במאמר הזה נסביר בפירוט איך יוצרים משימת בדיקה ב-Sensitive Data Protection, ואיך מתזמנים משימות בדיקה חוזרות באמצעות יצירת טריגר למשימה. במאמר התחלה מהירה: יצירת טריגר למשימה ב-Sensitive Data Protection מוסבר בקצרה איך יוצרים טריגר חדש למשימה באמצעות ממשק המשתמש של Sensitive Data Protection.
מידע על משימות ביקורת וטריגרים של משימות
כש-Sensitive Data Protection מבצע סריקה כדי לזהות מידע אישי רגיש, כל סריקה פועלת כמשימה. בכל פעם שאתם מורים ל-Sensitive Data Protection לבדוק את מאגרי הנתונים שלכם ב- Google Cloud , כולל קטגוריות של Cloud Storage, טבלאות ב-BigQuery, סוגים של Datastore ונתונים חיצוניים, המערכת יוצרת ומריצה משאב של משימה.
כדי לתזמן משימות סריקה של Sensitive Data Protection, צריך ליצור טריגרים של משימות. טריגר של משימה מאפשר ליצור באופן אוטומטי משימות של Sensitive Data Protection על בסיס תקופתי, ואפשר גם להריץ אותו לפי דרישה.
למידע נוסף על משימות וטריגרים של משימות ב-Sensitive Data Protection, קראו את המאמר משימות וטריגרים של משימות.
יצירת משימת בדיקה חדשה
כדי ליצור משימת בדיקה חדשה ב-Sensitive Data Protection:
המסוף
בקטע Sensitive Data Protection במסוף Google Cloud , נכנסים לדף Create job or job trigger.
כניסה לדף Create job or job trigger
הדף Create job or job trigger כולל את הקטעים הבאים:
בחירת נתוני קלט
שם
נותנים שם למשימה. אפשר להשתמש באותיות, במספרים ובמקפים. לא חובה לתת שם למשימה. אם לא תזינו שם, המערכת של Sensitive Data Protection תיתן למשימה מזהה מספרי ייחודי.
מיקום
בתפריט Storage type, בוחרים את סוג המאגר שבו מאוחסנים הנתונים שרוצים לסרוק:
- Cloud Storage: מזינים את כתובת ה-URL של הקטגוריה שרוצים לסרוק, או בוחרים באפשרות Include/exclude בתפריט Location type ולוחצים על Browse כדי לעבור לקטגוריה או לתיקיית המשנה שרוצים לסרוק. מסמנים את התיבה Scan folder recursively כדי לסרוק את הספרייה שצוינה ואת כל הספריות שהיא מכילה. אם לא מסמנים את האפשרות הזו, המערכת סורקת רק את הספרייה שצוינה ולא ספריות משנה.
- BigQuery: מזינים את המזהים של הפרויקט, מערך הנתונים והטבלה שרוצים לסרוק.
- Datastore: מזינים את המזהים של הפרויקט, מרחב השמות (אופציונלי) והסוג שרוצים לסרוק.
- היברידי: אפשר להוסיף תוויות חובה, תוויות אופציונליות ואפשרויות לטיפול בנתונים בטבלה. מידע נוסף זמין במאמר סוגי המטא-נתונים שאפשר לספק.
דגימות
דגימה היא דרך אופציונלית לחסוך במשאבים אם יש לכם כמות גדולה מאוד של נתונים.
בקטע Sampling, אתם יכולים לבחור אם לסרוק את כל הנתונים שנבחרו או לדגום את הנתונים על ידי סריקה של אחוז מסוים. הדגימה פועלת באופן שונה בהתאם לסוג מאגר האחסון שאתם סורקים:
- ב-BigQuery, אפשר לדגום קבוצת משנה של כל השורות שנבחרו, בהתאם לאחוז הקבצים שציינתם שייכללו בסריקה.
- ב-Cloud Storage, אם קובץ כלשהו חורג מהגודל שצוין ב-Max byte size to scan per file, Sensitive Data Protection סורק אותו עד לגודל הקובץ המקסימלי הזה ואז עובר לקובץ הבא.
כדי להפעיל דגימה, בוחרים באחת מהאפשרויות הבאות בתפריט הראשון:
- Start sampling from top: Sensitive Data Protection מתחיל את הסריקה החלקית בתחילת הנתונים. ב-BigQuery, הסריקה מתחילה בשורה הראשונה. ב-Cloud Storage, הסריקה מתחילה בתחילת כל קובץ ומסתיימת אחרי ש-Sensitive Data Protection סורק עד לגודל הקובץ המקסימלי שצוין.
- Start sampling from random start: Sensitive Data Protection מתחיל את הסריקה החלקית במיקום אקראי בתוך הנתונים. ב-BigQuery, הסריקה מתחילה בשורה אקראית. ב-Cloud Storage, ההגדרה הזו חלה רק על קבצים שחורגים מהגודל המקסימלי שצוין. Sensitive Data Protection סורק קבצים שקטנים מהגודל המקסימלי במלואם, וקבצים שגדולים מהגודל המקסימלי עד לגודל המקסימלי.
כדי לבצע סריקה חלקית, צריך גם לבחור את אחוז הנתונים שרוצים לסרוק. משתמשים בפס ההזזה כדי להגדיר את האחוז.
אפשר גם לצמצם את הקבצים או הרשומות לסריקה לפי תאריך. בהמשך הנושא, בקטע תזמון, מוסבר איך עושים את זה.
הגדרה מתקדמת
כשיוצרים משימה לסריקה של קטגוריות של Cloud Storage או טבלאות ב-BigQuery, אפשר לצמצם את החיפוש באמצעות הגדרה מתקדמת. באופן ספציפי, אתם יכולים להגדיר:
- קבצים (רק ב-Cloud Storage): סוגי הקבצים שרוצים לסרוק, כולל קובצי טקסט, קבצים בינאריים וקובצי תמונות.
- שדות מזהים (BigQuery בלבד): מזהי שורות ייחודיים בטבלה.
- ב-Cloud Storage, אם קובץ כלשהו חורג מהגודל שצוין ב-Max byte size to scan per file, Sensitive Data Protection סורק אותו עד לגודל הקובץ המקסימלי הזה ואז עובר לקובץ הבא.
כדי להפעיל דגימה, בוחרים את אחוז הנתונים שרוצים לסרוק. משתמשים בפס ההזזה כדי להגדיר את האחוזים. אחר כך בוחרים באחת מהאפשרויות הבאות בתפריט הראשון:
- Start sampling from top: Sensitive Data Protection מתחיל את הסריקה החלקית בתחילת הנתונים. ב-BigQuery, הסריקה מתחילה בשורה הראשונה. ב-Cloud Storage, הסריקה מתחילה בתחילת כל קובץ, ומסתיימת אחרי ש-Sensitive Data Protection סרק עד לגודל הקובץ המקסימלי שצוין (ראו למעלה).
- Start sampling from random start: הסריקה החלקית של Sensitive Data Protection מתחילה במיקום אקראי בנתונים. ב-BigQuery, הסריקה מתחילה בשורה אקראית. ב-Cloud Storage, ההגדרה הזו חלה רק על קבצים שחורגים מהגודל המקסימלי שצוין. ב-Sensitive Data Protection, קבצים שקטנים מהגודל המקסימלי נסרקים במלואם, וקבצים שגדולים מהגודל המקסימלי נסרקים עד לגודל המקסימלי.
קבצים
בקבצים שמאוחסנים ב-Cloud Storage, אפשר לציין את הסוגים שרוצים לכלול בסריקה בקטע Files.
אתם יכולים לבחור מבין קובצי בינארי, טקסט, תמונה, CSV, TSV, Microsoft Word, Microsoft Excel, Microsoft Powerpoint, PDF ו-Apache Avro. רשימה מקיפה של סיומות הקבצים ש-Sensitive Data Protection יכול לסרוק בקטגוריות של Cloud Storage מופיעה במאמר FileType.
אם בוחרים באפשרות Binary, המערכת של Sensitive Data Protection סורקת קבצים מסוגים לא מזוהים.
שדות מזהים
בטבלאות ב-BigQuery, בשדה Identifying fields אתם יכולים להורות ל-Sensitive Data Protection לכלול בתוצאות את הערכים של עמודות המפתח הראשי של הטבלה. כך תוכלו לקשר את הממצאים בחזרה לשורות בטבלה שמכילות אותם.
מזינים את שמות העמודות שמזהות באופן ייחודי כל שורה בטבלה. אם צריך, משתמשים בסימון נקודה כדי לציין שדות בתצוגת עץ. אפשר להוסיף כמה שדות שרוצים.
כדי לייצא את הממצאים ל-BigQuery, צריך גם להפעיל את הפעולה Save to BigQuery. כשמייצאים את הממצאים ל-BigQuery, כל ממצא מכיל את הערכים המתאימים של השדות המזהים. מידע נוסף זמין במאמר identifyingFields.
הגדרת הזיהוי
בקטע Configure detection מציינים את סוגי המידע הרגיש שרוצים לסרוק. השלמת הקטע הזה היא אופציונלית. אם תדלגו על החלק הזה, Sensitive Data Protection יסרוק את הנתונים שלכם לפי קבוצת ברירת מחדל של infoTypes.
תבנית
אתם יכולים להשתמש בתבנית של Sensitive Data Protection כדי לעשות שימוש חוזר בפרטי ההגדרות שציינתם בעבר.
אם כבר יצרתם תבנית שאתם רוצים להשתמש בה, לחצו על השדה Template name כדי לראות רשימה של תבניות בדיקה קיימות. בוחרים או מקלידים את שם התבנית שבה רוצים להשתמש.
מידע נוסף על יצירת תבניות זמין במאמר יצירת תבניות לבדיקה של Sensitive Data Protection.
InfoTypes
גלאי InfoType מוצאים מידע אישי רגיש מסוג מסוים. לדוגמה, גלאי ה-infoType המובנהUS_SOCIAL_SECURITY_NUMBER של Sensitive Data Protection
מוצא מספרי ביטוח לאומי בארה"ב. בנוסף למזהי infoType המובנים, אתם יכולים ליצור מזהי infoType בהתאמה אישית.
