Ein Job ist eine Aktion, die Sensitive Data Protection ausführt, um entweder Inhalte auf sensible Daten zu scannen oder das Risiko einer Re-Identifizierung zu berechnen. Sensitive Data Protection erstellt und führt eine Jobressource aus, wenn Sie den Dienst anweisen, Ihre Daten zu prüfen.
Derzeit gibt es zwei Arten von Sensitive Data Protection-Jobs:
- Inspektionsjobs prüfen Ihre Inhalte gemäß Ihren Kriterien auf sensible Daten und erstellen Zusammenfassungsberichte darüber, wo und welche Art von sensiblen Daten vorhanden sind.
- Mit Risikoanalysejobs werden de-identifizierte Daten analysiert, um Messwerte zur Wahrscheinlichkeit zurückzugeben, dass die Daten wieder identifiziert werden können.
Sie können festlegen, wann Sensitive Data Protection Jobs ausführt, indem Sie Job-Trigger erstellen. Ein Job-Trigger ist ein Ereignis, das die Erstellung von Sensitive Data Protection-Jobs zum Scannen von Google Cloud -Speicher-Repositories automatisiert, einschließlich Cloud Storage-Buckets, BigQuery-Tabellen und Datastore-Arten.
Mit Job-Triggern können Sie Scanjobs planen, indem Sie Intervalle festlegen, in denen jeder Trigger ausgelöst wird. Sie können so konfiguriert werden, dass sie nach neuen Ergebnissen seit dem letzten Scan suchen, um Änderungen oder Ergänzungen des Inhalts zu überwachen oder aktuelle Ergebnisberichte zu generieren. Geplante Trigger werden in einem festgelegten Intervall von 1 bis 60 Tagen ausgeführt.
Wann Job-Trigger verwendet werden sollten
Im Folgenden sind einige gängige Anwendungsfälle aufgeführt:
- Wiederkehrende Compliance-Scans automatisieren: Planen Sie regelmäßige Prüfscans für Cloud Storage-Buckets und BigQuery-Tabellen, um neu gespeicherte sensible Daten kontinuierlich im Blick zu behalten.
- Prüfkosten für dynamischen Speicher optimieren: Konfigurieren Sie Zeitspannenregeln für Jobtrigger, um nur Inhalte zu scannen, die seit dem vorherigen Scanzyklus hinzugefügt oder geändert wurden.
- Laufende Datenabweichungen in Produktionsdatenbanken überwachen: Verfolgen Sie Änderungen bei der Offenlegung sensibler Daten im Laufe der Zeit, indem Sie regelmäßige Zusammenfassungen der Ergebnisse für die Überprüfung des Risikostatus erstellen.
- Mit ereignisgesteuerten Datenpipelines koordinieren: Lösen Sie Inspektionsjobs als Reaktion auf Cloud Storage-Upload-Ereignisse oder automatisierte ETL-Pipeline-Meilensteine aus.
Nächste Schritte
Weitere Informationen zum Erstellen, Bearbeiten und Ausführen von Jobs und Job-Triggern finden Sie in den folgenden Themen:
- Sensitive Data Protection-Inspektionsjobs und Job-Trigger erstellen
- Risiko der Re-Identifikation und Offenlegung messen (mit Informationen zu Risikoanalysejobs)
Außerdem steht Ihnen folgende Kurzanleitung zur Verfügung:
Das JobTrigger-Objekt
Ein Job-Trigger wird in der DLP API durch das Objekt JobTrigger dargestellt.
Job-Trigger-Konfigurationsfelder
Jedes JobTrigger enthält mehrere Konfigurationsfelder, darunter:
- Triggername, Anzeigename und eine Beschreibung
- Eine Sammlung von
Trigger-Objekten, von denen jedes einSchedule-Objekt enthält, das die Wiederholungsrate in Sekunden definiert. - Ein
InspectJobConfig-Objekt, das die Konfigurationsinformationen für den ausgelösten Job enthält. - Eine
Status-Enum, die angibt, ob der Trigger derzeit aktiv ist. - Zeitstempelfelder für die Erstellung, Aktualisierung und letzte Ausführung
- Eine Sammlung von
Error-Objekten, die beim Aktivieren des Triggers gefunden wurden.
