修正資料分析器的發現項目

本頁說明如何修正資料剖析檔的發現項目。

高資料風險

資料風險高的資料資產含有敏感資訊，但未採取額外保護措施。如要降低資料風險分數，請考慮採取下列措施：

• 如果 BigQuery 資料欄含有機密資料，請套用 BigQuery 政策標記，限制只有具備特定存取權的帳戶才能存取。

  進行這項變更前，請確認服務代理具備剖析資料表所需的權限，且資料表設有資料欄層級的限制。否則，機密資料保護會顯示錯誤。詳情請參閱「解決資料分析器相關問題」。

• 使用遮蓋和權杖化等去識別化技術，將原始私密資料去識別化。

• 啟用自動標記，並選擇將已設定檔資料資產的資料風險自動設為 Low。

• 如果不需要高風險資料，請考慮移除。

  注意： 如果從資料表刪除資料欄，並重新分析該資料表，系統不會為已刪除的資料欄產生資料欄資料剖析。如要保留過往資料剖析檔的記錄 (例如用於稽核)，請設定剖析器，將資料剖析檔匯出至 BigQuery。

自由文字分數高

如果資料欄的任意文字分數很高，特別是含有多個 infoType (例如 PHONE_NUMBER、US_SOCIAL_SECURITY_NUMBER 和 DATE_OF_BIRTH) 的證據，可能包含非結構化資料和個人識別資訊 (PII) 執行個體。這個資料欄可以是附註或留言欄位。任意形式的文字可能存在風險。舉例來說，使用者可能會在這些欄位中輸入「顧客出生於 1985 年 1 月 1 日」。

Sensitive Data Protection 專為處理非結構化資料而設計，如要進一步瞭解這類資料，建議採取下列做法：

• 如要找出 BigQuery 和 Cloud Storage 資料中的 PII 確切位置，請對 BigQuery 資料表或 Cloud Storage 值區執行隨選檢查。

• 使用遮蓋和權杖化等技術，將原始私密資料去識別化。

後續步驟

• 瞭解 Sensitive Data Protection 如何計算資料資產的資料風險和機密程度。

• 瞭解權杖化技術如何在不犧牲隱私的前提下，保有資料可用性。

• 瞭解 Forrester 如何將 Google 評選為非結構化資料安全性平台領導品牌 Google Cloud 。