בקטע InfoTypes, בוחרים את גלאי ה-infoType שתואם לסוג הנתונים שרוצים לסרוק. לא מומלץ להשאיר את הקטע הזה ריק. אם תעשו את זה, Sensitive Data Protection יסרוק את הנתונים שלכם באמצעות קבוצת ברירת מחדל של infoTypes, שעשויה לכלול infoTypes שאתם לא צריכים. מידע נוסף על כל גלאי זמין בחומר העזר בנושא גלאי InfoType.
למידע נוסף על ניהול של סוגי מידע מובנים ומותאמים אישית בקטע הזה, קראו את המאמר ניהול של סוגי מידע באמצעות מסוף Google Cloud .
קבוצות כללים לבדיקה
קבוצות כללי הבדיקה מאפשרות לכם להתאים אישית את הגלאים המובנים והמותאמים אישית של נתוני infoType באמצעות כללי הקשר. סוגי כללי הבדיקה הם:
- כללי החרגה, שעוזרים להחריג ממצאים שגויים או לא רצויים.
- כללי הרחבה (Hotword), שעוזרים לזהות ממצאים נוספים.
- כללי התאמה, שמתאימים את הסבירות של הממצאים על סמך ההקשר שבו הם מופיעים.
כדי להוסיף קבוצת כללים חדשה, קודם צריך לציין לפחות מזהה אחד מובנה או מותאם אישית של סוגי מידע בקטע InfoTypes. בוחרים את כל הגלאים של סוגי המידע שקבוצות הכללים משנות (סוגי המידע לחיפוש) או משתמשות בהם להערכה (סוגי המידע בהקשר). לאחר מכן, מבצעים את הפעולות הבאות:
- לוחצים על הוספת קבוצת כללים.
- בשדה Choose target infoTypes, בוחרים את סוגי המידע שקבוצת הכללים משנה אם הכללים מתקיימים.
- לוחצים על Add a rule כדי לפתוח תפריט עם אפשרויות, כולל כלל הרחבה (Hotword), כלל להחרגה ו-Adjustment rule.
כדי ליצור כלל הרחבה (Hotword), בוחרים באפשרות כלל הרחבה (Hotword). לאחר מכן, מבצעים את הפעולות הבאות:
- בשדה Hotword, מזינים ביטוי רגולרי ש-Sensitive Data Protection יחפש.
- בתפריט Hotword proximity, בוחרים אם מילת ההפעלה שהזנתם נמצאת לפני או אחרי ה-infoType שנבחר.
- בשדה Hotword distance from infoType, מזינים את מספר התווים המשוער בין מילת ההפעלה לבין ה-infoType שנבחר.
- בקטע Confidence level adjustment, בוחרים אם להקצות להתאמות רמת סבירות קבועה, או להגדיל או להקטין את רמת הסבירות שמוגדרת כברירת מחדל בסכום מסוים.
כדי ליצור כלל החרגה, בוחרים באפשרות Exclusion rule ובסוג כלל ההחרגה שרוצים ליצור, למשל ביטוי רגולרי. לאחר מכן, מבצעים את הפעולות הבאות:
- בהתאם לסוג הכלל להחרגה שבחרתם, מזינים את הביטוי הרגולרי, הביטוי, מילת ההפעלה או סוג המידע לפי הקשר שצריך למצוא כדי שהכלל יחול.
- בהתאם לסוג הכלל להחרגה שבחרתם, מגדירים את סוג ההתאמה או את סוג ההכלה של התמונה:
- אם בחרתם כלל החרגה שמבוסס על טקסט, בחרו אחד מסוגי ההתאמה הבאים:
- התאמה מלאה: הממצא חייב להתאים באופן מלא לטקסט או ל-infoType של ההקשר שסיפקתם.
- התאמה חלקית: מחרוזת משנה של הממצא צריכה להתאים לטקסט או ל-infoType של ההקשר שסיפקתם.
- התאמה הפוכה: הממצא לא יכול להתאים לטקסט או ל-infoType של ההקשר שסיפקתם.
- אם בחרתם כלל החרגה שמבוסס על תמונה, בחרו את היחס המרחבי הנדרש בין סוגי המידע הרגיש של היעד וההקשר. לדוגמה, אם בוחרים באפשרות Encloses, הממצא בהקשר חייב להכיל את ממצא היעד כדי שהכלל יחול.
כדי ליצור כלל התאמה, בוחרים באפשרות כלל התאמה ובסוג כלל ההתאמה, לדוגמה, התאמה לפי ממצאים בתמונות. לאחר מכן, מבצעים את הפעולות הבאות:
- בשדה Context infoTypes, בוחרים את הגלאים של סוגי המידע שמספקים הקשר לממצא היעד. Sensitive Data Protection משתמש ב-infoTypes של הקשר כדי להעריך אם צריך לשנות את ה-infoType של היעד.
- בשדה Minimum likelihood, בוחרים את רמת הסבירות הנמוכה ביותר שיכולה להיות לסוגי המידע בהקשר, ועדיין להפעיל את כלל ההתאמה. אם ערך הסבירות של ממצא הקשר שזוהה נמוך מהערך הזה, Sensitive Data Protection לא משנה את הסבירות של ממצא היעד.
- בממצאים של תמונות, בשדה Image containment type בוחרים את הקשר המרחבי הנדרש בין סוגי המידע הרגיש של היעד וההקשר. לדוגמה, אם בוחרים באפשרות Encloses, הממצא של ההקשר חייב להכיל את ממצא היעד כדי שהכלל יחול.
- בשדה Likelihood, בוחרים את רמת הסבירות החדשה שרוצים להקצות לממצא היעד.
אתם יכולים להוסיף עוד קבוצות כללים כדי לשפר את תוצאות הסריקה.
סף ביטחון
בכל פעם ש-Sensitive Data Protection מזהה התאמה פוטנציאלית למידע אישי רגיש, הוא מקצה לה ערך סבירות בסולם שנע בין "סבירות נמוכה מאוד" ל "סבירות גבוהה מאוד". כשמגדירים כאן ערך סבירות, מנחים את Sensitive Data Protection להתאים רק נתונים שתואמים לערך הסבירות הזה או לערך גבוה יותר.
ערך ברירת המחדל Possible מספיק לרוב המטרות. אם אתם מקבלים באופן קבוע התאמות רחבות מדי, הזיזו את פס ההזזה למעלה. אם אתם מקבלים מעט מדי התאמות, הזיזו את פס ההזזה למטה.
בסיום, לוחצים על המשך.
הוספת פעולות
בקטע Add actions, בוחרים פעולה אחת או יותר ש-Sensitive Data Protection יבצע אחרי שהמשימה תסתיים. מידע נוסף זמין במאמר הפעלת פעולות של בדיקה או ניתוח סיכונים.
אחרי שבוחרים פעולות, לוחצים על המשך.
בדיקה
בקטע Review מופיע סיכום בפורמט JSON של הגדרות המשימה שציינתם.
לוחצים על Create כדי ליצור את המשימה (אם לא ציינתם לוח זמנים) ולהריץ אותה פעם אחת. יופיע דף המידע של המשימה, שכולל את הסטטוס ומידע נוסף. אם המשימה פועלת כרגע, אפשר ללחוץ על הלחצן Cancel כדי לעצור אותה. אפשר גם למחוק את המשימה בלחיצה על Delete.
כדי לחזור לדף הראשי של Sensitive Data Protection, לוחצים על החץ Back במסוף Google Cloud .
C#
במאמר ספריות הלקוח של Sensitive Data Protection מוסבר איך להתקין את ספריית הלקוח ולהשתמש בה ב-Sensitive Data Protection.
כדי לבצע אימות ב-Sensitive Data Protection, צריך להגדיר את Application Default Credentials. למידע נוסף, ראו הגדרת אימות לסביבת פיתוח מקומית.
Go
במאמר ספריות הלקוח של Sensitive Data Protection מוסבר איך להתקין את ספריית הלקוח ולהשתמש בה ב-Sensitive Data Protection.
כדי לבצע אימות ב-Sensitive Data Protection, צריך להגדיר את Application Default Credentials. למידע נוסף, ראו הגדרת אימות לסביבת פיתוח מקומית.
Java
במאמר ספריות הלקוח של Sensitive Data Protection מוסבר איך להתקין את ספריית הלקוח ולהשתמש בה ב-Sensitive Data Protection.
כדי לבצע אימות ב-Sensitive Data Protection, צריך להגדיר את Application Default Credentials. למידע נוסף, ראו הגדרת אימות לסביבת פיתוח מקומית.
Node.js
במאמר ספריות הלקוח של Sensitive Data Protection מוסבר איך להתקין את ספריית הלקוח ולהשתמש בה ב-Sensitive Data Protection.
כדי לבצע אימות ב-Sensitive Data Protection, צריך להגדיר את Application Default Credentials. למידע נוסף, ראו הגדרת אימות לסביבת פיתוח מקומית.
PHP
במאמר ספריות הלקוח של Sensitive Data Protection מוסבר איך להתקין את ספריית הלקוח ולהשתמש בה ב-Sensitive Data Protection.
כדי לבצע אימות ב-Sensitive Data Protection, צריך להגדיר את Application Default Credentials. למידע נוסף, ראו הגדרת אימות לסביבת פיתוח מקומית.
Python
במאמר ספריות הלקוח של Sensitive Data Protection מוסבר איך להתקין את ספריית הלקוח ולהשתמש בה ב-Sensitive Data Protection.
כדי לבצע אימות ב-Sensitive Data Protection, צריך להגדיר את Application Default Credentials. למידע נוסף, ראו הגדרת אימות לסביבת פיתוח מקומית.
REST
משימה מיוצגת ב-DLP API באמצעות המשאב DlpJobs. כדי ליצור משימה חדשה, משתמשים ב-method projects.dlpJobs.create של המשאב DlpJob.
