本页包含指向相关页面的引用，这些页面提供了有关如何 将 Sensitive Data Protection 与 BigQuery搭配使用的信息。
快速入门指南
- 快速入门：安排 Sensitive Data Protection 检查扫描
- 安排定期检查 Cloud Storage 存储桶、BigQuery 表或 Datastore 种类。如需了解详细说明，请参阅 创建和安排 Sensitive Data Protection 检查作业。
方法指南
本部分提供了一个按类别划分的任务型指南列表，这些指南演示了如何将 Sensitive Data Protection 与 BigQuery 搭配使用。
检查
- 检查存储空间和数据库是否存在敏感数据
- 创建一次性作业，以在 Cloud Storage 存储桶、BigQuery 表或 Datastore 种类中搜索敏感数据。
- 创建和安排 Sensitive Data Protection 检查作业
- 创建并安排作业触发器，用于在 Cloud Storage 存储桶、BigQuery 表或 Datastore 种类中搜索敏感数据。作业触发器会自动定期创建 Sensitive Data Protection 作业。
使用扫描结果
- 根据数据分析结果添加 Knowledge Catalog 方面
- 在 Sensitive Data Protection 分析您的资源后，自动将 Knowledge Catalog 方面添加到您的数据
- 将 Sensitive Data Protection 扫描结果发送到 Security Command Center
- 扫描 Cloud Storage 存储桶、BigQuery 表或 Datastore 种类，然后将发现结果发送到 Security Command Center。
- 分析和报告 Sensitive Data Protection 发现结果
- 使用 BigQuery 对 Sensitive Data Protection 发现结果运行分析。
- 在 BigQuery 中查询 Sensitive Data Protection 发现结果
- 查看您可以在 BigQuery 中使用的示例查询，以分析 Sensitive Data Protection 识别的发现结果。
重标识风险分析
- 衡量重标识和披露风险
分析存储在 BigQuery 表中的结构化数据，并计算以下重标识风险指标：
- 计算数值统计信息和分类统计信息
确定单个 BigQuery 列的最小值、最大值和分位数值。
- 使用数据洞察直观呈现重标识化风险
衡量数据集的 k-匿名性，然后在 数据洞察中直观呈现。
教程
- 在查询时对 BigQuery 数据进行去标识化处理
- 按照分步教程操作，该教程使用 BigQuery 远程函数对实时查询结果中的数据进行去标识化和重标识化处理。
- 使用 Sensitive Data Protection 对大规模数据集中的个人身份信息进行去标识化和重标识处理
- 查看用于创建自动化数据转换流水线的参考架构，该流水线会对个人身份信息 (PII) 等敏感数据进行去标识化处理。
最佳做法
- 确保存储机密数据的 BigQuery 数据仓库的安全性
- 在中创建、 部署和运营数据仓库时有关数据治理的架构概览和最佳实践 Google Cloud，包括数据 去标识化、差分处理机密数据和 列级访问权限控制。
观众投稿
以下内容由社区成员拥有和管理，而非 Sensitive Data Protection 团队。如有关于这些内容的问题，请与相应的所有者联系。
- 使用 Sensitive Data Protection 的事件驱动型无服务器调度架构
- 设置一个事件驱动型无服务器调度应用，使用 Cloud Data Loss Prevention API 检查 BigQuery 数据。
- 使用流式分析和 AI 服务进行实时异常值检测 Google Cloud
- 介绍用于检测日志文件中的异常值的实时人工智能 (AI) 模式。此概念验证使用 Pub/Sub、Dataflow、BigQuery ML 和 Sensitive Data Protection。
- 使用 Dataflow 和 Sensitive Data Protection 将关系型数据库导入 BigQuery
- 使用 Dataflow 和 Sensitive Data Protection 安全地对关系型数据库中的数据进行令牌化处理，然后将其导入 BigQuery。本示例介绍如何在个人身份信息数据持久化之前对其进行令牌化处理。
价格
检查 BigQuery 表时，您需要支付 Sensitive Data Protection 费用，具体取决于 存储空间检查作业的价格。
此外，将检查发现结果保存到 BigQuery 表时，您需要支付 BigQuery 费用 。