GSP1281

Übersicht

Sensitive Data Protection ist ein vollständig verwalteter Dienst, mit dem Sie sensible Daten erkennen, klassifizieren und schützen können. Zu den wichtigsten Optionen gehören die Erkennung sensibler Daten, um kontinuierlich Profile für sensible Daten zu erstellen, die De-Identifikation sensibler Daten einschließlich ihrer Entfernung und die Cloud Data Loss Prevention (DLP) API, mit der Sie die Erkennung, Prüfung und De-Identifikation dieser Daten in benutzerdefinierte Arbeitslasten und Anwendungen einbinden können.

Angenommen, Sie haben Rohdaten in Cloud Storage, die sensible Daten enthalten. Sie möchten diese Daten identifizieren, schützen und entfernen, bevor die Dateien von Endnutzerinnen und -nutzern für Analysen oder zum Trainieren von Machine-Learning-Modellen verwendet werden. Sensitive Data Protection kann Ihnen dabei helfen.

In diesem Lab aktivieren Sie zuerst die Erkennung für die kontinuierliche Überwachung sensibler Daten in Cloud Storage. Auf der Grundlage der Erkennungsergebnisse erstellen und ändern Sie benutzerdefinierte, wiederverwendbare Vorlagen für die Prüfung und De-Identifikation (Entfernung sensibler Daten) von Cloud Storage-Dateien. Zuletzt verwenden Sie diese Vorlagen, um Jobs auszuführen, mit denen Sie bestimmte sensible Datentypen in Ihren Cloud Storage-Dateien genauer untersuchen und entfernen können.

Lerninhalte

Aufgaben in diesem Lab:

• Erkennung für die kontinuierliche Überwachung sensibler Daten in Cloud Storage-Dateien aktivieren
• Wiederverwendbare Vorlagen für Inspektions- und De-Identifikationsjobs erstellen und anpassen
• Erkennungsergebnisse ansehen und interpretieren
• Inspektions- und De-Identifikationsjobs mit aktivierter Option zum Schreiben von Jobergebnissen in BigQuery ausführen

Einrichtung und Anforderungen

Vor dem Klick auf „Start Lab“ (Lab starten)

Lesen Sie diese Anleitung. Labs sind zeitlich begrenzt und können nicht pausiert werden. Der Timer beginnt zu laufen, wenn Sie auf Lab starten klicken, und zeigt Ihnen, wie lange Google Cloud-Ressourcen für das Lab verfügbar sind.

In diesem praxisorientierten Lab können Sie die Lab-Aktivitäten in einer echten Cloud-Umgebung durchführen – nicht in einer Simulations- oder Demo-Umgebung. Dazu erhalten Sie neue, temporäre Anmeldedaten, mit denen Sie für die Dauer des Labs auf Google Cloud zugreifen können.

Für dieses Lab benötigen Sie Folgendes:

• Einen Standardbrowser (empfohlen wird Chrome)

Hinweis: Nutzen Sie den privaten oder Inkognitomodus (empfohlen), um dieses Lab durchzuführen. So wird verhindert, dass es zu Konflikten zwischen Ihrem persönlichen Konto und dem Teilnehmerkonto kommt und zusätzliche Gebühren für Ihr persönliches Konto erhoben werden.

• Zeit für die Durchführung des Labs – denken Sie daran, dass Sie ein begonnenes Lab nicht unterbrechen können.

Hinweis: Verwenden Sie für dieses Lab nur das Teilnehmerkonto. Wenn Sie ein anderes Google Cloud-Konto verwenden, fallen dafür möglicherweise Kosten an.

Lab starten und bei der Google Cloud Console anmelden

1. Klicken Sie auf Lab starten. Wenn Sie für das Lab bezahlen müssen, wird ein Dialogfeld geöffnet, in dem Sie Ihre Zahlungsmethode auswählen können. Auf der linken Seite befindet sich der Bereich „Details zum Lab“ mit diesen Informationen:

   • Schaltfläche „Google Cloud Console öffnen“
   • Restzeit
   • Temporäre Anmeldedaten für das Lab
   • Ggf. weitere Informationen für dieses Lab

2. Klicken Sie auf Google Cloud Console öffnen (oder klicken Sie mit der rechten Maustaste und wählen Sie Link in Inkognitofenster öffnen aus, wenn Sie Chrome verwenden).

