Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
Identifizierung und Umgang mit personenbezogenen Daten (PII)
Wenn Sie Analysefunktionen oder Modelle für maschinelles Lernen entwickeln, benötigen Sie Sicherheitsvorkehrungen, um die Offenlegung personenbezogener Daten (PII) zu verhindern. PII sind personenbezogene Daten, die zur Identifizierung einer Person verwendet werden können, z. B. eine Adresse, Bankkontonummer oder Telefonnummer. Wenn Datenanalysten und Datenwissenschaftler beispielsweise Datensätze verwenden, um allgemeine demografische Informationen zu ermitteln, sollten sie keinen Zugriff auf die personenbezogenen Daten bestimmter Personen haben.
DataBrew bietet Mechanismen zur Datenmaskierung, um PII-Daten während der Datenaufbereitung zu verschleiern. Je nach den Anforderungen Ihres Unternehmens stehen verschiedene Mechanismen zur Schwärzung personenbezogener Daten zur Verfügung. Sie können die PII-Daten verschleiern, sodass Benutzer sie nicht rückgängig machen können, oder Sie können die Verschleierung rückgängig machen.
Um personenbezogene Daten zu identifizieren und zu maskieren, müssen Sie eine Reihe von Transformationen DataBrew erstellen, mit denen Kunden PII-Daten unkenntlich machen können. Teil dieses Prozesses ist die Bereitstellung von PII-Datenerkennung und Statistiken im Dashboard mit der Übersicht über das Datenprofil auf der Konsole. DataBrew
Sie können die folgenden Techniken zur Datenmaskierung verwenden:
Substitution — Ersetzen Sie PII-Daten durch andere authentisch aussehende Werte.
Mischen — Mischen Sie den Wert aus derselben Spalte in verschiedenen Zeilen.
Deterministische Verschlüsselung — Wenden Sie deterministische Verschlüsselungsalgorithmen auf die Spaltenwerte an. Deterministische Verschlüsselung erzeugt immer denselben Chiffretext für einen Wert.
Probabilistische Verschlüsselung — Wenden Sie probabilistische Verschlüsselungsalgorithmen auf die Spaltenwerte an. Probabilistische Verschlüsselung erzeugt bei jeder Anwendung einen anderen Chiffretext.
Entschlüsselung — Entschlüsseln Sie Spalten anhand von Verschlüsselungsschlüsseln.
Nullstellen oder Löschen — Ersetzen Sie ein bestimmtes Feld durch einen Nullwert oder löschen Sie die Spalte.
Ausblenden — Verwenden Sie Zeichenverschlüsselung oder maskieren Sie bestimmte Teile in den Spalten.
Hashing — Wenden Sie Hashfunktionen auf die Spaltenwerte an.
Weitere Informationen zur Verwendung von Transformationen finden Sie unter Rezeptschritte für personenbezogene Daten (PII). Weitere Informationen zur Verwendung von Profiljobs zur Erkennung personenbezogener Daten, einschließlich einer Liste der Entitätstypen, die erkannt werden können, finden Sie im EntityDetectorConfiguration Abschnitt zur Konfiguration personenbezogener Daten unter Programmgesteuertes Erstellen einer Profiljobkonfiguration.