אפשר לשלוח את ה-JSON לדוגמה בבקשת POST לנקודת הקצה (endpoint) שצוינה ב-REST של Sensitive Data Protection. דוגמת ה-JSON הבאה ממחישה איך ליצור משימה ב-Sensitive Data Protection. המשימה היא סריקת בדיקה של Datastore.
כדי לנסות את זה במהירות, אתם יכולים להשתמש ב-API Explorer שמוטמע בהמשך. חשוב לזכור שבקשה שהושלמה בהצלחה, גם כזו שנוצרה ב-API Explorer, תיצור משימה. למידע כללי על השימוש ב-JSON כדי לשלוח בקשות ל-DLP API, עיינו במדריך למתחילים בנושא JSON.
קלט JSON:
{
"inspectJob": {
"storageConfig": {
"bigQueryOptions": {
"tableReference": {
"projectId": "bigquery-public-data",
"datasetId": "san_francisco_sfpd_incidents",
"tableId": "sfpd_incidents"
}
},
"timespanConfig": {
"startTime": "2020-01-01T00:00:01Z",
"endTime": "2020-01-31T23:59:59Z",
"timestampField": {
"name": "timestamp"
}
}
},
"inspectConfig": {
"infoTypes": [
{
"name": "PERSON_NAME"
},
{
"name": "STREET_ADDRESS"
}
],
"excludeInfoTypes": false,
"includeQuote": true,
"minLikelihood": "LIKELY"
},
"actions": [
{
"saveFindings": {
"outputConfig": {
"table": {
"projectId": "[PROJECT-ID]",
"datasetId": "[DATASET-ID]"
}
}
}
}
]
}
}
פלט מסוג JSON:
הפלט הבא מציין שהמשימה נוצרה בהצלחה.
{
"name": "projects/[PROJECT-ID]/dlpJobs/[JOB-ID]",
"type": "INSPECT_JOB",
"state": "PENDING",
"inspectDetails": {
"requestedOptions": {
"snapshotInspectTemplate": {},
"jobConfig": {
"storageConfig": {
"bigQueryOptions": {
"tableReference": {
"projectId": "bigquery-public-data",
"datasetId": "san_francisco_sfpd_incidents",
"tableId": "sfpd_incidents"
}
},
"timespanConfig": {
"startTime": "2020-01-01T00:00:01Z",
"endTime": "2020-01-31T23:59:59Z",
"timestampField": {
"name": "timestamp"
}
}
},
"inspectConfig": {
"infoTypes": [
{
"name": "PERSON_NAME"
},
{
"name": "STREET_ADDRESS"
}
],
"minLikelihood": "LIKELY",
"limits": {},
"includeQuote": true
},
"actions": [
{
"saveFindings": {
"outputConfig": {
"table": {
"projectId": "[PROJECT-ID]",
"datasetId": "[DATASET-ID]",
"tableId": "[TABLE-ID]"
}
}
}
}
]
}
},
"result": {}
},
"createTime": "2020-07-10T07:26:33.643Z"
}
יצירת טריגר חדש למשימה
כדי ליצור טריגר חדש למשימה ב-Sensitive Data Protection:
המסוף
בקטע Sensitive Data Protection במסוף Google Cloud , נכנסים לדף Create job or job trigger.
כניסה לדף Create job or job trigger
הדף Create job or job trigger כולל את הקטעים הבאים:
בחירת נתוני קלט
שם
מזינים שם לטריגר של המשימה. אפשר להשתמש באותיות, במספרים ובמקפים. לא חובה לתת שם לטריגר של המשימה. אם לא תזינו שם, המערכת של Sensitive Data Protection תיתן לטריגר של המשימה מזהה מספרי ייחודי.
מיקום
בתפריט Storage type, בוחרים את סוג המאגר שבו מאוחסנים הנתונים שרוצים לסרוק:
- Cloud Storage: מזינים את כתובת ה-URL של הקטגוריה שרוצים לסרוק, או בוחרים באפשרות Include/exclude בתפריט Location type ולוחצים על Browse כדי לעבור לקטגוריה או לתיקיית המשנה שרוצים לסרוק. מסמנים את התיבה Scan folder recursively כדי לסרוק את הספרייה שצוינה ואת כל הספריות שהיא מכילה. אם לא מסמנים את האפשרות הזו, המערכת סורקת רק את הספרייה שצוינה ולא ספריות משנה.
- BigQuery: מזינים את המזהים של הפרויקט, מערך הנתונים והטבלה שרוצים לסרוק.
- Datastore: מזינים את המזהים של הפרויקט, מרחב השמות (אופציונלי) והסוג שרוצים לסרוק.
דגימות
דגימה היא דרך אופציונלית לחסוך במשאבים אם יש לכם כמות גדולה מאוד של נתונים.
בקטע Sampling, אתם יכולים לבחור אם לסרוק את כל הנתונים שנבחרו או לדגום את הנתונים על ידי סריקה של אחוז מסוים. הדגימה פועלת באופן שונה בהתאם לסוג מאגר האחסון שאתם סורקים:
- ב-BigQuery, אפשר לדגום קבוצת משנה של כל השורות שנבחרו, בהתאם לאחוז הקבצים שציינתם שייכללו בסריקה.
- ב-Cloud Storage, אם קובץ כלשהו חורג מהגודל שצוין ב-Max byte size to scan per file, Sensitive Data Protection סורק אותו עד לגודל הקובץ המקסימלי הזה ואז עובר לקובץ הבא.
כדי להפעיל דגימה, בוחרים באחת מהאפשרויות הבאות בתפריט הראשון:
- Start sampling from top: Sensitive Data Protection מתחיל את הסריקה החלקית בתחילת הנתונים. ב-BigQuery, הסריקה מתחילה בשורה הראשונה. ב-Cloud Storage, הסריקה מתחילה בתחילת כל קובץ, ומסתיימת אחרי ש-Sensitive Data Protection סרק עד לגודל הקובץ המקסימלי שצוין (ראו למעלה).
- Start sampling from random start: Sensitive Data Protection מתחיל את הסריקה החלקית במיקום אקראי בתוך הנתונים. ב-BigQuery, הסריקה מתחילה בשורה אקראית. ב-Cloud Storage, ההגדרה הזו חלה רק על קבצים שחורגים מהגודל המקסימלי שצוין. Sensitive Data Protection סורק קבצים שקטנים מהגודל המקסימלי במלואם, וקבצים שגדולים מהגודל המקסימלי עד לגודל המקסימלי.
כדי לבצע סריקה חלקית, צריך גם לבחור את אחוז הנתונים שרוצים לסרוק. משתמשים בפס ההזזה כדי להגדיר את האחוזים.
הגדרה מתקדמת
כשיוצרים טריגר של משימה לסריקה של קטגוריות של Cloud Storage או טבלאות ב-BigQuery, אפשר לצמצם את החיפוש על ידי הגדרת תצורה מתקדמת. באופן ספציפי, אתם יכולים להגדיר:
- Files (רק ב-Cloud Storage): סוגי הקבצים שרוצים לסרוק, כולל קובצי טקסט, קבצים בינאריים וקובצי תמונות.
- שדות מזהים (BigQuery בלבד): מזהי שורות ייחודיים בטבלה.
- ב-Cloud Storage, אם קובץ כלשהו חורג מהגודל שצוין ב-Max byte size to scan per file, Sensitive Data Protection סורק אותו עד לגודל הקובץ המקסימלי הזה ואז עובר לקובץ הבא.
כדי להפעיל דגימה, בוחרים את אחוז הנתונים שרוצים לסרוק. משתמשים בפס ההזזה כדי להגדיר את האחוזים. אחר כך בוחרים באחת מהאפשרויות הבאות בתפריט הראשון:
- Start sampling from top: Sensitive Data Protection מתחיל את הסריקה החלקית בתחילת הנתונים. ב-BigQuery, הסריקה מתחילה בשורה הראשונה. ב-Cloud Storage, הסריקה מתחילה בתחילת כל קובץ, ומסתיימת אחרי ש-Sensitive Data Protection סרק עד לגודל הקובץ המקסימלי שצוין (ראו למעלה).
- Start sampling from random start: הסריקה החלקית של Sensitive Data Protection מתחילה במיקום אקראי בנתונים. ב-BigQuery, הסריקה מתחילה בשורה אקראית. ב-Cloud Storage, ההגדרה הזו חלה רק על קבצים שחורגים מהגודל המקסימלי שצוין. ב-Sensitive Data Protection, קבצים שקטנים מהגודל המקסימלי נסרקים במלואם, וקבצים שגדולים מהגודל המקסימלי נסרקים עד לגודל המקסימלי.
קבצים
בקטע Files, אתם יכולים לציין את סוגי הקבצים שמאוחסנים ב-Cloud Storage שאתם רוצים לכלול בסריקה.
אתם יכולים לבחור מבין קובצי Apache Avro, PDF, Microsoft Powerpoint, Microsoft Excel, Microsoft Word, תמונה, טקסט ובינארי. FileType היא רשימה מקיפה של סיומות קבצים ש-Sensitive Data Protection יכול לסרוק בקטגוריות של Cloud Storage.
אם בוחרים באפשרות Binary, המערכת של Sensitive Data Protection סורקת קבצים מסוגים לא מזוהים.
שדות מזהים
בטבלאות ב-BigQuery, בשדה Identifying fields אתם יכולים להורות ל-Sensitive Data Protection לכלול בתוצאות את הערכים של עמודות המפתח הראשי של הטבלה. כך תוכלו לקשר את הממצאים בחזרה לשורות בטבלה שמכילות אותם.
מזינים את שמות העמודות שמזהות באופן ייחודי כל שורה בטבלה. אם צריך, משתמשים בסימון נקודה כדי לציין שדות בתצוגת עץ. אפשר להוסיף כמה שדות שרוצים.
כדי לייצא את הממצאים ל-BigQuery, צריך גם להפעיל את הפעולה Save to BigQuery. כשמייצאים את הממצאים ל-BigQuery, כל ממצא מכיל את הערכים המתאימים של השדות המזהים. מידע נוסף זמין במאמר identifyingFields.
