סקירה כללית על Sensitive Data Protection

השירות Sensitive Data Protection עוזר לכם לגלות, לסווג ולבטל את הזיהוי של מידע אישי רגיש בתוך Google Cloudומחוץ לו. בדף הזה מתוארים השירותים שמרכיבים את Sensitive Data Protection.

מתי כדאי להשתמש ב-Sensitive Data Protection

הנה כמה תרחישי שימוש נפוצים:

  • גילוי נתונים לא רשמיים במאגרי ענן ארגוניים: סריקה ופרופיל של נכסי נתונים ב-BigQuery,‏ Cloud SQL ו-Cloud Storage באופן רציף כדי לאתר מידע אישי רגיש שלא נכללים בקטלוג ולהעריך את מצב האבטחה הארגוני.
  • מניעת חשיפה של נתונים רגישים באפליקציות בזמן אמת: בדיקה ועריכה של טוקנים רגישים (כמו פרטים אישיים מזהים או פרטי כניסה) ממטענים של API להזרמת נתונים, מטפסים של משתמשים ומקלטות של הנחיות ל-LLM לפני אחסון הנתונים.
  • הסרת פרטי הזיהוי של קבוצות נתונים אנליטיות תוך שמירה על התועלת שלהן: שינוי מזהים ישירים ועקיפים באמצעות פסאודונימיזציה, שינוי תאריכים או bucketing, כדי שצוותי המחקר והבינה העסקית יוכלו לנתח נתונים בלי לחשוף פרטים אישיים מזהים (PII) בטקסט לא מוצפן.
  • אוטומציה של ביקורת התאימות ודיווח רגולטורי: זיהוי ומעקב אחרי מידע רפואי מוגן (PHI) ורשומות פיננסיות כדי לעמוד בדרישות התאימות של GDPR,‏ HIPAA ו-PCI DSS.
  • הזרמת ממצאי אבטחה לצינורות של תגובה לאירועים: שליחת התראות על ממצאים בסיכון גבוה אל Pub/Sub ו-Security Command Center כדי להפעיל תהליכי עבודה אוטומטיים של תיוג נתונים, ביטול גישה ותיקון בעיות אבטחה.

מיון מידע אישי רגיש

שירות הגילוי מאפשר ליצור פרופילים של הנתונים בארגון, בתיקייה או בפרויקט. פרופילי נתונים מכילים מדדים ומטא-נתונים על נכסי הנתונים שלכם, ועוזרים לכם לקבוע איפה נמצאים נתונים רגישים ונתונים בסיכון גבוה. ‫Sensitive Data Protection מדווח על המדדים האלה ברמות שונות של פירוט. מידע על סוגי הנתונים שאפשר ליצור להם פרופיל זמין במאמר בנושא משאבים נתמכים.

אתם משתמשים בהגדרת סריקה כדי לציין את המשאב שצריך לסרוק, את סוגי המידע (infoTypes) שצריך לחפש, את תדירות יצירת הפרופיל ואת הפעולות שצריך לבצע בסיום יצירת הפרופיל.

מידע נוסף על שירות הגילוי זמין במאמר סקירה כללית על פרופילי נתונים.

בדיקה של מידע אישי רגיש

שירות הבדיקה מאפשר לכם לבצע סריקה מעמיקה של משאב ספציפי כדי למצוא מקרים של מידע אישי רגיש. מציינים את סוג המידע שרוצים לחפש, ושירות הבדיקה יוצר דוח על כל מופע של נתונים שתואם לסוג המידע הזה. לדוגמה, הדוח מראה כמה מספרי כרטיסי אשראי יש בקטגוריה של Cloud Storage, ואת המיקום המדויק של כל מופע.

יש שתי דרכים לבצע בדיקה:

  • יוצרים עבודת בדיקה או עבודה היברידית דרך Google Cloud המסוף או דרך Cloud Data Loss Prevention API של Sensitive Data Protection (DLP API).
  • שולחים בקשת content.inspect ל-DLP API.

בדיקה דרך משרה

אפשר להגדיר משימות בדיקה ומשימות היברידיות דרך Google Cloud המסוף או דרך Cloud Data Loss Prevention API. התוצאות של בדיקות ומשימות היברידיות מאוחסנות ב- Google Cloud.

