Esta página contém referências a páginas que fornecem informações sobre como usar a Proteção de Dados Sensíveis com BigQuery.
Guias de início rápido
- Início rápido: programar uma verificação de inspeção da Proteção de Dados Sensíveis
- Programe inspeção periódica de um bucket do Cloud Storage, uma tabela do BigQuery ou um tipo do Datastore. Para instruções detalhadas, consulte Criar e programar jobs de inspeção da Proteção de Dados Sensíveis.
Guias de instruções
Esta seção fornece uma lista categorizada de guias baseados em tarefas que demonstram como usar a Proteção de Dados Sensíveis com o BigQuery.
Inspeção
- Como inspecionar armazenamento e bancos de dados confidenciais
- Crie um job único que pesquise dados confidenciais em um bucket do Cloud Storage, uma tabela do BigQuery ou um tipo do Datastore.
- Criar e programar jobs de inspeção da Proteção de Dados Sensíveis
- Crie e programe um gatilho de jobs que pesquisa dados confidenciais em um bucket do Cloud Storage, uma tabela do BigQuery ou um tipo do Datastore. Um gatilho de jobs automatiza a criação de jobs da Proteção de Dados Sensíveis de forma periódica.
Como trabalhar com resultados de verificação
- Adicionar aspectos do Knowledge Catalog com base em insights de perfis de dados
- Adicione aspectos do Knowledge Catalog aos seus dados automaticamente depois que a Proteção de Dados Sensíveis criar o perfil dos seus recursos
- Como enviar resultados da verificação da Proteção de Dados Sensíveis para o Security Command Center
- Verifique um bucket do Cloud Storage, uma tabela do BigQuery ou um tipo do Datastore e envie as descobertas para o Security Command Center.
- Como analisar e gerar relatórios sobre as descobertas da Proteção de Dados Sensíveis
- Use o BigQuery para executar análises sobre as descobertas da Proteção de Dados Sensíveis.
- Como consultar as descobertas da Proteção de Dados Sensíveis no BigQuery
- Confira exemplos de consultas que podem ser usadas no BigQuery para analisar as descobertas identificadas pela Proteção de Dados Sensíveis.
Análise de risco de reidentificação
- Como medir o risco de reidentificação e divulgação
Analise dados estruturados armazenados em uma tabela do BigQuery e calcule as seguintes métricas de risco de reidentificação:
- Como calcular estatísticas numéricas e categóricas
Determine os valores mínimo, máximo e quantil de uma coluna individual do BigQuery.
- Como visualizar o risco de reidentificação usando o Data Studio
Meça o k-anonimato de um conjunto de dados e visualize-o no Data Studio.
Tutoriais
- Desidentificar dados do BigQuery no momento da consulta
- Siga um tutorial detalhado que usa funções remotas do BigQuery para desidentificar e reidentificar dados em resultados de consultas em tempo real.
- Desidentificação e reidentificação de PII em conjuntos de dados de grande escala usando a Proteção de Dados Sensíveis
- Analise uma arquitetura de referência para criar um pipeline de transformação de dados automatizado que desidentifica dados confidenciais, como informações de identificação pessoal (PII).
Práticas recomendadas
- Proteger um data warehouse do BigQuery que armazena dados confidenciais
- Visão geral da arquitetura e práticas recomendadas para governança de dados ao criar, implantar e operar um data warehouse em Google Cloud, incluindo desidentificação de dados, tratamento diferencial de dados confidenciais e controles de acesso no nível da coluna.
Contribuições da comunidade
Os itens a seguir são de propriedade e gerenciados por membros da comunidade, e não pela equipe da Proteção de Dados Sensíveis. No caso de perguntas sobre esses itens, entre em contato com os respectivos proprietários.
- Arquitetura de programação sem servidor orientada a eventos com a Proteção de Dados Sensíveis
- Configure um aplicativo de programação sem servidor e orientado a eventos que usa a API Cloud Data Loss Prevention para inspecionar os dados do BigQuery.
- Detecção de anomalias em tempo real usando Google Cloud análise de streams e serviços de IA
- Acompanhe um padrão de inteligência artificial em tempo real (IA) para detectar anomalias nos arquivos de registros. Essa prova de conceito usa o Pub/Sub, o Dataflow, o BigQuery ML e a Proteção de Dados Sensíveis.
- Importação de banco de dados relacional para o BigQuery com o Dataflow e a Proteção de Dados Sensíveis
- Use o Dataflow e a Proteção de Dados Sensíveis para tokenizar e importar dados de um banco de dados relacional para o BigQuery com segurança. Este exemplo descreve como tokenizar dados de PII antes de se tornarem persistentes.
Preços
Ao inspecionar uma tabela do BigQuery, você incorre em custos da Proteção de Dados Sensíveis, de acordo com os preços do job de inspeção de armazenamento.
Além disso, quando você salva as descobertas de inspeção em uma tabela do BigQuery, as cobranças do BigQuery são aplicadas.