Sensitive Data Protection usa tipos de información, o Infotipos, para definir lo que busca. Un Infotipo es un tipo de dato sensible, como un nombre, una dirección de correo electrónico, un número de teléfono, un número de identificación, un número de tarjeta de crédito, etcétera.
Cada Infotipo definido en Sensitive Data Protection tiene un detector correspondiente. Sensitive Data Protection usa los detectores de Infotipo en la configuración de sus análisis para determinar qué analizar y cómo transformar los resultados. Los nombres de Infotipo también se usan cuando se muestran o informan los resultados de análisis.
En este tema, se describen en detalle los Infotipos y los detectores de Infotipo, y se proporciona ayuda sobre cómo usar los detectores de Infotipo cuando se analiza contenido en busca de datos sensibles con Sensitive Data Protection.
Especifica los detectores de Infotipo
Cuando configuras Sensitive Data Protection para que analice tu contenido, debes incluir los detectores de Infotipo que usarás en la configuración de análisis.
Por ejemplo, en el siguiente JSON se muestra una solicitud de análisis simple a la API de DLP. Ten en cuenta que el detector PHONE_NUMBER se especifica en inspectConfig, lo que le indica a Sensitive Data Protection que analice la cadena dada en busca de un número de teléfono.
POST https://dlp.googleapis.com/v2/projects/[PROJECT_ID]/content:inspect?key={YOUR_API_KEY}
{
"item":{
"value":"My phone number is (415) 555-0890"
},
"inspectConfig":{
"includeQuote":true,
"minLikelihood":"POSSIBLE",
"infoTypes":{
"name":"PHONE_NUMBER"
}
}
}
La solicitud anterior muestra lo siguiente:
{
"result":{
"findings":[
{
"quote":"(415) 555-0890",
"infoType":{
"name":"PHONE_NUMBER"
},
"likelihood":"VERY_LIKELY",
"location":{
"byteRange":{
"start":"19",
"end":"33"
},
"codepointRange":{
"start":"19",
"end":"33"
}
},
"createTime":"2018-10-29T23:46:34.535Z"
}
]
}
}
Especifica siempre Infotipos en la configuración de tu análisis. Si no especificas ningún Infotipo, Sensitive Data Protection usa una lista de Infotipos predeterminada. Según la cantidad de contenido para analizar, buscar Infotipos predeterminados puede llevar mucho tiempo o ser demasiado costoso.
Si quieres obtener más información sobre cómo usar los detectores de Infotipos para analizar tu contenido, consulta uno de los temas prácticos sobre análisis, ocultamiento o desidentificación.
Tipos de detectores de Infotipos
Los detectores de tipo de información (o “Infotipo”) son los mecanismos que usa Sensitive Data Protection para encontrar datos sensibles.
Sensitive Data Protection incluye varios tipos de detectores de Infotipo, los cuales se resumen a continuación:
- Los detectores de Infotipo integrados están incorporados en Sensitive Data Protection. Incluyen detectores para tipos de datos sensibles específicos de un país o región, así como tipos de datos aplicables a nivel mundial.
- Los detectores de Infotipos personalizados son detectores que creas tú mismo. Existen tres tipos de detectores de Infotipos personalizados:
- Los detectores de diccionarios personalizados normales son listas de palabras sencillas con las que la Protección de datos sensibles detecta coincidencias. Usa los detectores de diccionarios personalizados normales cuando tengas una lista de al menos varias decenas de miles de palabras o frases. Se prefieren los detectores de diccionarios personalizados normales si esperas que tu lista de palabras no cambie de forma significativa.
- La Protección de datos sensibles genera detectores de diccionarios personalizados almacenados con listas grandes de palabras o frases almacenadas en Cloud Storage o BigQuery. Usa los detectores de diccionarios personalizados almacenados cuando tengas listas grandes de palabras o frases de hasta decenas de millones.
- Los detectores de expresiones regulares (regex) permiten a la Protección de datos sensibles detectar las coincidencias basadas en un patrón de expresión regular.
Para definir mejor los resultados del análisis, puedes crear reglas de inspección.
Detectores de Infotipos incorporados
Los detectores de Infotipo incorporados están integrados en Protección de datos sensibles y
incluyen detectores para tipos de datos sensibles específicos de un país o región, como
el Numéro d'Inscription au Répertoire (NIR) (FRANCE_NIR) francés, el número de licencia de conducir del Reino Unido (UK_DRIVERS_LICENSE_NUMBER) y el número de seguridad social de EE.UU. (US_SOCIAL_SECURITY_NUMBER). También incluyen tipos de datos aplicables a nivel mundial, como el nombre de una persona (PERSON_NAME), números de teléfono (PHONE_NUMBER),
direcciones de correo electrónico (EMAIL_ADDRESS) y números de tarjetas de crédito
(CREDIT_CARD_NUMBER). Para detectar contenido que corresponde a Infotipos, Protección de datos sensibles aprovecha varias técnicas, como la correlación de patrones, las sumas de verificación, el aprendizaje automático, el análisis de contexto y otras.