הגדרת הזיהוי
בקטע Configure detection מציינים את סוגי המידע הרגיש שרוצים לסרוק. לא חובה למלא את הקטע הזה. אם תדלגו על החלק הזה, Sensitive Data Protection יסרוק את הנתונים שלכם לפי קבוצת ברירת מחדל של infoTypes.
תבנית
אתם יכולים להשתמש בתבנית של Sensitive Data Protection כדי לעשות שימוש חוזר בפרטי ההגדרות שציינתם בעבר.
אם כבר יצרתם תבנית שאתם רוצים להשתמש בה, לחצו על השדה Template name כדי לראות רשימה של תבניות בדיקה קיימות. בוחרים או מקלידים את שם התבנית שבה רוצים להשתמש.
מידע נוסף על יצירת תבניות זמין במאמר יצירת תבניות לבדיקה של Sensitive Data Protection.
InfoTypes
גלאי InfoType מוצאים מידע אישי רגיש מסוג מסוים. לדוגמה, גלאי ה-infoType המובנהUS_SOCIAL_SECURITY_NUMBER של Sensitive Data Protection
מוצא מספרי ביטוח לאומי בארה"ב. בנוסף למזהי ה-infoType המובנים, אתם יכולים ליצור מזהי infoType בהתאמה אישית.
בקטע InfoTypes, בוחרים את גלאי ה-infoType שתואם לסוג הנתונים שרוצים לסרוק. אפשר גם להשאיר את השדה הזה ריק כדי לסרוק את כל סוגי המידע שמוגדרים כברירת מחדל. מידע נוסף על כל גלאי מופיע בחומר העזר בנושא גלאי InfoType.
אפשר גם להוסיף כללים מותאמים אישית לבדיקת נתוני infoType בקטע Custom infoTypes, ולהתאים אישית את הכללים המובנים והמותאמים אישית לבדיקת נתוני infoType בקטע Inspection rulesets.
סוגי מידע מותאמים אישית
כדי להוסיף טיפוסי מידע בהתאמה אישית, ראו הוספת טיפוסי מידע בהתאמה אישית.
קבוצות כללים לבדיקה
קבוצות כללי הבדיקה מאפשרות לכם להתאים אישית את הגלאים המובנים והמותאמים אישית של נתוני infoType באמצעות כללי הקשר. סוגי כללי הבדיקה הם:
- כללי החרגה, שעוזרים להחריג ממצאים שגויים או לא רצויים.
- כללי הרחבה (Hotword), שעוזרים לזהות ממצאים נוספים.
- כללי התאמה, שמתאימים את הסבירות של הממצאים על סמך ההקשר שבו הם מופיעים.
כדי להוסיף קבוצת כללים חדשה, קודם צריך לציין לפחות מזהה אחד מובנה או מותאם אישית של סוגי מידע בקטע InfoTypes. בוחרים את כל הגלאים של סוגי המידע שקבוצות הכללים משנות (סוגי המידע לחיפוש) או משתמשות בהם להערכה (סוגי המידע בהקשר). לאחר מכן, מבצעים את הפעולות הבאות:
- לוחצים על הוספת קבוצת כללים.
- בשדה Choose target infoTypes, בוחרים את סוגי המידע שקבוצת הכללים משנה אם הכללים מתקיימים.
- לוחצים על Add a rule כדי לפתוח תפריט עם אפשרויות, כולל כלל הרחבה (Hotword), כלל להחרגה ו-Adjustment rule.
כדי ליצור כלל הרחבה (Hotword), בוחרים באפשרות כלל הרחבה (Hotword). לאחר מכן, מבצעים את הפעולות הבאות:
- בשדה Hotword, מזינים ביטוי רגולרי ש-Sensitive Data Protection יחפש.
- בתפריט Hotword proximity, בוחרים אם מילת ההפעלה שהזנתם נמצאת לפני או אחרי ה-infoType שנבחר.
- בשדה Hotword distance from infoType, מזינים את מספר התווים המשוער בין מילת ההפעלה לבין ה-infoType שנבחר.
- בקטע Confidence level adjustment, בוחרים אם להקצות להתאמות רמת סבירות קבועה, או להגדיל או להקטין את רמת הסבירות שמוגדרת כברירת מחדל בסכום מסוים.
כדי ליצור כלל החרגה, בוחרים באפשרות Exclusion rule ובסוג כלל ההחרגה שרוצים ליצור, למשל ביטוי רגולרי. לאחר מכן, מבצעים את הפעולות הבאות:
- בהתאם לסוג הכלל להחרגה שבחרתם, מזינים את הביטוי הרגולרי, הביטוי, מילת ההפעלה או סוג המידע לפי הקשר שצריך למצוא כדי שהכלל יחול.
- בהתאם לסוג הכלל להחרגה שבחרתם, מגדירים את סוג ההתאמה או את סוג ההכלה של התמונה:
- אם בחרתם כלל החרגה שמבוסס על טקסט, בחרו אחד מסוגי ההתאמה הבאים:
- התאמה מלאה: הממצא חייב להתאים באופן מלא לטקסט או ל-infoType של ההקשר שסיפקתם.
- התאמה חלקית: מחרוזת משנה של הממצא צריכה להתאים לטקסט או ל-infoType של ההקשר שסיפקתם.
- התאמה הפוכה: הממצא לא יכול להתאים לטקסט או ל-infoType של ההקשר שסיפקתם.
- אם בחרתם כלל החרגה שמבוסס על תמונה, בחרו את היחס המרחבי הנדרש בין סוגי המידע הרגיש של היעד וההקשר. לדוגמה, אם בוחרים באפשרות Encloses, הממצא בהקשר חייב להכיל את ממצא היעד כדי שהכלל יחול.
כדי ליצור כלל התאמה, בוחרים באפשרות כלל התאמה ובסוג כלל ההתאמה, לדוגמה, התאמה לפי ממצאים בתמונות. לאחר מכן, מבצעים את הפעולות הבאות:
- בשדה Context infoTypes, בוחרים את הגלאים של סוגי המידע שמספקים הקשר לממצא היעד. Sensitive Data Protection משתמש ב-infoTypes של הקשר כדי להעריך אם צריך לשנות את ה-infoType של היעד.
- בשדה Minimum likelihood, בוחרים את רמת הסבירות הנמוכה ביותר שיכולה להיות לסוגי המידע בהקשר, ועדיין להפעיל את כלל ההתאמה. אם ערך הסבירות של ממצא הקשר שזוהה נמוך מהערך הזה, Sensitive Data Protection לא משנה את הסבירות של ממצא היעד.
- בממצאים של תמונות, בשדה Image containment type בוחרים את הקשר המרחבי הנדרש בין סוגי המידע הרגיש של היעד וההקשר. לדוגמה, אם בוחרים באפשרות Encloses, הממצא של ההקשר חייב להכיל את ממצא היעד כדי שהכלל יחול.
- בשדה Likelihood, בוחרים את רמת הסבירות החדשה שרוצים להקצות לממצא היעד.
אתם יכולים להוסיף עוד קבוצות כללים כדי לשפר את תוצאות הסריקה.
סף ביטחון
בכל פעם ש-Sensitive Data Protection מזהה התאמה פוטנציאלית למידע אישי רגיש, הוא מקצה לה ערך סבירות בסולם שנע בין "סבירות נמוכה מאוד" ל "סבירות גבוהה מאוד". כשמגדירים כאן ערך סבירות, מנחים את Sensitive Data Protection להתאים רק נתונים שתואמים לערך הסבירות הזה או לערך גבוה יותר.
ערך ברירת המחדל Possible מספיק לרוב המטרות. אם אתם מקבלים באופן קבוע התאמות רחבות מדי, הזיזו את פס ההזזה למעלה. אם אתם מקבלים מעט מדי התאמות, הזיזו את פס ההזזה למטה.
בסיום, לוחצים על המשך.
הוספת פעולות
בקטע Add actions, בוחרים פעולה אחת או יותר ש-Sensitive Data Protection יבצע אחרי שהמשימה תסתיים. מידע נוסף זמין במאמר הפעלת פעולות של בדיקה או ניתוח סיכונים.
אחרי שבוחרים פעולות, לוחצים על המשך.
תזמון
בקטע לוח זמנים, אתם יכולים לבצע שתי פעולות:
- ציון טווח זמן: האפשרות הזו מגבילה את הקבצים או השורות לסריקה לפי תאריך. לוחצים על Start time כדי לציין את חותמת הזמן המוקדמת ביותר של הקובץ שרוצים לכלול. כדי לציין את כל הקבצים, משאירים את הערך הזה ריק. לוחצים על End time כדי לציין את חותמת הזמן האחרונה של הקובץ שרוצים לכלול. אם לא רוצים להגדיר גבול עליון לחותמת הזמן, משאירים את הערך הזה ריק.
Create a trigger to run the job on a periodic schedule: האפשרות הזו הופכת את המשימה לטריגר של משימה שפועל לפי לוח זמנים קבוע. אם לא תציינו לוח זמנים, תיצרו משימה אחת שתתחיל מיד ותפעל פעם אחת. כדי ליצור טריגר של משימה שפועל באופן קבוע, צריך להגדיר את האפשרות הזו.
ערך ברירת המחדל הוא גם הערך המינימלי: 24 שעות. הערך המקסימלי הוא 60 ימים.
אם רוצים ש-Sensitive Data Protection יסרוק רק קבצים או שורות חדשים, בוחרים באפשרות Limit scans only to new content. בבדיקה של BigQuery, רק שורות שנוצרו לפני שלוש שעות לפחות נכללות בסריקה. הבעיה המוכרת שקשורה לפעולה הזו.
בדיקה
בקטע Review מופיע סיכום בפורמט JSON של הגדרות המשימה שציינתם.
לוחצים על Create כדי ליצור את הטריגר של המשימה (אם ציינתם לוח זמנים). מופיע דף המידע של הטריגר למשימה, שכולל את הסטטוס ומידע נוסף. אם המשימה פועלת כרגע, אפשר ללחוץ על הלחצן Cancel כדי לעצור אותה. אפשר גם למחוק את הטריגר של המשימה בלחיצה על Delete.
