기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.
개인 식별 정보(PII) 식별 및 처리
분석 함수 또는 기계 학습 모델을 구축할 때는 개인 식별 정보(PII) 데이터의 노출을 방지하기 위한 보호 장치가 필요합니다. PII는 주소, 은행 계좌 번호 또는 전화번호와 같이 개인을 식별하는 데 사용할 수 있는 개인 데이터입니다. 예를 들어 데이터 분석가와 데이터 과학자가 데이터 세트를 사용하여 일반적인 인구 통계 정보를 검색하는 경우 특정 개인의 PII에 액세스할 수 없어야 합니다.
DataBrew는 데이터 준비 프로세스 중에 PII 데이터를 난독화하는 데이터 마스킹 메커니즘을 제공합니다. 조직의 요구 사항에 따라 다양한 PII 데이터 수정 메커니즘을 사용할 수 있습니다. 사용자가 되돌릴 수 없도록 PII 데이터를 난독화하거나 난독화를 되돌릴 수 있습니다.
DataBrew에서 PII 데이터를 식별하고 마스킹하려면 고객이 PII 데이터를 수정하는 데 사용할 수 있는 변환 세트를 구축해야 합니다. 이 프로세스의 일부로 DataBrew 콘솔의 Data Profile 개요 대시보드에서 PII 데이터 감지 및 통계를 제공합니다.
다음과 같은 데이터 마스킹 기법을 사용할 수 있습니다.
대체 - PII 데이터를 다른 실제처럼 보이는 값으로 바꿉니다.
셔플링 - 동일한 열의 값을 서로 다른 행으로 셔플링합니다.
결정적 암호화 - 열 값에 결정적 암호화 알고리즘을 적용합니다. 결정적 암호화는 항상 값에 대해 동일한 사이퍼텍스트를 생성합니다.
확률적 암호화 - 열 값에 확률적 암호화 알고리즘을 적용합니다. 확률적 암호화는 적용될 때마다 다른 사이퍼텍스트를 생성합니다.
복호화 - 암호화 키를 기반으로 열을 복호화합니다.
Nulling out 또는 delete - 특정 필드를 null 값으로 바꾸거나 열을 삭제합니다.
마스킹 아웃 - 캐릭터 스크램블링을 사용하거나 열의 특정 부분을 마스킹합니다.
해싱 - 열 값에 해시 함수를 적용합니다.
변환 사용에 대한 자세한 내용은 개인 식별 정보(PII) 레시피 단계를 참조하세요. 탐지할 수 있는 엔터티 유형 목록을 포함하여 프로필 작업을 사용하여 PII를 탐지하는 방법에 대한 자세한 내용은 프로그래밍 방식으로 프로필 작업 구성 구축의 PII 구성에 대한 EntityDetectorConfiguration 섹션을 참조하세요.