   Im Lab werden Ressourcen aktiviert. Anschließend wird ein weiterer Tab mit der Seite „Anmelden“ geöffnet.

   Tipp: Ordnen Sie die Tabs nebeneinander in separaten Fenstern an.

   Hinweis: Wird das Dialogfeld Konto auswählen angezeigt, klicken Sie auf Anderes Konto verwenden.

3. Kopieren Sie bei Bedarf den folgenden Nutzernamen und fügen Sie ihn in das Dialogfeld Anmelden ein.

   {{{user_0.username | "Username"}}}

   Sie finden den Nutzernamen auch im Bereich „Details zum Lab“.

4. Klicken Sie auf Weiter.

5. Kopieren Sie das folgende Passwort und fügen Sie es in das Dialogfeld Willkommen ein.

   {{{user_0.password | "Password"}}}

   Sie finden das Passwort auch im Bereich „Details zum Lab“.

6. Klicken Sie auf Weiter.

   Wichtig: Sie müssen die für das Lab bereitgestellten Anmeldedaten verwenden. Nutzen Sie nicht die Anmeldedaten Ihres Google Cloud-Kontos. Hinweis: Wenn Sie Ihr eigenes Google Cloud-Konto für dieses Lab nutzen, können zusätzliche Kosten anfallen.

7. Klicken Sie sich durch die nachfolgenden Seiten:

   • Akzeptieren Sie die Nutzungsbedingungen.
   • Fügen Sie keine Wiederherstellungsoptionen oder Zwei-Faktor-Authentifizierung hinzu (da dies nur ein temporäres Konto ist).
   • Melden Sie sich nicht für kostenlose Testversionen an.

Nach wenigen Augenblicken wird die Google Cloud Console in diesem Tab geöffnet.

Hinweis: Wenn Sie auf Google Cloud-Produkte und ‑Dienste zugreifen möchten, klicken Sie auf das Navigationsmenü oder geben Sie den Namen des Produkts oder Dienstes in das Feld Suchen ein.

Aufgabe 1: Erkennung für die kontinuierliche Überwachung von Cloud Storage aktivieren

Mit dem Erkennungsdienst von Sensitive Data Protection können Sie ermitteln, wo sich sensible und risikoreiche Daten in Ihrer Organisation befinden. Wenn Sie eine Konfiguration für einen Erkennungsscan erstellen, scannt Sensitive Data Protection die von Ihnen ausgewählten Ressourcen und generiert Datenprofile. Diese enthalten Informationen zu den erkannten infoTypes (Arten von sensiblen Daten) sowie Metadaten zum Datenrisiko und zur Vertraulichkeitsstufe.

In dieser Aufgabe erstellen Sie einen Erkennungsscan, um automatisch für die Daten in allen Cloud Storage-Buckets im Projekt Profile zu erstellen. Da es einige Zeit dauern kann, bis die vollständigen Erkennungsergebnisse generiert wurden, erhalten Sie in im letzten Abschnitt dieser Aufgabe Hervorhebungen und Zusammenfassungen für die wichtigsten Ergebnisse.

Scankonfiguration erstellen und planen

1. Klicken Sie in der Google Cloud Console auf das Navigationsmenü () > Sicherheit.

2. Klicken Sie unter Datenschutz auf Sensitive Data Protection.

3. Klicken Sie auf den Tab Erkennung.

4. Klicken Sie unter Cloud Storage auf Aktivieren.

5. Lassen Sie unter Erkennungstyp auswählen die Option für Cloud Storage aktiviert und klicken Sie auf Weiter.

6. Lassen Sie unter Bereich auswählen die Option Ausgewähltes Projekt scannen aktiviert und klicken Sie auf Weiter.

7. Übernehmen Sie für Verwaltete Zeitpläne die Standardeinstellung und klicken Sie auf Weiter.

   In diesem Lab legen Sie fest, dass der Erkennungsscan sofort nach der Erstellung ausgeführt wird. Es gibt aber viele Möglichkeiten, Scans regelmäßig (zum Beispiel täglich oder wöchentlich) oder nach bestimmten Ereignissen (zum Beispiel bei Aktualisierung einer Inspektionsvorlage) auszuführen.

8. Lassen Sie unter Inspektionsvorlage auswählen die Option Neue Inspektionsvorlage erstellen aktiviert.

9. Übernehmen Sie alle anderen Standardeinstellungen und klicken Sie auf Weiter.