Job-Trigger-Methoden
Jedes JobTrigger-Objekt enthält auch mehrere integrierte Methoden. Mit diesen Methoden können Sie Folgendes tun:
- Einen neuen Job-Trigger erstellen:
projects.jobTriggers.create - Einen vorhandenen Job-Trigger aktualisieren:
projects.jobTriggers.patch - Einen vorhandenen Job-Trigger löschen:
projects.jobTriggers.delete - Einen vorhandenen Job-Trigger einschließlich Konfiguration und Status abrufen:
projects.jobTriggers.get - Alle vorhandenen Job-Trigger auflisten:
projects.jobTriggers.list
Joblatenz
Für Jobs und Job-Trigger werden keine Service Level Objectives (SLO) garantiert. Die Latenz wird von mehreren Faktoren beeinflusst, darunter die Menge der zu scannenden Daten, das gescannte Speicher-Repository, die Art und Anzahl der infoTypes, nach denen Sie suchen, die Region, in der der Job verarbeitet wird, und die in dieser Region verfügbaren Rechenressourcen. Daher kann die Latenz von Inspektionsjobs nicht im Voraus bestimmt werden.
Versuchen Sie Folgendes, um die Joblatenz zu reduzieren:
- Wenn für Ihren Job oder Jobtrigger Stichproben verfügbar sind, aktivieren Sie diese.
Aktivieren Sie keine infoTypes, die Sie nicht benötigen. Die folgenden infoTypes sind zwar in bestimmten Szenarien nützlich, können aber dazu führen, dass Anfragen viel langsamer ausgeführt werden als Anfragen, die sie nicht enthalten:
PERSON_NAMEFEMALE_NAMEMALE_NAMEFIRST_NAMELAST_NAMEDATE_OF_BIRTHLOCATIONSTREET_ADDRESSORGANIZATION_NAME
Geben Sie infoTypes immer explizit an. Verwenden Sie keine leere infoTypes-Liste.
Verwenden Sie nach Möglichkeit eine andere Verarbeitungsregion.
Wenn Sie nach dem Ausprobieren dieser Techniken immer noch Latenzprobleme mit Jobs haben, sollten Sie anstelle von Jobs content.inspect- oder content.deidentify-Anfragen verwenden. Diese Methoden sind im Service Level Agreement abgedeckt. Weitere Informationen finden Sie im Service Level Agreement für Sensitive Data Protection.
Scans ausschließlich auf neuen Inhalt beschränken
Sie können Ihren Jobtrigger so konfigurieren, dass das Datum der Zeitspanne für Dateien, die in Cloud Storage oder BigQuery gespeichert sind, automatisch festgelegt wird. Wenn Sie das Objekt TimespanConfig auf „Automatisch ausfüllen“ festlegen, scannt Sensitive Data Protection nur Daten, die seit der letzten Ausführung des Triggers hinzugefügt oder geändert wurden:
...
timespan_config {
enable_auto_population_of_timespan_config: true
}
...
Bei der BigQuery-Prüfung werden nur Zeilen, die mindestens drei Stunden alt sind, in den Scan einbezogen. Sehen Sie sich das bekannte Problem im Zusammenhang mit diesem Vorgang an.
Jobs beim Hochladen von Dateien auslösen
Zusätzlich zur Unterstützung von Jobtriggern, die in Sensitive Data Protection integriert ist, bietetGoogle Cloud auch eine Vielzahl anderer Komponenten, mit denen Sie Sensitive Data Protection-Jobs einbinden oder auslösen können. Sie können beispielsweise Cloud Run-Funktionen verwenden, um jedes Mal, wenn eine Datei in Cloud Storage hochgeladen wird, einen Sensitive Data Protection-Scan auszulösen.
Informationen zum Einrichten dieses Vorgangs finden Sie unter Klassifizierung der in Cloud Storage hochgeladenen Daten automatisieren.