כדי לחזור לדף הראשי של Sensitive Data Protection, לוחצים על החץ Back במסוף Google Cloud .
C#
במאמר ספריות הלקוח של Sensitive Data Protection מוסבר איך להתקין את ספריית הלקוח ולהשתמש בה ב-Sensitive Data Protection.
כדי לבצע אימות ב-Sensitive Data Protection, צריך להגדיר את Application Default Credentials. למידע נוסף, ראו הגדרת אימות לסביבת פיתוח מקומית.
Go
במאמר ספריות הלקוח של Sensitive Data Protection מוסבר איך להתקין את ספריית הלקוח ולהשתמש בה ב-Sensitive Data Protection.
כדי לבצע אימות ב-Sensitive Data Protection, צריך להגדיר את Application Default Credentials. למידע נוסף, ראו הגדרת אימות לסביבת פיתוח מקומית.
Java
במאמר ספריות הלקוח של Sensitive Data Protection מוסבר איך להתקין את ספריית הלקוח ולהשתמש בה ב-Sensitive Data Protection.
כדי לבצע אימות ב-Sensitive Data Protection, צריך להגדיר את Application Default Credentials. למידע נוסף, ראו הגדרת אימות לסביבת פיתוח מקומית.
Node.js
במאמר ספריות הלקוח של Sensitive Data Protection מוסבר איך להתקין את ספריית הלקוח ולהשתמש בה ב-Sensitive Data Protection.
כדי לבצע אימות ב-Sensitive Data Protection, צריך להגדיר את Application Default Credentials. למידע נוסף, ראו הגדרת אימות לסביבת פיתוח מקומית.
PHP
במאמר ספריות הלקוח של Sensitive Data Protection מוסבר איך להתקין את ספריית הלקוח ולהשתמש בה ב-Sensitive Data Protection.
כדי לבצע אימות ב-Sensitive Data Protection, צריך להגדיר את Application Default Credentials. למידע נוסף, ראו הגדרת אימות לסביבת פיתוח מקומית.
Python
במאמר ספריות הלקוח של Sensitive Data Protection מוסבר איך להתקין את ספריית הלקוח ולהשתמש בה ב-Sensitive Data Protection.
כדי לבצע אימות ב-Sensitive Data Protection, צריך להגדיר את Application Default Credentials. למידע נוסף, ראו הגדרת אימות לסביבת פיתוח מקומית.
REST
טריגר של משימה מיוצג ב-DLP API על ידי המשאב JobTrigger. כדי ליצור טריגר חדש למשימה, משתמשים ב-method projects.jobTriggers.create של המשאב JobTrigger.
אפשר לשלוח את ה-JSON לדוגמה בבקשת POST לנקודת הקצה (endpoint) שצוינה ב-REST של Sensitive Data Protection. דוגמת ה-JSON הבאה ממחישה איך ליצור טריגר של משימה ב-Sensitive Data Protection. המשימה שהטריגר הזה יפעיל היא סריקת בדיקה של Datastore. הטריגר של המשימה שנוצר פועל כל 86,400 שניות (או 24 שעות).
כדי לנסות את זה במהירות, אתם יכולים להשתמש ב-API Explorer שמוטמע בהמשך. חשוב לזכור שבקשה מוצלחת, גם כזו שנוצרה ב-API Explorer, תיצור טריגר חדש של משימה מתוזמנת. למידע כללי על השימוש ב-JSON כדי לשלוח בקשות ל-DLP API, קראו את המדריך למתחילים בנושא JSON.
קלט JSON:
{
"jobTrigger":{
"displayName":"JobTrigger1",
"description":"Starts an inspection of a Datastore kind",
"triggers":[
{
"schedule":{
"recurrencePeriodDuration":"86400s"
}
}
],
"status":"HEALTHY",
"inspectJob":{
"storageConfig":{
"datastoreOptions":{
"kind":{
"name":"Example-Kind"
},
"partitionId":{
"projectId":"[PROJECT_ID]",
"namespaceId":"[NAMESPACE_ID]"
}
}
},
"inspectConfig":{
"infoTypes":[
{
"name":"PHONE_NUMBER"
}
],
"excludeInfoTypes":false,
"includeQuote":true,
"minLikelihood":"LIKELY"
},
"actions":[
{
"saveFindings":{
"outputConfig":{
"table":{
"projectId":"[PROJECT_ID]",
"datasetId":"[BIGQUERY_DATASET_NAME]",
"tableId":"[BIGQUERY_TABLE_NAME]"
}
}
}
}
]
}
}
}
פלט מסוג JSON:
הפלט הבא מציין שהטריגר של המשימה נוצר בהצלחה.
{
"name":"projects/[PROJECT_ID]/jobTriggers/[JOB_TRIGGER_NAME]",
"displayName":"JobTrigger1",
"description":"Starts an inspection of a Datastore kind",
"inspectJob":{
"storageConfig":{
"datastoreOptions":{
"partitionId":{
"projectId":"[PROJECT_ID]",
"namespaceId":"[NAMESPACE_ID]"
},
"kind":{
"name":"Example-Kind"
}
}
},
"inspectConfig":{
"infoTypes":[
{
"name":"PHONE_NUMBER"
}
],
"minLikelihood":"LIKELY",
"limits":{
},
"includeQuote":true
},
"actions":[
{
"saveFindings":{
"outputConfig":{
"table":{
"projectId":"[PROJECT_ID]",
"datasetId":"[BIGQUERY_DATASET_NAME]",
"tableId":"[BIGQUERY_TABLE_NAME]"
}
}
}
}
]
},
"triggers":[
{
"schedule":{
"recurrencePeriodDuration":"86400s"
}
}
],
"createTime":"2018-11-30T01:52:41.171857Z",
"updateTime":"2018-11-30T01:52:41.171857Z",
"status":"HEALTHY"
}
הצגת רשימה של כל המשימות
כדי להציג את כל המשימות בפרויקט הנוכחי:
המסוף
נכנסים לדף Sensitive Data Protection במסוף Google Cloud .
לוחצים על הכרטיסייה Inspection ואז על כרטיסיית המשנה Inspect jobs.
במסוף מוצגת רשימה של כל המשימות בפרויקט הנוכחי, כולל מזהי המשימות, המצב, זמן היצירה וזמן הסיום שלהן. כדי לקבל מידע נוסף על משימה כלשהי, כולל סיכום של התוצאות שלה, לוחצים על המזהה שלה.
C#
במאמר ספריות הלקוח של Sensitive Data Protection מוסבר איך להתקין את ספריית הלקוח ולהשתמש בה ב-Sensitive Data Protection.
כדי לבצע אימות ב-Sensitive Data Protection, צריך להגדיר את Application Default Credentials. למידע נוסף, ראו הגדרת אימות לסביבת פיתוח מקומית.
Go
במאמר ספריות הלקוח של Sensitive Data Protection מוסבר איך להתקין את ספריית הלקוח ולהשתמש בה ב-Sensitive Data Protection.
כדי לבצע אימות ב-Sensitive Data Protection, צריך להגדיר את Application Default Credentials. למידע נוסף, ראו הגדרת אימות לסביבת פיתוח מקומית.
Java
במאמר ספריות הלקוח של Sensitive Data Protection מוסבר איך להתקין את ספריית הלקוח ולהשתמש בה ב-Sensitive Data Protection.
כדי לבצע אימות ב-Sensitive Data Protection, צריך להגדיר את Application Default Credentials. למידע נוסף, ראו הגדרת אימות לסביבת פיתוח מקומית.
Node.js
במאמר ספריות הלקוח של Sensitive Data Protection מוסבר איך להתקין את ספריית הלקוח ולהשתמש בה ב-Sensitive Data Protection.
כדי לבצע אימות ב-Sensitive Data Protection, צריך להגדיר את Application Default Credentials. למידע נוסף, ראו הגדרת אימות לסביבת פיתוח מקומית.
PHP
במאמר ספריות הלקוח של Sensitive Data Protection מוסבר איך להתקין את ספריית הלקוח ולהשתמש בה ב-Sensitive Data Protection.
כדי לבצע אימות ב-Sensitive Data Protection, צריך להגדיר את Application Default Credentials. למידע נוסף, ראו הגדרת אימות לסביבת פיתוח מקומית.
Python
במאמר ספריות הלקוח של Sensitive Data Protection מוסבר איך להתקין את ספריית הלקוח ולהשתמש בה ב-Sensitive Data Protection.
כדי לבצע אימות ב-Sensitive Data Protection, צריך להגדיר את Application Default Credentials. למידע נוסף, ראו הגדרת אימות לסביבת פיתוח מקומית.
REST
למשאב DlpJob יש את ה-method projects.dlpJobs.list, שבאמצעותה אפשר להציג את כל המשימות.
כדי להציג את כל המשימות שמוגדרות כרגע בפרויקט, שולחים בקשת GET לנקודת הקצה dlpJobs, כמו בדוגמה הבאה:
כתובת ה-URL:
GET https://dlp.googleapis.com/v2/projects/[PROJECT-ID]/dlpJobs?key={YOUR_API_KEY}
פלט ה-JSON הבא מציג את אחת מהמשימות שהוחזרו. שימו לב שהמבנה של המשימה משקף את המבנה של המשאב DlpJob.
פלט מסוג JSON:
{
"jobs":[
{
"name":"projects/[PROJECT-ID]/dlpJobs/i-5270277269264714623",
"type":"INSPECT_JOB",
"state":"DONE",
"inspectDetails":{
"requestedOptions":{
"snapshotInspectTemplate":{
},
"jobConfig":{
"storageConfig":{
"cloudStorageOptions":{
"fileSet":{
"url":"[CLOUD-STORAGE-URL]"
},
"fileTypes":[
"FILE_TYPE_UNSPECIFIED"
],
"filesLimitPercent":100
},
"timespanConfig":{
"startTime":"2019-09-08T22:43:16.623Z",
"enableAutoPopulationOfTimespanConfig":true
}
},
"inspectConfig":{
"infoTypes":[
{
"name":"US_SOCIAL_SECURITY_NUMBER"
},
{
"name":"CANADA_SOCIAL_INSURANCE_NUMBER"
}
],
"minLikelihood":"LIKELY",
"limits":{
},
"includeQuote":true
},
"actions":[
{
"saveFindings":{
"outputConfig":{
"table":{
"projectId":"[PROJECT-ID]",
"datasetId":"[DATASET-ID]",
"tableId":"[TABLE-ID]"
}
}
}
}
]
}
},
"result":{
...