La lista de detectores de Infotipo incorporados siempre se actualiza. Para obtener una lista completa de los detectores de Infotipos integrados que se admiten por el momento, consulta la Referencia del detector de Infotipos.
También puedes ver una lista completa de todos los detectores de Infotipo integrados si llamas al método infoTypes.list de Sensitive Data Protection.
Detectores de Infotipo personalizados
Existen tres tipos de detectores de Infotipos personalizados:
- Detectores de diccionarios personalizados normales
- Detectores de diccionarios personalizados almacenados
- Expresiones regulares (regex)
Para definir mejor los resultados del análisis, puedes crear reglas de inspección.
Detectores de diccionarios personalizados normales
Usa los detectores de diccionarios personalizados normales para hacer coincidir una lista pequeña (hasta varias decenas de miles) de palabras o frases. Un diccionario personalizado normal puede funcionar como su propio detector único.
Los detectores de diccionarios personalizados son útiles cuando deseas analizar en busca de una lista de palabras o frases que no se pueden combinar con facilidad mediante una expresión regular ni un detector incorporado. Por ejemplo, supongamos que deseas analizar en busca de salas de conferencias a las que se suele hacer referencia por los nombres que tienen asignadas en lugar de los números de las salas, como los nombres de estados o regiones, puntos de referencia, personajes de ficción, etcétera. Puedes hacer un detector de diccionario personalizado normal que contenga una lista de estos nombres de salas. Sensitive Data Protection puede analizar tu contenido para cada uno de los nombres de salas y mostrar una coincidencia cuando encuentre uno de ellos en contexto. Obtén más información sobre cómo la Protección de datos sensibles detecta coincidencias entre palabras y frases de diccionario en la sección “Detalles de coincidencias en el diccionario” de Crea un detector de diccionario personalizado normal.
Para obtener más detalles sobre cómo funcionan los detectores de Infotipo personalizados de diccionario normal, así como ejemplos prácticos, consulta Crea un detector de diccionario personalizado normal.
Detectores de diccionarios personalizados almacenados
Usa detectores de diccionarios personalizados almacenados cuando tengas más que unas pocas palabras o frases para buscar, o si tu lista de palabras o frases cambia con frecuencia. Los detectores de diccionario personalizados almacenados pueden detectar coincidencias con hasta decenas de millones de palabras o frases.
Los detectores de diccionarios personalizados almacenados, por ser detectores personalizados muy grandes, se crean de manera diferente a los detectores personalizados de expresiones regulares y los detectores de diccionarios personalizados normales. Cada diccionario personalizado almacenado tiene dos componentes:
- Una lista de frases que creas y defines. La lista se almacena como un archivo de texto dentro de Cloud Storage o como una columna en una tabla de BigQuery.
- Los archivos de diccionario generados, que la Protección de datos sensibles crea según tu lista de frases. Los archivos del diccionario se almacenan en Cloud Storage y se componen de una copia de los datos de la frase fuente más los filtros de Bloom que ayudan en la búsqueda y en la detección de coincidencias. No puedes editar estos archivos directamente.
Una vez que creaste una lista de palabras y usaste Sensitive Data Protection para generar un diccionario personalizado, inicia o programa un análisis con un detector de diccionario personalizado almacenado de manera similar a otros detectores de Infotipo.
Para obtener más detalles sobre cómo funcionan los detectores de diccionarios personalizados almacenados, así como ejemplos prácticos, consulta Crea un detector de diccionario personalizado almacenado.
Expresiones regulares
Un detector de Infotipo personalizado de expresiones regulares (regex) te permite crear tus propios detectores de Infotipo que hacen posible que la Protección de datos sensibles detecte coincidencias basadas en un patrón de regex. Por ejemplo, supongamos que tienes números de historias clínicas con el formato ###-#-#####. Podrías definir un patrón de regex como el siguiente:
[1-9]{3}-[1-9]{1}-[1-9]{5}
Sensitive Data Protection detectaría coincidencias con elementos como este:
123-4-56789
También puedes especificar una probabilidad para asignar a cada coincidencia de Infotipo personalizada. Es decir, cuando Sensitive Data Protection detecte coincidencias con la secuencia que especifiques, asignará la probabilidad que indicaste.
Esto es útil, ya que si tu regex personalizada define una secuencia que es bastante común como para coincidir con facilidad con otra secuencia aleatoria, no querrás que la Protección de datos sensibles etiquete cada coincidencia como VERY_LIKELY. Si eso sucediera, la confianza en los resultados del análisis se vería afectada y podría causar la desidentificación de la información incorrecta.
Para obtener más información sobre los detectores de Infotipo personalizados de expresiones regulares y ver ejemplos prácticos, consulta Crea un detector de regex personalizado.