   Standardmäßig enthält die neue Inspektionsvorlage alle vorhandenen infoTypes.

   Beim Konfidenzgrenzwert ist die Mindestwahrscheinlichkeit standardmäßig auf Möglich eingestellt. Das bedeutet, dass Sie nur die Ergebnisse erhalten, die als Möglich, Wahrscheinlich oder Sehr wahrscheinlich bewertet wurden.

   In einer späteren Aufgabe ändern Sie diese Inspektionsvorlage, um andere Optionen für infoTypes und den Konfidenzgrenzwert zu testen.

10. Aktivieren Sie unter Aktionen hinzufügen die Option In Security Command Center veröffentlichen.

11. Aktivieren Sie unter Aktionen hinzufügen auch die Option Datenprofilkopien in BigQuery speichern und geben Sie das Dataset und die Tabelle an (für dieses Lab im Voraus erstellt), um die Ergebnisse in BigQuery zu speichern.

Attribut	Wert
Projekt-ID
Dataset-ID	cloudstorage_discovery
Tabellen-ID	data_profiles

12. Klicken Sie auf Weiter.

13. Lassen Sie für Speicherort für Konfiguration festlegen die Option für us (mehrere Regionen in den USA) aktiviert und klicken Sie auf Weiter.

14. Geben Sie einen Anzeigenamen für diese Konfiguration an: Cloud Storage-Erkennung.

15. Klicken Sie auf Erstellen und bestätigen Sie die Erstellung mit einem Klick auf Konfiguration erstellen.

Klicken Sie auf Fortschritt prüfen. Scankonfiguration erstellen und planen

Was die Erkennungsergebnisse über Ihre Daten aussagen

Hinweis: Nachdem der Konfigurationsscan gestartet wurde, kann es einige Zeit dauern, bis die vollständigen Ergebnisse verfügbar sind.

Die Bilder unten zeigen die wichtigsten Ergebnisse der Aktivierung der Erkennung für Cloud Storage in dieser Lab-Umgebung.

Für die in dieser Lab-Umgebung enthaltenen Cloud Storage-Daten wurde in den Ergebnissen das potenzielle Vorhandensein mehrerer InfoTypes gemeldet, darunter US-Sozialversicherungsnummern, was sehr sensible Daten sind.

Bild 1. Erkennung für Cloud Storage in der UI aktiviert

Für Cloud Storage wurden zwei Profile identifiziert: eines mit niedriger Vertraulichkeit (leerer Bucket zum Empfangen der Ausgabe von Jobs) und eines mit hoher Vertraulichkeit (Bucket mit Rohdaten).

Bild 2. Details zum Inventar sensibler Daten

In diesem Abschnitt der Ergebnisse wird der globale Standort der zwei Datenprofile angegeben. In diesem Beispiel befinden sich beide in der Region us-central1.

Bild 3. Cloud Storage-Profile mit infoTypes

Die Ergebnisse der Erkennung enthalten auch die wichtigsten in Cloud Storage identifizierten InfoTypes: US-Sozialversicherungsnummer, Geburtsdatum, E-Mail-Adresse, Name und andere.

Bild 4. Tab „Profile“ der Erkennungsergebnisse

Auf dem Tab Profile werden die Vertraulichkeits- und Risikostufen für jeden spezifischen Cloud Storage-Bucket-Namen angegeben: einen mit niedriger Vertraulichkeit (leerer Bucket für die Ausgabe von Jobs) und einen mit hoher Vertraulichkeit (Bucket mit Rohdaten, einschließlich US-Sozialversicherungsnummer).

Wählen Sie in dieser Lab-Umgebung als Standorttyp die Option Region > aus, um die Profile aufzurufen.

Aufgabe 2: Wiederverwendbare Vorlagen zum Prüfen von InfoTypes und Entfernen sensibler Daten erstellen und anpassen

Nachdem Sie nun wissen, dass in Ihren Cloud Storage-Dateien US-Sozialversicherungsnummern gefunden wurden, können Sie einen Plan erstellen, um diese sensiblen Daten zu entfernen, bevor die Dateien zum Trainieren von Machine-Learning-Modellen verwendet werden.

