Esta página contiene referencias a páginas que proporcionan información sobre cómo usar Protección de Datos Sensibles con BigQuery.
Guías de inicio rápido
- Guía de inicio rápido: programar un análisis de inspección de Protección de Datos Sensibles
- Programar inspecciones periódicas de un segmento de Cloud Storage, una tabla de BigQuery o un tipo de Datastore. Para obtener instrucciones detalladas, consulta el artículo Crear y programar tareas de inspección de protección de datos sensibles.
Guías prácticas
En esta sección se ofrece una lista categorizada de guías basadas en tareas que muestran cómo usar Protección de Datos Sensibles con BigQuery.
Inspección
- Buscar datos sensibles en el almacenamiento y las bases de datos
- Crea una tarea única que busque datos sensibles en un segmento de Cloud Storage, una tabla de BigQuery o un tipo de Datastore.
- Crear y programar tareas de inspección de Protección de Datos Sensibles
- Crea y programa un activador de tareas que busque datos sensibles en un segmento de Cloud Storage, una tabla de BigQuery o un tipo de Datastore. Un activador de tareas automatiza la creación de tareas de Protección de Datos Sensibles de forma periódica.
Trabajar con resultados de análisis
- Enviar los resultados de análisis de Protección de Datos Sensibles a Data Catalog
- Analiza una tabla de BigQuery y, a continuación, envía los resultados a Data Catalog para crear automáticamente etiquetas basadas en los resultados de Protección de Datos Sensibles.
- Enviar los resultados de análisis de Protección de Datos Sensibles a Security Command Center
- Analiza un segmento de Cloud Storage, una tabla de BigQuery o un tipo de Datastore y, a continuación, envía los resultados a Security Command Center.
- Analizar y crear informes sobre los resultados de Protección de Datos Sensibles
- Usa BigQuery para analizar los resultados de Sensitive Data Protection.
- Consultar resultados de Protección de Datos Sensibles en BigQuery
- Consulta las consultas de ejemplo que puedes usar en BigQuery para analizar los resultados que ha identificado Protección de Datos Sensibles.
Análisis de riesgo de reidentificación
- Medir la reidentificación y el riesgo de divulgación
Analiza los datos estructurados almacenados en una tabla de BigQuery y calcula las siguientes métricas de riesgo de reidentificación:
- Calcular estadísticas numéricas y categóricas
Determina los valores mínimo, máximo y de cuantiles de una columna de BigQuery.
- Visualizar el riesgo de reidentificación con Looker Studio
Mide el k-anonimato de un conjunto de datos y, a continuación, visualízalo en Looker Studio.
Tutoriales
- Desidentificar los datos de BigQuery en el momento de la consulta
- Sigue un tutorial paso a paso que usa funciones remotas de BigQuery para desidentificar y volver a identificar datos en resultados de consultas en tiempo real.
- Desidentificar y reidentificar la IPI de conjuntos de datos a gran escala con Protección de Datos Sensibles
- Consulta una arquitectura de referencia para crear un flujo de procesamiento de transformación de datos automatizado que desidentifique datos sensibles, como la información personal identificable (IPI).
Prácticas recomendadas
- Proteger un almacén de datos de BigQuery que almacena datos confidenciales
- Descripción general de la arquitectura y prácticas recomendadas para el gobierno de datos al crear, implementar y operar un almacén de datos en Google Cloud, incluidos la anonimización de datos, la gestión diferencial de datos confidenciales y los controles de acceso a nivel de columna.
Contribuciones de la comunidad
Los siguientes recursos son propiedad de miembros de la comunidad y están gestionados por ellos, no por el equipo de Protección de Datos Sensibles. Si tienes alguna pregunta sobre estos elementos, ponte en contacto con sus respectivos propietarios.
- Crear etiquetas de Data Catalog inspeccionando datos de BigQuery con Protección de Datos Sensibles
- Inspecciona los datos de BigQuery con la API Cloud Data Loss Prevention y, a continuación, usa la API Data Catalog para crear etiquetas a nivel de columna según los elementos sensibles que haya encontrado Protección de Datos Sensibles.
- Arquitectura de programación sin servidor basada en eventos con Protección de Datos Sensibles
- Configura una aplicación de programación sin servidor basada en eventos que use la API Cloud Data Loss Prevention para inspeccionar datos de BigQuery.
- Detección de anomalías en tiempo real con Google Cloud analíticas de streaming y servicios de IA
- Descubre un patrón de inteligencia artificial (IA) en tiempo real para detectar anomalías en archivos de registro. Esta prueba de concepto usa Pub/Sub, Dataflow, BigQuery ML y Protección de Datos Sensibles.
- Importar bases de datos relacionales a BigQuery con Dataflow y Protección de Datos Sensibles
- Usa Dataflow y Protección de Datos Sensibles para tokenizar e importar datos de una base de datos relacional a BigQuery de forma segura. En este ejemplo se describe cómo tokenizar datos de IIP antes de que se hagan persistentes.
Precios
Cuando inspeccionas una tabla de BigQuery, se te aplican costes de Protección de Datos Sensibles, según los precios de tareas de inspección de almacenamiento.
Además, cuando guardas los resultados de la inspección en una tabla de BigQuery, se aplican cargos de BigQuery.