Zum Hauptinhalt springen
Technologiebereiche
close
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
close
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
Übersicht
Leitfäden
Referenzen
Beispiele
Ressourcen
Produktübergreifende Tools
Mehr
Console
Erste Schritte
Produktübersicht
Strategie für das Risikomanagement für Daten planen
Bedarf an Risikomanagement für Daten ermitteln
Daten durch Erkennung und Überprüfung analysieren
Empfohlene Strategien zur Minimierung von Datenrisiken
Versionshinweise
Preise
Standorte
Globale und regionale Endpunkte für den Schutz sensibler Daten
Sensitive Data Protection-Standorte
Verarbeitungsstandort angeben
Dienstmethodentypen
Unterstützte Dateitypen und Scanmodi
Los gehts
Kurzanleitungen
Text mit dem Befehlszeilentool prüfen
Text mit einer JSON-Anfrage prüfen
Inspektionsscan planen
Inspektionsvorlagen erstellen
Sensiblen Text de-identifizieren und re-identifizieren
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
Erkennungsaktionen aktivieren
Datenprofile an Security Command Center senden
Pub/Sub-Nachrichten zu Datenprofilen empfangen und parsen
Tabellen in Data Catalog anhand von Informationen aus Datenprofilen taggen
Knowledge Catalog-Aspekte basierend auf Statistiken aus Datenprofilen hinzufügen
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
In Google Cloud gespeicherte Daten prüfen
Daten aus beliebigen Quellen prüfen
Unstrukturierten Text synchron prüfen
Strukturierten Text synchron prüfen
Bild synchron prüfen
Asynchrone Prüfung – Übersicht
Daten aus beliebigen Quellen asynchron prüfen
Sensible Daten in den Ergebnissen zitieren
Mit Prüfungsergebnissen arbeiten
Aktionen
Prüfungsergebnisse als Aspekte an Knowledge Catalog senden
Prüfergebnisse an Data Catalog senden
Prüfergebnisse an Security Command Center senden
Prüfungsergebnisse analysieren und Berichte erstellen
Prüfungsergebnisse in BigQuery abfragen
Als Protobuf-Text gespeicherte Ergebnisse parsen
Jobs und Job-Trigger
Übersicht über Jobs und Job-Trigger
Jobs und Job-Trigger erstellen und verwalten
Webbasierte Demo-App für die Inspektion
Erkennung konfigurieren
Vorlagen
Vorlagen – Übersicht
Inspektionsvorlagen erstellen
infoTypes und infoType-Detektoren
Übersicht über infoTypes und infoType-Detektoren
Integrierte infoType-Detektoren
Eingebaute infoType-Detektoren auflisten
infoType-Detektorreferenz
Benutzerdefinierte infoType-Detektoren
Benutzerdefinierte infoType-Detektoren – Übersicht
Regulären benutzerdefinierten Wörterbuchdetektor erstellen
Großen benutzerdefinierten Wörterbuchdetektor erstellen
Benutzerdefinierten Regex-Detektor erstellen
Benutzerdefinierten Detektor für Metadatenlabels erstellen
Benutzerdefinierte infoType-Beispiele
infoTypes über die Google Cloud Console verwalten
infoType-Detektoren zum Verfeinern von Scanergebnissen anpassen
Übereinstimmungswahrscheinlichkeit
Übersicht über die Wahrscheinlichkeit
Übereinstimmungswahrscheinlichkeit anpassen
Daten maskieren und de-identifizieren
Übersicht
Transformationsmethoden
Transformationsreferenz
Textklassifizierung und -entfernung
Datumsverschiebung
Generalisierung und Bucketing
Pseudonymisierung
Identifizierung von sensiblen Daten aufheben
In Google Cloud gespeicherte Daten de-identifizieren
Übersicht
Über die Cloud Console
Über die DLP API
Referenz für Transformationsdetails
Identifizierung von Daten aus beliebigen Quellen aufheben
Text- oder Tabelleninhalte de-identifizieren
Beispiele für das Entfernen von Text
Beispiele für die De-Identifikation von Tabellendaten
Bildprüfung und -entfernung
Sensible Daten aus Bildern entfernen
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
Übersicht über die Re-Identifikations-Risikoanalyse
Techniken zur Re-Identifikations-Risikoanalyse
k-Anonymität für ein Dataset berechnen
l-Diversität für ein Dataset berechnen
k-Map für ein Dataset berechnen
δ-Präsenz für ein Dataset berechnen
Numerische und kategorische Statistiken berechnen
Risiko der Re-Identifizierung mit Data Studio visualisieren
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