In dieser Aufgabe konfigurieren Sie zwei Vorlagen. Gehen Sie dabei so vor:

1. Passen Sie eine vorhandene Inspektionsvorlage an, um alle Instanzen von US-Sozialversicherungsnummern in Ihren Cloud Storage-Dateien zu finden.
2. Erstellen Sie eine De-Identifikationsvorlage, um US-Sozialversicherungsnummern aus Dateien mit strukturierten Daten (zum Beispiel Text- und CSV-Dateien) zu entfernen.

Später im Lab verwenden Sie diese Vorlagen, um die US-Sozialversicherungsnummern durch Ausführen von Inspektions- und De-Identifikationsjobs weiter zu prüfen und zu entfernen.

Vorhandene Inspektionsvorlage ändern

Als Sie die Erkennung für Cloud Storage aktiviert haben, wurde eine neue Inspektionsvorlage mit mehreren Standardwerten erstellt, darunter für infoTypes und den Konfidenzgrenzwert.

In diesem Abschnitt gehen wir davon aus, dass Sie sich die vollständigen Erkennungsergebnisse bereits angesehen haben und die Inspektionsvorlage nun so anpassen möchten, dass sie sich auf US-Sozialversicherungsnummern konzentriert.

1. Kehren Sie zur Übersichtsseite von Sensitive Data Protection zurück, indem Sie auf das Navigationsmenü () > Sicherheit > Sensitive Data Protection (unter Datenschutz) klicken.

2. Klicken Sie auf den Tab Konfiguration.

3. Suchen Sie auf dem Tab Vorlagen nach der Zeile für die durch die Erkennung generierte Vorlage (zum Beispiel Vorlagen-ID 7216194786087173213).

   Notieren Sie sich diese Vorlagen-ID für Aufgabe 4.

4. Klicken Sie für diese Vorlagen-ID unter Aktionen auf das Dreipunkt-Menü und wählen Sie Bearbeiten aus.

5. Ändern Sie den Anzeigenamen in Inspection Template for US SSN.

6. Ändern Sie die Beschreibung in This template was created as part of a Sensitive Data Protection profiler configuration and was modified for deeper inspection for US Social Security numbers..

7. Klicken Sie unter InfoTypes auf InfoTypes verwalten.

8. Aktivieren Sie das Kästchen für US_SOCIAL_SECURITY_NUMBER und heben Sie die Auswahl aller anderen Optionen auf.

   Sie können die Auswahl aller anderen Optionen ganz einfach aufheben, indem Sie zweimal auf Alle Zeilen auswählen (unter dem Filtersymbol) klicken.

9. Klicken Sie auf Fertig, um zur Inspektionsvorlage zurückzukehren.

10. Wählen Sie für Konfidenzgrenzwert („Mindestwahrscheinlichkeit“) die Option Unwahrscheinlich aus.

    Zusätzlich zu den Ergebnissen, die als Möglich, Wahrscheinlich und Sehr wahrscheinlich bewertet werden, enthalten die Ergebnisse jetzt auch Unwahrscheinlich, um eine weitere Überprüfung potenzieller Vorkommen von US-Sozialversicherungsnummern zu unterstützen.

11. Übernehmen Sie alle anderen Standardeinstellungen und klicken Sie auf Speichern.

12. Klicken Sie auf Speichern bestätigen.

De-Identifikationsvorlage für strukturierte Daten erstellen

1. Kehren Sie zur Übersichtsseite von Sensitive Data Protection zurück.

2. Klicken Sie auf den Tab Konfiguration.

3. Klicken Sie auf dem Tab Vorlagen auf Vorlage erstellen.

4. Geben Sie die folgenden Werte ein, um die De-Identifikationsvorlage zu erstellen:

Attribut	Wert
Vorlagentyp	De-identifizieren (sensible Daten entfernen)
Datentransformationstyp	Record
Vorlagen-ID	us_ssn_deidentify
Anzeigename	De-identification Template for US SSN
Standorttyp	Multi_region > global (Global)

5. Übernehmen Sie für alle anderen Einstellungen die Standardwerte und klicken Sie auf Weiter.

6. Fügen Sie unter De-identifikation konfigurieren > Transformationsregel die folgenden Feldnamen hinzu, indem Sie den Namen eingeben und dann die Eingabetaste drücken: ssn und email.

