Bei der DLP-API authentifizieren | Sensitive Data Protection | Google Cloud Documentation

Zum Hauptinhalt springen

Technologiebereiche

KI und ML
Anwendungsentwicklung
Anwendungshosting
Compute
Datenanalyse und Pipelines
Datenbanken
Verteilt, Hybrid und Multi-Cloud
Branchenlösungen
Migration
Netzwerk
Beobachtbarkeit und Monitoring
Sicherheit
Storage

Produktübergreifende Tools

Zugriffs- und Ressourcenverwaltung
Kosten- und Nutzungsmanagement
Infrastruktur als Code
SDK, Sprachen, Frameworks und Tools

/

Console

English
Deutsch
Español
Español – América Latina
Français
Indonesia
Italiano
Português
Português – Brasil
עברית
中文 – 简体
中文 – 繁體
日本語
한국어

Anmelden

Sensitive Data Protection

Jetzt kostenlos testen

Übersicht Leitfäden Referenzen Beispiele Ressourcen

Technologiebereiche
- Mehr
Produktübergreifende Tools
- Mehr
Console

Erste Schritte
Produktübersicht
Strategie für das Risikomanagement für Daten planen
Versionshinweise
Preise
Standorte
Dienstmethodentypen
Unterstützte Dateitypen und Scanmodi
Los gehts
Kurzanleitungen
Google Cloud Skills Boost-Labs
Sensible Daten erkennen
Datenressourcen ermitteln und profilieren
- Übersicht über die Erkennung sensibler Daten
- Häufige Szenarien für die Aktivierung der Ermittlung
- Erkennung innerhalb von Dienstperimetern zulassen
- Datenprofil erstellen:
  - Einzelne Datenressource profilieren
  - BigQuery-Daten profilieren
    
    Kosten für die BigQuery-Datenprofilerstellung schätzen
    Kosten für das Erstellen von Profilen für BigQuery-Daten in einem Projekt schätzen
    Kosten für die Profilerstellung von BigQuery-Daten in einer Organisation oder einem Ordner schätzen
    BigQuery-Daten in einem Projekt profilieren
    BigQuery-Daten in einer Organisation oder einem Ordner profilieren
  - Cloud SQL-Daten profilieren
    Cloud SQL-Daten in einem Projekt profilieren
    Cloud SQL-Daten in einer Organisation oder einem Ordner profilieren
    Verbindungen verwalten
  - Cloud Storage-Daten profilieren
    Cloud Storage-Daten in einem Projekt profilieren
    Cloud Storage-Daten in einer Organisation oder einem Ordner profilieren
  - Vertex AI-Daten profilieren
    Auffinden sensibler Daten für Vertex AI-Daten
    Vertex AI-Daten in einem Projekt profilieren
    Vertex AI-Daten in einer Organisation oder einem Ordner profilieren
  - Amazon S3-Daten profilieren
    Erkennung sensibler Daten für Amazon S3-Daten
    Amazon S3-Daten profilieren
  - Azure Blob Storage-Daten profilieren
- Secrets in Umgebungsvariablen an Security Command Center melden
- Einem Dienst-Agent Zugriff auf die Datenprofilerstellung gewähren
- Datenprofile verwalten
- IAM-Zugriff auf Ressourcen basierend auf der Datenvertraulichkeit steuern
- Discovery-Statistiken an andere Dienste senden
- Datenprofile analysieren und visualisieren
  - Datenprofile im Discovery-Dashboard visualisieren
  - Datenprofile analysieren
- Ergebnisse aus dem Data Profiler korrigieren
- Scankonfigurationen verwalten
- Probleme mit dem Data Profiler beheben
- Referenz zu Messwerten
- Datenrisiko- und Vertraulichkeitsstufen
Auf sensible Daten prüfen
Erkennung konfigurieren
Vorlagen
- Vorlagen – Übersicht
- Inspektionsvorlagen erstellen
infoTypes und infoType-Detektoren
Übereinstimmungswahrscheinlichkeit
- Übersicht über die Wahrscheinlichkeit
- Übereinstimmungswahrscheinlichkeit anpassen
Daten maskieren und de-identifizieren
Übersicht
Transformationsmethoden
Identifizierung von sensiblen Daten aufheben
- In Google Cloud gespeicherte Daten de-identifizieren
- Identifizierung von Daten aus beliebigen Quellen aufheben
De-Identifikationsvorlagen erstellen
Zusammengefassten Schlüssel erstellen
BigQuery-Daten zum Zeitpunkt der Abfrage de-identifizieren
Personenidentifizierbare Informationen in umfangreichen Datasets de-identifizieren und re-identifizieren
Sensible Daten aus PDF-Dateien entfernen
Risiko der Re-Identifikation analysieren
Verbindung zu anderen Diensten herstellen
Schutz sensibler Daten mit BigQuery verwenden
Sensitive Data Protection mit Cloud Storage verwenden
- Sensitive Data Protection mit Cloud Storage verwenden
- Klassifizierung der in Cloud Storage hochgeladenen Daten automatisieren
Prüfergebnisse an Data Catalog senden
Prüfergebnisse an Security Command Center senden