan tabel tambahan (objek AuxiliaryTable ) yang berisi informasi statistik tentang kemungkinan nilai kolom ini.
    • Tag inferred: Jika tidak ada tag semantik yang ditunjukkan, tentukan inferred. Perlindungan Data Sensitif menyimpulkan model statistik dari distribusi nilai dalam data input.

  • regionCode: Kode wilayah ISO 3166-1 alpha-2 untuk digunakan Sensitive Data Protection dalam pemodelan statistik. Nilai ini diperlukan jika tidak ada kolom yang diberi tag dengan infoType khusus wilayah (misalnya, kode pos AS) atau kode wilayah.

  • auxiliaryTables[]: Tabel tambahan (StatisticalTable objek) yang akan digunakan dalam analisis. Setiap tag kustom yang digunakan untuk memberi tag pada kolom pengenal kuasi (dari quasiIds[]) harus muncul di tepat satu kolom dari satu tabel tambahan.

• Objek BigQueryTable. Tentukan tabel BigQuery yang akan dipindai dengan menyertakan semua hal berikut:

  • projectId: project ID dari project yang berisi tabel.
  • datasetId: ID set data tabel.
  • tableId: Nama tabel.

• Kumpulan satu atau beberapa Action objek, yang mewakili tindakan yang akan dijalankan, dalam urutan yang diberikan, setelah tugas selesai. Setiap objek Action dapat berisi salah satu tindakan berikut:

  • SaveFindings objek: Menyimpan hasil pemindaian analisis risiko ke tabel BigQuery.
  • PublishToPubSub objek: Memublikasikan notifikasi ke topik Pub/Sub.
  Catatan: Jika ada masalah konfigurasi atau izin dengan topik Pub/Sub, Sensitive Data Protection akan mencoba kembali mengirim notifikasi Pub/Sub hingga dua minggu. Setelah dua minggu, notifikasi akan dihapus.
  • PublishSummaryToCscc objek: Menyimpan ringkasan hasil ke Security Command Center.
  • PublishFindingsToCloudDataCatalog objek: Menyimpan hasil ke Data Catalog.
  • JobNotificationEmails objek: Mengirimi Anda email berisi hasil.
  • PublishToStackdriver objek: Menyimpan hasil ke Google Cloud Observability.

Melihat hasil tugas δ-presence

Untuk mengambil hasil tugas analisis risiko δ-presence menggunakan REST API, kirim permintaan GET berikut ke projects.dlpJobs resource. Ganti PROJECT_ID dengan project ID Anda dan JOB_ID dengan ID tugas yang hasilnya ingin Anda dapatkan. ID tugas ditampilkan saat Anda memulai tugas, dan juga dapat diambil dengan mencantumkan semua tugas.

GET https://dlp.googleapis.com/v2/projects/PROJECT_ID/dlpJobs/JOB_ID

Permintaan menampilkan objek JSON yang berisi instance tugas. Hasil analisis berada di dalam kunci "riskDetails", dalam AnalyzeDataSourceRiskDetails objek. Untuk mengetahui informasi selengkapnya, lihat referensi API untuk DlpJob resource.

Langkah berikutnya

• Pelajari cara menghitung nilai k-anonymity untuk set data.
• Pelajari cara menghitung nilai l-diversity untuk set data.
• Pelajari cara menghitung nilai k-map untuk set data.