7. Wählen Sie als Transformationstyp die Option Transformation des einfachen Feldes aus.

8. Wählen Sie unter Transformationsmethode > Transformation die Option Ersetzen aus.

   Durch diese Option wird der Inhalt jeder Instanz für die Felder ersetzt, die Sie in Schritt 6 angegeben haben („ssn“ und „email“).

9. Wählen Sie unter Transformationsmethode > Typ ersetzen die Option String aus.

10. Übernehmen Sie für Transformationsmethode > Stringwert den Standardwert [redacted].

11. Klicken Sie auf + Transformationsregel hinzufügen, um eine zweite Regel hinzuzufügen.

12. Fügen Sie für diese zweiten Regel für Transformationsregel den Feldnamen message hinzu, indem Sie den Namen eingeben und dann die Eingabetaste drücken.

In dieser Lab-Umgebung gibt es in Cloud Storage CSV-Dateien, die eine Spalte (oder ein Feld) mit dem Namen message enthalten. Darin sind die Beispielchatnachrichten zwischen Kundinnen oder Kunden sowie Servicepersonal gespeichert.

13. Wählen Sie als Transformationstyp die Option Übereinstimmung mit infoType aus und klicken Sie auf Transformation hinzufügen.

14. Wählen Sie als Transformationsmethode die Option Durch infoType-Namen ersetzen aus.

15. Wählen Sie unter infoTypes für die Transformation die Option Alle erkannten InfoTypes, die in einer Inspektionsvorlage oder Inspektionskonfiguration definiert und nicht in anderen Regeln angegeben sind aus.

    Dadurch werden alle Dateien, die ein Feld mit dem Namen message enthalten, auf infoTypes geprüft und sensible Daten entfernt, wenn diese Vorlage zum Ausführen eines Jobs verwendet wird.

16. Klicken Sie auf Erstellen.

Klicken Sie auf Fortschritt prüfen. Vorhandene Inspektionsvorlage anpassen und De-Identifikationsvorlage für strukturierte Daten erstellen

Aufgabe 3: Erste Erkennungsergebnisse ansehen

Hinweis: Wie bereits erwähnt, kann es nach Beginn des Konfigurationsscans einige Zeit dauern, bis die vollständigen Ergebnisse verfügbar sind.

Es ist etwas Zeit vergangen, während Sie die Vorlagen erstellt haben. Jetzt sind im Looker-Dashboard, das durch den Erkennungsscan generiert wurde, einige Ergebnisse verfügbar.

In dieser Aufgabe sehen Sie sich die ersten Erkennungsergebnisse an, die in einem Looker-Dashboard bereitgestellt wurden. Die Daten stammen aus den Datenprofilinformationen, die in Aufgabe 1 in BigQuery gespeichert wurden.

Zusammenfassung der Ergebnisse im Looker-Dashboard ansehen

1. Kehren Sie zur Übersichtsseite von Sensitive Data Protection zurück.

2. Suchen Sie auf dem Tab Erkennung > Scankonfigurationen nach der Zeile Cloud Storage-Erkennung. Klicken Sie unter Looker Studio in der entsprechenden Zeile auf Looker.

3. Klicken Sie unter Autorisierung anfordern auf Autorisieren.

4. Wählen Sie im Dialogfeld Konto aus qwiklabs.net auswählen die Option aus.

5. Sehen Sie sich die Zusammenfassungsübersicht an.

   Es gibt Datenkacheln, auf denen wichtige Informationen wie Datenrisiko, Datenvertraulichkeit und Assettypen zusammengefasst sind.

6. Klicken Sie auf Erweiterte Analyse (Assetdetails).

7. Suchen Sie die Zeile mit dem infoType US_SOCIAL_SECURITY_NUMBER. Klicken Sie in der Spalte „Aktion“ auf Öffnen.

Detaillierte Ergebnisse in Sensitive Data Protection ansehen

1. Sehen Sie sich die geöffnete Seite Erkennung sensibler Daten: Details zum Dateispeicherprofil an.

   Beachten Sie, dass viele Details zu den gescannten Ressourcen angegeben werden, einschließlich IAM-Berechtigungen.

2. Klicken Sie auf den Pfeil neben Detaillierte IAM-Berechtigungen ansehen.

3. Klicken Sie zum Maximieren auf den Pfeil neben Storage-Administrator.

Sie sehen, dass ein anderes Nutzerkonto () als Cloud Storage-Administrator aufgeführt ist und daher vollen Zugriff auf die Daten hat.