}
},
"createTime":"2019-09-09T22:43:16.918Z",
"startTime":"2019-09-09T22:43:16.918Z",
"endTime":"2019-09-09T22:43:53.091Z",
"jobTriggerName":"projects/[PROJECT-ID]/jobTriggers/sample-trigger2"
},
...
כדי לנסות את זה במהירות, אתם יכולים להשתמש ב-API Explorer שמוטמע בהמשך. מידע כללי על השימוש ב-JSON לשליחת בקשות ל-DLP API מופיע במדריך למתחילים בנושא JSON.
רשימה של כל הטריגרים של המשימות
כדי להציג רשימה של כל הטריגרים של המשימות בפרויקט הנוכחי:
המסוף
נכנסים לדף Sensitive Data Protection במסוף Google Cloud .
כניסה ל-Sensitive Data Protection
בכרטיסיית המשנה Job triggers שבכרטיסייה Inspection, מוצגת רשימה של כל הטריגרים למשימות בפרויקט הנוכחי.
C#
במאמר ספריות הלקוח של Sensitive Data Protection מוסבר איך להתקין את ספריית הלקוח ולהשתמש בה ב-Sensitive Data Protection.
כדי לבצע אימות ב-Sensitive Data Protection, צריך להגדיר את Application Default Credentials. למידע נוסף, ראו הגדרת אימות לסביבת פיתוח מקומית.
Go
במאמר ספריות הלקוח של Sensitive Data Protection מוסבר איך להתקין את ספריית הלקוח ולהשתמש בה ב-Sensitive Data Protection.
כדי לבצע אימות ב-Sensitive Data Protection, צריך להגדיר את Application Default Credentials. למידע נוסף, ראו הגדרת אימות לסביבת פיתוח מקומית.
Java
במאמר ספריות הלקוח של Sensitive Data Protection מוסבר איך להתקין את ספריית הלקוח ולהשתמש בה ב-Sensitive Data Protection.
כדי לבצע אימות ב-Sensitive Data Protection, צריך להגדיר את Application Default Credentials. למידע נוסף, ראו הגדרת אימות לסביבת פיתוח מקומית.
Node.js
במאמר ספריות הלקוח של Sensitive Data Protection מוסבר איך להתקין את ספריית הלקוח ולהשתמש בה ב-Sensitive Data Protection.
כדי לבצע אימות ב-Sensitive Data Protection, צריך להגדיר את Application Default Credentials. למידע נוסף, ראו הגדרת אימות לסביבת פיתוח מקומית.
PHP
במאמר ספריות הלקוח של Sensitive Data Protection מוסבר איך להתקין את ספריית הלקוח ולהשתמש בה ב-Sensitive Data Protection.
כדי לבצע אימות ב-Sensitive Data Protection, צריך להגדיר את Application Default Credentials. למידע נוסף, ראו הגדרת אימות לסביבת פיתוח מקומית.
Python
במאמר ספריות הלקוח של Sensitive Data Protection מוסבר איך להתקין את ספריית הלקוח ולהשתמש בה ב-Sensitive Data Protection.
כדי לבצע אימות ב-Sensitive Data Protection, צריך להגדיר את Application Default Credentials. למידע נוסף, ראו הגדרת אימות לסביבת פיתוח מקומית.
REST
למשאב JobTrigger יש את ה-method projects.jobTriggers.list, שבאמצעותה אפשר להציג את כל הטריגרים של המשימות.
כדי להציג את כל הטריגרים של המשימות שמוגדרים כרגע בפרויקט, שולחים בקשת GET לנקודת הקצה jobTriggers, כמו שמוצג כאן:
כתובת ה-URL:
GET https://dlp.googleapis.com/v2/projects/[PROJECT-ID]/jobTriggers?key={YOUR_API_KEY}
פלט ה-JSON הבא מציג את הטריגר של המשימה שיצרנו בקטע הקודם. שימו לב שהמבנה של הטריגר של המשימה משקף את המבנה של המשאב JobTrigger.
פלט מסוג JSON:
{
"jobTriggers":[
{
"name":"projects/[PROJECT_ID]/jobTriggers/[JOB_TRIGGER_NAME]",
"displayName":"JobTrigger1",
"description":"Starts an inspection of a Datastore kind",
"inspectJob":{
"storageConfig":{
"datastoreOptions":{
"partitionId":{
"projectId":"[PROJECT_ID]",
"namespaceId":"[NAMESPACE_ID]"
},
"kind":{
"name":"Example-Kind"
}
}
},
"inspectConfig":{
"infoTypes":[
{
"name":"PHONE_NUMBER"
}
],
"minLikelihood":"LIKELY",
"limits":{
},
"includeQuote":true
},
"actions":[
{
"saveFindings":{
"outputConfig":{
"table":{
"projectId":"[PROJECT_ID]",
"datasetId":"[BIGQUERY_DATASET_NAME]",
"tableId":"[BIGQUERY_TABLE_NAME]"
}
}
}
}
]
},
"triggers":[
{
"schedule":{
"recurrencePeriodDuration":"86400s"
}
}
],
"createTime":"2018-11-30T01:52:41.171857Z",
"updateTime":"2018-11-30T01:52:41.171857Z",
"status":"HEALTHY"
},
...
],
"nextPageToken":"KkwKCQjivJ2UpPreAgo_Kj1wcm9qZWN0cy92ZWx2ZXR5LXN0dWR5LTE5NjEwMS9qb2JUcmlnZ2Vycy8xNTA5NzEyOTczMDI0MDc1NzY0"
}
כדי לנסות את זה במהירות, אתם יכולים להשתמש ב-API Explorer שמוטמע בהמשך. מידע כללי על השימוש ב-JSON לשליחת בקשות ל-DLP API מופיע במדריך למתחילים בנושא JSON.
מחיקת משרה
כדי למחוק משימה מהפרויקט, כולל התוצאות שלה: הפעולה הזו לא משפיעה על תוצאות שנשמרו מחוץ ל-Google Ads (למשל ב-BigQuery).
המסוף
נכנסים לדף Sensitive Data Protection במסוף Google Cloud .
לוחצים על הכרטיסייה Inspection ואז על כרטיסיית המשנה Inspect jobs. במסוף Google Cloud תוצג רשימה של כל המשימות בפרויקט הנוכחי.
בעמודה Actions של הטריגר שרוצים למחוק, לוחצים על תפריט האפשרויות הנוספות (שלוש נקודות אנכיות) ואז על Delete.
אפשר גם ללחוץ על המזהה של המשימה שרוצים למחוק ברשימת המשימות. בדף הפרטים של המשימה, לוחצים על מחיקה.
C#
במאמר ספריות הלקוח של Sensitive Data Protection מוסבר איך להתקין את ספריית הלקוח ולהשתמש בה ב-Sensitive Data Protection.
כדי לבצע אימות ב-Sensitive Data Protection, צריך להגדיר את Application Default Credentials. למידע נוסף, ראו הגדרת אימות לסביבת פיתוח מקומית.
Go
במאמר ספריות הלקוח של Sensitive Data Protection מוסבר איך להתקין את ספריית הלקוח ולהשתמש בה ב-Sensitive Data Protection.
כדי לבצע אימות ב-Sensitive Data Protection, צריך להגדיר את Application Default Credentials. למידע נוסף, ראו הגדרת אימות לסביבת פיתוח מקומית.
Java
במאמר ספריות הלקוח של Sensitive Data Protection מוסבר איך להתקין את ספריית הלקוח ולהשתמש בה ב-Sensitive Data Protection.
כדי לבצע אימות ב-Sensitive Data Protection, צריך להגדיר את Application Default Credentials. למידע נוסף, ראו הגדרת אימות לסביבת פיתוח מקומית.
Node.js
במאמר ספריות הלקוח של Sensitive Data Protection מוסבר איך להתקין את ספריית הלקוח ולהשתמש בה ב-Sensitive Data Protection.
כדי לבצע אימות ב-Sensitive Data Protection, צריך להגדיר את Application Default Credentials. למידע נוסף, ראו הגדרת אימות לסביבת פיתוח מקומית.
PHP
במאמר ספריות הלקוח של Sensitive Data Protection מוסבר איך להתקין את ספריית הלקוח ולהשתמש בה ב-Sensitive Data Protection.
כדי לבצע אימות ב-Sensitive Data Protection, צריך להגדיר את Application Default Credentials. למידע נוסף, ראו הגדרת אימות לסביבת פיתוח מקומית.
Python
במאמר ספריות הלקוח של Sensitive Data Protection מוסבר איך להתקין את ספריית הלקוח ולהשתמש בה ב-Sensitive Data Protection.
כדי לבצע אימות ב-Sensitive Data Protection, צריך להגדיר את Application Default Credentials. למידע נוסף, ראו הגדרת אימות לסביבת פיתוח מקומית.
REST
כדי למחוק משימה מהפרויקט הנוכחי, שולחים בקשת DELETE לנקודת הקצה dlpJobs, כמו שמוצג כאן. מחליפים את השדה [JOB-IDENTIFIER] במזהה של המשימה, שמתחיל ב-i-.
כתובת ה-URL:
DELETE https://dlp.googleapis.com/v2/projects/[PROJECT-ID]/dlpJobs/[JOB-IDENTIFIER]?key={YOUR_API_KEY}
אם הבקשה תצליח, ה-DLP API יחזיר תגובת הצלחה. כדי לוודא שהמשימה נמחקה, מציגים את רשימת כל המשימות.
כדי לנסות את זה במהירות, אתם יכולים להשתמש ב-API Explorer שמוטמע בהמשך. מידע כללי על השימוש ב-JSON לשליחת בקשות ל-DLP API מופיע במדריך למתחילים בנושא JSON.
