Quay lại bộ đề
Question #212 Topic 1
You are preparing an organization-wide dataset. You need to preprocess customer data stored in a restricted bucket in Cloud Storage. The data will be used to create consumer analyses. You need to comply with data privacy requirements.
What should you do?
Tổ chức của bạn đang sử dụng các đường ống Cloud Dataflow để nạp dữ liệu dạng luồng (stream data) vào BigQuery. Một trong các cột trong schema của BigQuery có tên là raw_logs và chứa các cột nhạy cảm. Bạn được yêu cầu che (mask) các cột nhạy cảm từ raw_logs trước khi chèn dữ liệu vào BigQuery. Bạn nên làm gì?
A
Use Dataflow and the Cloud Data Loss Prevention API to mask sensitive data. Write the processed data in BigQuery.
Sử dụng các chính sách che dữ liệu (masking policies) của BigQuery để che cột raw_logs.
B
Use customer-managed encryption keys (CMEK) to directly encrypt the data in Cloud Storage. Use federated queries from BigQuery. Share the encryption key by following the principle of least privilege.
Viết một Cloud Function để che dữ liệu trong raw_logs, và gọi Cloud Function này từ đường ống Cloud Dataflow.
C
Use the Cloud Data Loss Prevention API and Dataflow to detect and remove sensitive fields from the data in Cloud Storage. Write the filtered data in BigQuery.
Viết một Hàm tự định nghĩa (UDF) trong BigQuery để che dữ liệu trong raw_logs.
D
Use Dataflow and Cloud KMS to encrypt sensitive fields and write the encrypted data in BigQuery. Share the encryption key by following the principle of least privilege.
Tích hợp Cloud Data Loss Prevention (Cloud DLP) API trong đường ống Cloud Dataflow để che cột raw_logs.
Giải thích & Tài liệu tham khảo
Để bảo vệ các dữ liệu nhạy cảm (như thông tin cá nhân PII) trước khi chèn vào BigQuery từ luồng dữ liệu stream truyền vào bằng Cloud Dataflow:
- Việc tích hợp trực tiếp Cloud Data Loss Prevention (Cloud DLP) API (hiện nay là Sensitive Data Protection) vào ngay trong đường ống Cloud Dataflow (Lựa chọn D) giúp phát hiện và che (de-identify/mask) các dữ liệu nhạy cảm này tại nguồn trước khi ghi vào BigQuery. Điều này giúp ngăn chặn dữ liệu nhạy cảm chưa được che xuất hiện trong BigQuery.
- Các giải pháp khác như sử dụng BigQuery masking policies (Lựa chọn A) hoặc UDF (Lựa chọn C) đều xử lý sau khi dữ liệu đã đi vào hoặc trong quá trình truy vấn BigQuery, hoặc đòi hỏi quyền truy cập sâu vào dữ liệu thô.
- Sử dụng Cloud Function (Lựa chọn B) sẽ làm giảm hiệu năng hệ thống đáng kể đối với dữ liệu truyền phát với lưu lượng lớn (stream data) do phải thực hiện các cuộc gọi API qua lại bên ngoài.
(Đáp án được gợi ý bởi AI)