אתם יכולים לציין פעולות שאתם רוצים שהכלי להגנה על מידע אישי רגיש יבצע כשהבדיקה או העבודה ההיברידית יסתיימו. לדוגמה, אפשר להגדיר עבודה לשמירת הממצאים בטבלה ב-BigQuery או לשליחת התראה ב-Pub/Sub.

משימות בדיקה

ל-Sensitive Data Protection יש תמיכה מובנית במוצריGoogle Cloud נבחרים. אפשר לבדוק טבלה ב-BigQuery, קטגוריה של Cloud Storage או תיקייה, וסוג של Datastore. מידע נוסף זמין במאמר בנושא בדיקת נתונים רגישים באחסון ובמסדי נתונים Google Cloud .

עבודות היברידיות

משימה היברידית מאפשרת לסרוק מטענים ייעודיים (payloads) של נתונים שנשלחים מכל מקור, ואז לאחסן את ממצאי הבדיקה ב- Google Cloud. מידע נוסף זמין במאמר עבודות היברידיות והפעלת עבודות.

בדיקה באמצעות בקשה של content.inspect

השיטה content.inspect ב-DLP API מאפשרת לשלוח נתונים ישירות ל-DLP API לצורך בדיקה. התשובה מכילה את הממצאים של הבדיקה. משתמשים בגישה הזו אם נדרשת פעולה סינכרונית או אם לא רוצים לאחסן את הממצאים ב- Google Cloud.

הסרת פרטי הזיהוי ממידע אישי רגיש

שירות הסרת הפרטים המזהים מאפשר לכם להסתיר מקרים של מידע אישי רגיש. יש מגוון שיטות טרנספורמציה, כולל התממת מידע, עריכה, חלוקה לקטגוריות, הזזת תאריכים ושימוש באסימונים.

יש שתי דרכים לבצע הסרת פרטים מזהים:

ניתוח סיכונים

שירות ניתוח הסיכונים מאפשר לנתח נתונים מובנים ב-BigQuery כדי לזהות ולהמחיש את הסיכון לחשיפת מידע אישי רגיש (זיהוי מחדש).

אפשר להשתמש בשיטות לניתוח סיכונים לפני הסרת הפרטים המזהים כדי לקבוע אסטרטגיה יעילה להסרת פרטים מזהים, או אחרי הסרת הפרטים המזהים כדי לעקוב אחרי שינויים או חריגות.

כדי לבצע ניתוח סיכונים, צריך ליצור משימת ניתוח סיכונים. מידע נוסף זמין במאמר ניתוח הסיכון לזיהוי מחדש.

Cloud Data Loss Prevention API

באמצעות Cloud Data Loss Prevention API אפשר להשתמש בשירותי Sensitive Data Protection באופן פרוגרמטי. באמצעות DLP API, אפשר לבדוק נתונים מתוך הענן ומחוצה לו Google Cloud ולבנות עומסי עבודה בהתאמה אישית בענן או מחוצה לו. מידע נוסף מופיע במאמר סוגים של שיטות שירות.

פעולות אסינכרוניות

אם רוצים לבדוק או לנתח נתונים במצב מנוחה באופן אסינכרוני, אפשר להשתמש ב-DLP API כדי ליצור DlpJob. יצירת DlpJob שקולה ליצירת משימת בדיקה, משימה היברידית או משימת ניתוח סיכונים דרך מסוף Google Cloud . התוצאות של DlpJob נשמרות ב Google Cloud.

פעולות סינכרוניות

אם רוצים לבדוק, להסיר פרטים מזהים או לזהות מחדש נתונים באופן סינכרוני, צריך להשתמש בשיטות contentinline של DLP API. כדי להסיר פרטי זיהוי מנתונים בתמונות, אפשר להשתמש ב-method‏ image.redact. אתם שולחים את הנתונים בבקשת API, ו-DLP API מגיב עם תוצאות הבדיקה, הסרת פרטי הזיהוי או החזרת פרטי הזיהוי. התוצאות של שיטות content ושיטת image.redact לא נשמרות ב- Google Cloud.

תמחור

מידע על העלויות שקשורות לשימוש ב-Sensitive Data Protection זמין במאמר בנושא תמחור של Sensitive Data Protection.

המאמרים הבאים