מחיקת טריגר של משימה
המסוף
נכנסים לדף Sensitive Data Protection במסוף Google Cloud .
כניסה ל-Sensitive Data Protection
בכרטיסייה Inspection, בכרטיסיית המשנה Job triggers, מוצגת רשימה של כל הטריגרים של המשימות בפרויקט הנוכחי.
בעמודה Actions של הטריגר שרוצים למחוק, לוחצים על תפריט האפשרויות הנוספות (שלוש נקודות אנכיות) ואז על Delete.
לחלופין, ברשימת הטריגרים של המשימות, לוחצים על השם של הטריגר שרוצים למחוק. בדף הפרטים של הטריגר למשימה, לוחצים על Delete.
C#
במאמר ספריות הלקוח של Sensitive Data Protection מוסבר איך להתקין את ספריית הלקוח ולהשתמש בה ב-Sensitive Data Protection.
כדי לבצע אימות ב-Sensitive Data Protection, צריך להגדיר את Application Default Credentials. למידע נוסף, ראו הגדרת אימות לסביבת פיתוח מקומית.
Go
במאמר ספריות הלקוח של Sensitive Data Protection מוסבר איך להתקין את ספריית הלקוח ולהשתמש בה ב-Sensitive Data Protection.
כדי לבצע אימות ב-Sensitive Data Protection, צריך להגדיר את Application Default Credentials. למידע נוסף, ראו הגדרת אימות לסביבת פיתוח מקומית.
Java
במאמר ספריות הלקוח של Sensitive Data Protection מוסבר איך להתקין את ספריית הלקוח ולהשתמש בה ב-Sensitive Data Protection.
כדי לבצע אימות ב-Sensitive Data Protection, צריך להגדיר את Application Default Credentials. למידע נוסף, ראו הגדרת אימות לסביבת פיתוח מקומית.
Node.js
במאמר ספריות הלקוח של Sensitive Data Protection מוסבר איך להתקין את ספריית הלקוח ולהשתמש בה ב-Sensitive Data Protection.
כדי לבצע אימות ב-Sensitive Data Protection, צריך להגדיר את Application Default Credentials. למידע נוסף, ראו הגדרת אימות לסביבת פיתוח מקומית.
PHP
במאמר ספריות הלקוח של Sensitive Data Protection מוסבר איך להתקין את ספריית הלקוח ולהשתמש בה ב-Sensitive Data Protection.
כדי לבצע אימות ב-Sensitive Data Protection, צריך להגדיר את Application Default Credentials. למידע נוסף, ראו הגדרת אימות לסביבת פיתוח מקומית.
Python
במאמר ספריות הלקוח של Sensitive Data Protection מוסבר איך להתקין את ספריית הלקוח ולהשתמש בה ב-Sensitive Data Protection.
כדי לבצע אימות ב-Sensitive Data Protection, צריך להגדיר את Application Default Credentials. למידע נוסף, ראו הגדרת אימות לסביבת פיתוח מקומית.
REST
כדי למחוק טריגר של משימה מהפרויקט הנוכחי, שולחים בקשת DELETE לנקודת הקצה (endpoint) jobTriggers, כמו שמוצג כאן. מחליפים את השדה [JOB-TRIGGER-NAME] בשם של הטריגר להפעלה של משימה.
כתובת ה-URL:
DELETE https://dlp.googleapis.com/v2/projects/[PROJECT-ID]/jobTriggers/[JOB-TRIGGER-NAME]?key={YOUR_API_KEY}
אם הבקשה תצליח, ה-DLP API יחזיר תגובת הצלחה. כדי לוודא שהטריגר של המשימה נמחק, מציגים את כל הטריגרים של המשימות.
כדי לנסות את זה במהירות, אתם יכולים להשתמש ב-API Explorer שמוטמע בהמשך. מידע כללי על השימוש ב-JSON לשליחת בקשות ל-DLP API מופיע במדריך למתחילים בנושא JSON.
למצוא עבודה
כדי לקבל משימה מהפרויקט, כולל התוצאות שלה, מבצעים את הפעולות הבאות. הפעולה הזו לא משפיעה על תוצאות שנשמרו באופן חיצוני (למשל ב-BigQuery).
C#
במאמר ספריות הלקוח של Sensitive Data Protection מוסבר איך להתקין את ספריית הלקוח ולהשתמש בה ב-Sensitive Data Protection.
כדי לבצע אימות ב-Sensitive Data Protection, צריך להגדיר את Application Default Credentials. למידע נוסף, ראו הגדרת אימות לסביבת פיתוח מקומית.
Go
במאמר ספריות הלקוח של Sensitive Data Protection מוסבר איך להתקין את ספריית הלקוח ולהשתמש בה ב-Sensitive Data Protection.
כדי לבצע אימות ב-Sensitive Data Protection, צריך להגדיר את Application Default Credentials. למידע נוסף, ראו הגדרת אימות לסביבת פיתוח מקומית.
Java
במאמר ספריות הלקוח של Sensitive Data Protection מוסבר איך להתקין את ספריית הלקוח ולהשתמש בה ב-Sensitive Data Protection.
כדי לבצע אימות ב-Sensitive Data Protection, צריך להגדיר את Application Default Credentials. למידע נוסף, ראו הגדרת אימות לסביבת פיתוח מקומית.
Node.js
במאמר ספריות הלקוח של Sensitive Data Protection מוסבר איך להתקין את ספריית הלקוח ולהשתמש בה ב-Sensitive Data Protection.
כדי לבצע אימות ב-Sensitive Data Protection, צריך להגדיר את Application Default Credentials. למידע נוסף, ראו הגדרת אימות לסביבת פיתוח מקומית.
PHP
במאמר ספריות הלקוח של Sensitive Data Protection מוסבר איך להתקין את ספריית הלקוח ולהשתמש בה ב-Sensitive Data Protection.
כדי לבצע אימות ב-Sensitive Data Protection, צריך להגדיר את Application Default Credentials. למידע נוסף, ראו הגדרת אימות לסביבת פיתוח מקומית.
Python
במאמר ספריות הלקוח של Sensitive Data Protection מוסבר איך להתקין את ספריית הלקוח ולהשתמש בה ב-Sensitive Data Protection.
כדי לבצע אימות ב-Sensitive Data Protection, צריך להגדיר את Application Default Credentials. למידע נוסף, ראו הגדרת אימות לסביבת פיתוח מקומית.
REST
כדי לקבל משימה מהפרויקט הנוכחי, שולחים בקשת GET לנקודת הקצה (endpoint) dlpJobs, כמו שמוצג כאן. מחליפים את השדה [JOB-IDENTIFIER] במזהה של המשימה, שמתחיל ב-i-.
כתובת ה-URL:
GET https://dlp.googleapis.com/v2/projects/[PROJECT-ID]/dlpJobs/[JOB-IDENTIFIER]?key={YOUR_API_KEY}
אם הבקשה תצליח, ה-DLP API יחזיר תגובת הצלחה.
כדי לנסות את זה במהירות, אתם יכולים להשתמש ב-API Explorer שמוטמע בהמשך. מידע כללי על השימוש ב-JSON לשליחת בקשות ל-DLP API מופיע במדריך למתחילים בנושא JSON.
הפעלה מיידית של טריגר למשימה
אחרי שיוצרים טריגר למשימה, אפשר להפעיל אותו כדי לאלץ הפעלה מיידית של הטריגר לצורך בדיקה. כדי לעשות את זה, מריצים את הפקודה הבאה:
curl --request POST \
-H "Content-Type: application/json" \
-H "Accept: application/json" \
-H "Authorization: Bearer $(gcloud auth print-access-token)" \
-H "X-Goog-User-Project: PROJECT_ID" \
'https://dlp.googleapis.com/v2/JOB_TRIGGER_NAME:activate'
מחליפים את מה שכתוב בשדות הבאים:
- PROJECT_ID: המזהה של הפרויקט ב- Google Cloud שבו יחויבו עלויות הגישה שקשורות לבקשה.
- JOB_TRIGGER_NAME: שם המשאב המלא של הטריגר של המשימה, לדוגמה
projects/my-project/locations/global/jobTriggers/123456789.
עדכון טריגר קיים של משימה
בנוסף ליצירה, להצגה ולמחיקה של טריגרים של משימות, אתם יכולים גם לעדכן טריגר קיים של משימה. כדי לשנות את ההגדרות של טריגר קיים להפעלה של משימה:
המסוף
נכנסים לדף Sensitive Data Protection במסוף Google Cloud .
לוחצים על הכרטיסייה Inspection ואז על כרטיסיית המשנה Job triggers.
במסוף תוצג רשימה של כל הטריגרים של המשימות בפרויקט הנוכחי.
בעמודה Actions של הטריגר שרוצים למחוק, לוחצים על More more_vert ואז על View details.
בדף הפרטים של הטריגר, לוחצים על Edit.
בדף Edit trigger, אתם יכולים לשנות את המיקום של נתוני הקלט, את פרטי הזיהוי כמו תבניות, סוגי מידע או סבירות, את הפעולות שאחרי הסריקה ואת לוח הזמנים של הטריגר להפעלת המשימה. בסיום ביצוע השינויים, לוחצים על שמירה.
C#
במאמר ספריות הלקוח של Sensitive Data Protection מוסבר איך להתקין את ספריית הלקוח ולהשתמש בה ב-Sensitive Data Protection.
כדי לבצע אימות ב-Sensitive Data Protection, צריך להגדיר את Application Default Credentials. למידע נוסף, ראו הגדרת אימות לסביבת פיתוח מקומית.
Go
במאמר ספריות הלקוח של Sensitive Data Protection מוסבר איך להתקין את ספריית הלקוח ולהשתמש בה ב-Sensitive Data Protection.
כדי לבצע אימות ב-Sensitive Data Protection, צריך להגדיר את Application Default Credentials. למידע נוסף, ראו הגדרת אימות לסביבת פיתוח מקומית.