Bleiben Sie auf dieser Seite und fahren Sie mit der nächsten Aufgabe fort.

Aufgabe 4: Inspektionsjob erstellen und ausführen

Bei Sensitive Data Protection besteht ein typischer Workflow nach einem Erkennungsscan darin, einen detaillierteren Inspektionsjob auszuführen, um bestimmte infoTypes genauer zu untersuchen.

In Aufgabe 2 haben Sie eine Inspektionsvorlage für eine detailliertere Prüfung von US-Sozialversicherungsnummern erstellt. In dieser Aufgabe verwenden Sie diese Vorlage, um den Inspektionsjob zu erstellen und auszuführen.

Inspektionsjob erstellen und ausführen

1. Kehren Sie zur Übersichtsseite von Sensitive Data Protection zurück.

2. Klicken Sie auf den Tab Prüfung und dann auf Job und Job-Trigger erstellen.

3. Geben Sie unter Eingabedaten auswählen die folgenden Werte an:

Attribut	Wert
Job-ID	us_ssn_inspection
Standorttyp	Multi_region > us (mehrere Regionen in den USA)
Speichertyp	Google Cloud Storage
Standorttyp	Eine einzelne Datei oder einen Ordnerpfad scannen
URL	gs://-input/ (darauf achten, am Ende der URL ein / hinzuzufügen)
Rekursiv scannen	Diese Option aktivieren (darauf achten, am Ende der obigen URL ein / hinzuzufügen, damit das möglich ist)
Probenahme	Wert auf 100 % erhöhen
Stichprobenmethode	Keine Stichproben
Dateien	Wählen Sie TEXT und CSV aus (heben Sie die Auswahl aller anderen Optionen auf) und klicken Sie auf OK.

4. Klicken Sie auf Weiter.

5. Fügen Sie unter Inspektionsvorlage > Vorlagenname den Pfad zur Inspektionsvorlage wie unten angegeben hinzu und ersetzen Sie TEMPLATE_ID durch die Vorlagen-ID der Inspektionsvorlage, die Sie in Aufgabe 2 geändert haben (zum Beispiel 7216194786087173213):

   projects//locations/global/inspectTemplates/TEMPLATE_ID

   Wenn Sie die Vorlagen-ID noch einmal aufrufen möchten, gehen Sie auf der Übersichtsseite von Sensitive Data Protection zum Tab Konfiguration.

Hinweis: Achten Sie darauf, dass der Pfad der Inspektionsvorlage keine Leerzeichen enthält, wenn Sie ihn dem Vorlagennamen hinzufügen.

6. Übernehmen Sie alle anderen Standardeinstellungen und klicken Sie auf Weiter.

7. Aktivieren Sie unter Aktionen hinzufügen die Option In BigQuery speichern sowie das Kästchen Kontext einschließen.

   Mit dieser Option kann der Job sowohl den Speicherort als auch den Inhalt der potenziell sensiblen Daten in BigQuery kopieren.

8. Geben Sie das Dataset und die Tabelle an (für dieses Lab im Voraus erstellt), um die Ergebnisse in BigQuery zu speichern:

Attribut	Wert
Projekt-ID
Dataset-ID	cloudstorage_inspection
Tabellen-ID	us_ssn

9. Aktivieren Sie unter Aktionen hinzufügen auch die Option In Security Command Center veröffentlichen.

10. Klicken Sie auf Weiter.

11. Lassen Sie die Standardeinstellung für Zeitplan auf Keine Konfiguration (der Job wird sofort nach Erstellung ausgeführt), um den Job sofort auszuführen, und klicken Sie auf Weiter.

Ähnlich wie bei Erkennungsscans können Sie festlegen, dass Inspektionsjobs nach einem bestimmten Zeitplan ausgeführt werden. In diesem Fall führen Sie den Job sofort nach seiner Erstellung aus.

12. Klicken Sie auf Erstellen und bestätigen Sie die Erstellung mit einem Klick auf Erstellung bestätigen.

Bleiben Sie auf dieser Seite und warten Sie, bis der Job abgeschlossen ist.

Wenn der Job den Status Fertig hat, fahren Sie mit dem nächsten Abschnitt fort.

Ergebnisse des Inspektionsjobs in BigQuery ansehen

Im vorherigen Abschnitt haben Sie die Inspektionsergebnisse in der BigQuery-Tabelle us_ssn gespeichert. Mit einem Klick unten können Sie direkt zu BigQuery weitergehen, um sich die Ergebnisse anzusehen.