Java
במאמר ספריות הלקוח של Sensitive Data Protection מוסבר איך להתקין את ספריית הלקוח ולהשתמש בה ב-Sensitive Data Protection.
כדי לבצע אימות ב-Sensitive Data Protection, צריך להגדיר את Application Default Credentials. למידע נוסף, ראו הגדרת אימות לסביבת פיתוח מקומית.
Node.js
במאמר ספריות הלקוח של Sensitive Data Protection מוסבר איך להתקין את ספריית הלקוח ולהשתמש בה ב-Sensitive Data Protection.
כדי לבצע אימות ב-Sensitive Data Protection, צריך להגדיר את Application Default Credentials. למידע נוסף, ראו הגדרת אימות לסביבת פיתוח מקומית.
PHP
במאמר ספריות הלקוח של Sensitive Data Protection מוסבר איך להתקין את ספריית הלקוח ולהשתמש בה ב-Sensitive Data Protection.
כדי לבצע אימות ב-Sensitive Data Protection, צריך להגדיר את Application Default Credentials. למידע נוסף, ראו הגדרת אימות לסביבת פיתוח מקומית.
Python
במאמר ספריות הלקוח של Sensitive Data Protection מוסבר איך להתקין את ספריית הלקוח ולהשתמש בה ב-Sensitive Data Protection.
כדי לבצע אימות ב-Sensitive Data Protection, צריך להגדיר את Application Default Credentials. למידע נוסף, ראו הגדרת אימות לסביבת פיתוח מקומית.
REST
משתמשים ב-method projects.jobTriggers.patch כדי לשלוח ערכי JobTrigger חדשים ל-DLP API, כדי לעדכן את הערכים האלה בטריגר ספציפי של משימה.
לדוגמה, נניח שיש לכם את הטריגר הפשוט הבא למשימה. קובץ ה-JSON הזה מייצג את הטריגר של המשימה, והוא הוחזר אחרי שליחת בקשת GET לנקודת הקצה של הטריגר של המשימה בפרויקט הנוכחי.
פלט מסוג JSON:
{
"name":"projects/[PROJECT_ID]/jobTriggers/[JOB_TRIGGER_NAME]",
"inspectJob":{
"storageConfig":{
"cloudStorageOptions":{
"fileSet":{
"url":"gs://dlptesting/*"
},
"fileTypes":[
"FILE_TYPE_UNSPECIFIED"
],
"filesLimitPercent":100
},
"timespanConfig":{
"enableAutoPopulationOfTimespanConfig":true
}
},
"inspectConfig":{
"infoTypes":[
{
"name":"US_SOCIAL_SECURITY_NUMBER"
}
],
"minLikelihood":"POSSIBLE",
"limits":{
}
},
"actions":[
{
"jobNotificationEmails":{
}
}
]
},
"triggers":[
{
"schedule":{
"recurrencePeriodDuration":"86400s"
}
}
],
"createTime":"2019-03-06T21:19:45.774841Z",
"updateTime":"2019-03-06T21:19:45.774841Z",
"status":"HEALTHY"
}
קוד ה-JSON הבא, כששולחים אותו עם בקשת PATCH לנקודת הקצה שצוינה, מעדכן את הטריגר של המשימה הנתונה עם infoType חדש לסריקה, וגם עם סבירות מינימלית חדשה. שימו לב שצריך לציין גם את המאפיין updateMask, והערך שלו צריך להיות בפורמט FieldMask.
קלט JSON:
PATCH https://dlp.googleapis.com/v2/projects/[PROJECT_ID]/jobTriggers/[JOB_TRIGGER_NAME]?key={YOUR_API_KEY}
{
"jobTrigger":{
"inspectJob":{
"inspectConfig":{
"infoTypes":[
{
"name":"US_INDIVIDUAL_TAXPAYER_IDENTIFICATION_NUMBER"
}
],
"minLikelihood":"LIKELY"
}
}
},
"updateMask":"inspectJob(inspectConfig(infoTypes,minLikelihood))"
}
אחרי ששולחים את ה-JSON הזה לכתובת ה-URL שצוינה, הוא מחזיר את התוצאה הבאה, שמייצגת את הטריגר המעודכן של המשימה. שימו לב שהערכים המקוריים של infoType ו-likelihood הוחלפו בערכים החדשים.
פלט מסוג JSON:
{
"name":"projects/[PROJECT_ID]/jobTriggers/[JOB_TRIGGER_NAME]",
"inspectJob":{
"storageConfig":{
"cloudStorageOptions":{
"fileSet":{
"url":"gs://dlptesting/*"
},
"fileTypes":[
"FILE_TYPE_UNSPECIFIED"
],
"filesLimitPercent":100
},
"timespanConfig":{
"enableAutoPopulationOfTimespanConfig":true
}
},
"inspectConfig":{
"infoTypes":[
{
"name":"US_INDIVIDUAL_TAXPAYER_IDENTIFICATION_NUMBER"
}
],
"minLikelihood":"LIKELY",
"limits":{
}
},
"actions":[
{
"jobNotificationEmails":{
}
}
]
},
"triggers":[
{
"schedule":{
"recurrencePeriodDuration":"86400s"
}
}
],
"createTime":"2019-03-06T21:19:45.774841Z",
"updateTime":"2019-03-06T21:27:01.650183Z",
"lastRunTime":"1970-01-01T00:00:00Z",
"status":"HEALTHY"
}
כדי לנסות את זה במהירות, אתם יכולים להשתמש ב-API Explorer שמוטמע בהמשך. מידע כללי על השימוש ב-JSON לשליחת בקשות ל-DLP API מופיע במדריך למתחילים בנושא JSON.
זמן האחזור של המשימה
אין יעדים למדידת רמת השירות (SLO) שמובטחים למשימות ולטריגרים של משימות. זמן האחזור מושפע מכמה גורמים, כולל כמות הנתונים לסריקה, מאגר האחסון שנסרק, הסוג והמספר של סוגי המידע שאתם סורקים, האזור שבו המשימה מעובדת ומשאבי המחשוב שזמינים באותו אזור. לכן אי אפשר לקבוע מראש את זמן האחזור של משימות הבדיקה.
כדי לצמצם את זמן האחזור של המשימה, אתם יכולים לנסות את הפעולות הבאות:
- אם דגימה זמינה למשימה או לטריגר של המשימה, הפעילו אותה.
אל תפעילו סוגי מידע שאתם לא צריכים. למרות שסוגי המידע הבאים שימושיים בתרחישים מסוימים, הם יכולים לגרום לבקשות לפעול לאט יותר מבקשות שלא כוללות אותם:
PERSON_NAMEFEMALE_NAMEMALE_NAMEFIRST_NAMELAST_NAMEDATE_OF_BIRTHLOCATIONSTREET_ADDRESSORGANIZATION_NAME
תמיד צריך לציין במפורש את סוגי המידע. אל תשתמשו ברשימה ריקה של infoTypes.
אם אפשר, השתמשו באזור עיבוד אחר.
אם אתם עדיין נתקלים בבעיות של זמן אחזור במשימות אחרי שניסיתם את השיטות האלה, כדאי להשתמש בבקשות content.inspect או content.deidentify במקום במשימות. השיטות האלה נכללות בהסכם רמת השירות. מידע נוסף זמין במאמר הסכם רמת השירות (SLA) של Sensitive Data Protection.
הגבלת הסריקות לתוכן חדש בלבד
אתם יכולים להגדיר את הטריגר של המשימה כך שיגדיר באופן אוטומטי את טווח הזמן של קבצים שמאוחסנים ב-Cloud Storage או ב-BigQuery. כשמגדירים את האובייקט TimespanConfig למילוי אוטומטי, Sensitive Data Protection סורק רק נתונים שנוספו או שונו מאז שהטריגר הופעל בפעם האחרונה:
...
timespan_config {
enable_auto_population_of_timespan_config: true
}
...
בבדיקה של BigQuery, רק שורות שנוצרו לפני שלוש שעות לפחות נכללות בסריקה. בעיה ידועה שקשורה לפעולה הזו.
הפעלת משימות בזמן העלאת קבצים
בנוסף לתמיכה בטריגרים של משימות, שמובנית ב-Sensitive Data Protection, ב-Google Cloud יש גם מגוון רכיבים אחרים שאפשר להשתמש בהם כדי לשלב או להפעיל משימות של Sensitive Data Protection. לדוגמה, אתם יכולים להשתמש בפונקציות Cloud Run כדי להפעיל סריקה של Sensitive Data Protection בכל פעם שקובץ מועלה ל-Cloud Storage.
במאמר סיווג אוטומטי של נתונים שהועלו ל-Cloud Storage מוסבר איך להגדיר את הפעולה הזו.
משימות שהסתיימו בהצלחה בלי לבדוק נתונים
משימה יכולה להסתיים בהצלחה גם אם לא נסרקו נתונים. הנה כמה דוגמאות לתרחישים שבהם זה יכול לקרות:
- המשימה מוגדרת לבדוק נכס נתונים ספציפי, כמו קובץ, שקיים אבל ריק.
- המשימה מוגדרת לבדוק נכס נתונים שלא קיים או שכבר לא קיים.
- המשימה מוגדרת לבדוק קטגוריה ריקה של Cloud Storage.
- המשימה מוגדרת לבדיקת קטגוריה, והסריקה הרקורסיבית מושבתת. ברמה העליונה, הקטגוריה מכילה רק תיקיות, והן מכילות את הקבצים.
- המשימה מוגדרת לבדוק רק סוג קובץ ספציפי בקטגוריה, אבל אין בקטגוריה קבצים מהסוג הזה.
- המשימה מוגדרת לבדיקה של תוכן חדש בלבד, אבל לא היו עדכונים אחרי הפעם האחרונה שהמשימה הופעלה.
במסוף Google Cloud , בשדה Bytes scanned בדף Job details, מצוינת כמות הנתונים שנבדקו על ידי המשימה. ב-DLP API, השדה processedBytes מציין את כמות הנתונים שנבדקו.
המאמרים הבאים
- מידע נוסף על יצירת עותק של נתונים באחסון עם הסרת פרטי זיהוי