1. Klicken Sie auf Ergebnisse in BigQuery abrufen.

2. Klicken Sie in BigQuery auf Vorschau, um den Inhalt der Tabelle zu sehen.

   Beachten Sie die Spalte quote. Sie enthält eine Kopie des genauen Werts, der vom Inspektionsjob zur weiteren Überprüfung gekennzeichnet wurde. Sie können auch in der Tabelle nach rechts scrollen und sich die Spalte container name ansehen, um den Namen der Datei zu sehen, die den zitierten Wert enthält.

Klicken Sie auf Fortschritt prüfen. Inspektionsjob erstellen und ausführen

Aufgabe 5: De-Identifikationsjob erstellen und ausführen

Mit Sensitive Data Protection können Sie das Risiko für sensible Daten in Cloud Storage mindern, indem Sie einen De-Identifikationsjob ausführen, durch Kopien von Cloud Storage-Dateien erstellt werden, in denen die sensiblen Daten entfernt wurden. Diese neuen Kopien können anstelle der Originalversionen, die die sensiblen Daten enthalten, für nachgelagerte Workflows freigegeben werden.

In dieser Aufgabe erstellen und führen Sie einen De-Identifikationsjob mit der De-Identifikationsvorlage aus, die Sie in Aufgabe 2 erstellt haben.

1. Kehren Sie zur Übersichtsseite von Sensitive Data Protection zurück.

2. Klicken Sie auf den Tab Prüfung und dann auf Job und Job-Trigger erstellen.

3. Geben Sie unter Eingabedaten auswählen die folgenden Werte an:

Attribut	Wert
Job-ID	us_ssn_deidentify
Standorttyp	Multi_region > us (mehrere Regionen in den USA)
Speichertyp	Google Cloud Storage
Standorttyp	Einen Bucket mit optionalen Ein- oder Ausschlussregeln scannen
Bucket-Name	-input
Probenahme	Wert auf 100 % erhöhen
Stichprobenmethode	Keine Stichproben
Dateien	Wählen Sie TEXT und CSV aus (heben Sie die Auswahl aller anderen Optionen auf) und klicken Sie auf OK.

Hinweis: Der Bucket-Name darf keine Leerzeichen enthalten.

4. Klicken Sie unter Pfade ausschließen auf RegEx für auszuschließende Dateimuster hinzufügen. Geben Sie für Pfade ausschließen Folgendes ein: ignore.

Der Wert Pfade ausschließen 1 lautet jetzt:

gs://-input/ignore

Mit dieser Option können Sie den De-Identifikationsjob anweisen, Dateien im Unterverzeichnis ignore zu ignorieren.

5. Übernehmen Sie für alle anderen Einstellungen die Standardwerte und klicken Sie auf Weiter.

Sie fügen keinen Wert für die Inspektionsvorlage hinzu. In einem der nächsten Schritte definieren Sie stattdessen den Wert für die De-Identifikationsvorlage.

6. Übernehmen Sie unter Erkennung konfigurieren alle Standardeinstellungen und klicken Sie auf Weiter.

7. Scrollen Sie unter Aktionen hinzufügen nach unten und aktivieren Sie De-identifizierte Kopie erstellen.

8. Geben Sie unter Strukturierte De-Identifikationsvorlage die De-Identifikationsvorlage ein, die Sie zuvor für strukturierte Dateien (zum Beispiel CSV- und Textdateien) erstellt haben:

   projects//locations/global/deidentifyTemplates/us_ssn_deidentify

Hinweis: Achten Sie darauf, dass die Pfade der De-Identifikationsvorlage keine Leerzeichen enthalten.

9. Aktivieren Sie Details zur Transformation nach BigQuery exportieren und geben Sie das Dataset und die Tabelle an (für dieses Lab im Voraus erstellt), um die Ergebnisse in BigQuery zu speichern.

Attribut	Wert
Projekt-ID
Dataset-ID	cloudstorage_transformations
Tabellen-ID	deidentify_ssn_csv

10. Geben Sie für den Cloud Storage-Ausgabespeicherort Folgendes an:

gs://-output

Dieser Wert weist den Job an, die Ausgabe ohne sensible Daten in den zweiten Bucket zu schreiben, der in diesem Lab im Voraus für Ausgabedateien erstellt wurde.

11. Wählen Sie unter Dateien die Optionen TEXT und CSV aus (heben Sie die Auswahl aller anderen Optionen auf) und klicken Sie auf OK.

12. Klicken Sie auf Weiter.

13. Übernehmen Sie für Zeitplan die Standardeinstellung –, um den Job sofort auszuführen, und klicken Sie auf Weiter.

Ähnlich wie bei Inspektionsjobs können Sie auch für De-Identifikationsjobs einen regelmäßigen Zeitplan (zum Beispiel wöchentlich) festlegen.

14. Klicken Sie auf Erstellen und bestätigen Sie die Erstellung mit einem Klick auf Erstellung bestätigen.

Bleiben Sie auf dieser Seite und warten Sie, bis der Job abgeschlossen ist.

Wenn der Job den Status Fertig hat, lassen Sie diesen Browsertab geöffnet und fahren Sie mit dem nächsten Abschnitt fort.

Transformationsdetails zur De-Identifikation in BigQuery ansehen

Im vorherigen Abschnitt haben Sie die Option ausgewählt, die Details der De-Identifikation in der BigQuery-Tabelle deidentify_ssn_csv zu speichern. In diesem Abschnitt rufen Sie BigQuery auf, um sich die Transformationsdetails anzusehen.

1. Klicken Sie in der Google Cloud Console auf das Navigationsmenü () > BigQuery.

2. Maximieren Sie im Bereich Explorer die Option  > cloudstorage_transformations und klicken Sie auf die Tabelle deidentify_ssn_csv.

3. Klicken Sie auf Vorschau, um die Ergebnisse zu sehen.

   Beachten Sie die Spalten container_name und transformation.type. Sie enthalten Details zu den Dateien, die mithilfe bestimmter Transformationsregeln de-identifiziert wurden.

De-identifizierte Ausgabe ansehen

1. Kehren Sie zur Seite mit den Ergebnissen des Inspektionsjobs zurück und klicken Sie auf Konfiguration.

2. Scrollen Sie nach unten zu Aktionen > Ausgabe-Bucket für de-identifizierte Cloud Storage-Daten.

3. Klicken Sie auf den Bucket-Link (gs://-output), um zum Cloud Storage-Bucket zu gelangen und sich die de-identifizierten Dateien anzusehen.

Klicken Sie auf Fortschritt prüfen. De-Identifikationsjob erstellen und ausführen

Das wars! Sie haben das Lab erfolgreich abgeschlossen.

In diesem Lab haben Sie die Erkennung für die kontinuierliche Überwachung sensibler Daten in Cloud Storage-Dateien aktiviert. Außerdem haben Sie wiederverwendbare Vorlagen für die Prüfung und De-Identifikation erstellt und geändert und Inspektions- und De-Identifikationsjobs mit der aktivierten Option ausgeführt, die Jobergebnisse zur weiteren Untersuchung in BigQuery zu schreiben.

Weitere Informationen

In den folgenden Ressourcen finden Sie weitere Informationen zu Sensitive Data Protection für Cloud Storage:

• Sensitive Data Protection mit Cloud Storage verwenden
• Klassifizierung der in Cloud Storage hochgeladenen Daten automatisieren

Google Cloud-Schulungen und -Zertifizierungen

In unseren Schulungen erfahren Sie alles zum optimalen Einsatz unserer Google Cloud-Technologien und können sich entsprechend zertifizieren lassen. Unsere Kurse vermitteln technische Fähigkeiten und Best Practices, damit Sie möglichst schnell mit Google Cloud loslegen und Ihr Wissen fortlaufend erweitern können. Wir bieten On-Demand-, Präsenz- und virtuelle Schulungen für Anfänger wie Fortgeschrittene an, die Sie individuell in Ihrem eigenen Zeitplan absolvieren können. Mit unseren Zertifizierungen weisen Sie nach, dass Sie Experte im Bereich Google Cloud-Technologien sind.

Anleitung zuletzt am 15. September 2025 aktualisiert

Lab zuletzt am 15. September 2025 getestet

© 2025 Google LLC. Alle Rechte vorbehalten. Google und das Google-Logo sind Marken von Google LLC. Alle anderen Unternehmens- und Produktnamen können Marken der jeweils mit ihnen verbundenen Unternehmen sein.