നെറ്റ്വർക്ക് പാക്കറ്റ് ബ്രോക്കറിൽ ഡാറ്റ മാസ്കിംഗ് സാങ്കേതികവിദ്യയും പരിഹാരവും എന്താണ്?

1. ഡാറ്റാ മാസ്കിംഗ് എന്ന ആശയം

ഡാറ്റാ മാസ്കിംഗ് എന്നും ഡാറ്റ മാസ്കിംഗ് അറിയപ്പെടുന്നു. മാസ്കിംഗ് നിയമങ്ങളും നയങ്ങളും നൽകുമ്പോൾ, സെൻസിറ്റീവ് ഡാറ്റ, പരിഷ്ക്കരിക്കുക അല്ലെങ്കിൽ പരിവർത്തനം ചെയ്യുക എന്നിവ പരിവർത്തനം ചെയ്യുന്നതിനോ പരിഷ്ക്കരിക്കുന്നതിനോ പരിഷ്ക്കരിക്കുന്നതിനോ ഉള്ള ഒരു സാങ്കേതിക രീതിയാണിത്. വിശ്വസനീയമല്ലാത്ത അന്തരീക്ഷത്തിൽ നേരിട്ട് ഉപയോഗിക്കുന്നതിൽ നിന്ന് പ്രധാനമായും ഉപയോഗിക്കുന്നത് തടയാൻ ഈ രീതി പ്രാഥമികമാണ്.

ഡാറ്റാ മാസ്കിംഗ് തത്ത്വം: ഡാറ്റാ മാസ്കിംഗ് യഥാർത്ഥ ഡാറ്റ സവിശേഷതകളും ബിസിനസ്സ് നിയമങ്ങളും ഡാറ്റ പ്രസക്തിയും മാസ്ക് ബാധിക്കില്ലെന്ന് ഉറപ്പാക്കേണ്ടത് യഥാർത്ഥ ഡാറ്റ മാസ്കിംഗ് നിലനിർത്തണം. മാസ്കിംഗിനു മുമ്പും ശേഷവും ഡാറ്റ സ്ഥിരതയും സാധുതയും ഉറപ്പാക്കുക.

2. ഡാറ്റ മാസ്കിംഗ് വർഗ്ഗീകരണം

ഡാറ്റാ മാസ്കിംഗ് സ്റ്റാറ്റിക് ഡാറ്റ മാസ്കിംഗ് (എസ്ഡിഎം), ഡൈനാമിക് ഡാറ്റ മാസ്കിംഗ് (ഡിഡിഎം) എന്നിങ്ങനെ തിരിക്കാം.

സ്റ്റാറ്റിക് ഡാറ്റ മാസ്കിംഗ് (എസ്ഡിഎം): നിർമ്മാണ അന്തരീക്ഷത്തിൽ നിന്ന് ഒറ്റപ്പെടലില്ലാത്ത ഒരു പുതിയ ഇതര പരിസ്ഥിതി ഡാറ്റാബേസ് സ്ഥാപിക്കുന്നതിന് സ്റ്റാറ്റിക് ഡാറ്റാ മാസ്കിംഗിന് ആവശ്യമാണ്. പ്രൊഡക്ഷൻ ഡാറ്റാബേസിൽ നിന്ന് സെൻസിറ്റീവ് ഡാറ്റ എക്സ്ട്രാക്റ്റുചെയ്ത്, തുടർന്ന് നിർമ്മാണമല്ലാത്ത ഡാറ്റാബേസിൽ സൂക്ഷിക്കുന്നു. ഈ രീതിയിൽ, ഡിസെൻസിറ്റൈസ് ചെയ്ത ഡാറ്റ ഉൽപാദന അന്തരീക്ഷത്തിൽ നിന്ന് ഒറ്റപ്പെട്ടു, ഇത് ബിസിനസ്സ് ആവശ്യങ്ങൾ നിറവേറ്റുകയും ഉൽപാദന ഡാറ്റയുടെ സുരക്ഷ ഉറപ്പാക്കുകയും ചെയ്യുന്നു.

Sdm

ഡൈനാമിക് ഡാറ്റ മാസ്കിംഗ് (ഡിഡിഎം): തത്സമയം തന്ത്രപ്രധാനമായ ഡാറ്റ വൈകാൻ ചെയ്യുന്നതിനുള്ള ഉൽപാദന അന്തരീക്ഷത്തിൽ ഇത് സാധാരണയായി ഉപയോഗിക്കുന്നു. ചിലപ്പോൾ, വ്യത്യസ്ത സാഹചര്യങ്ങളിൽ ഒരേ സെൻസിറ്റീവ് ഡാറ്റ വായിക്കാൻ മാസ്കിംഗിന്റെ വ്യത്യസ്ത തലങ്ങൾ ആവശ്യമാണ്. ഉദാഹരണത്തിന്, വ്യത്യസ്ത റോളുകളും അനുമതികളും വ്യത്യസ്ത മാസ്കിംഗ് സ്കീമുകൾ നടപ്പിലാച്ചേക്കാം.

ഡിഡിഎം

ഡാറ്റ റിപ്പോർട്ടിംഗും ഡാറ്റ ഉൽപ്പന്നങ്ങളും മാസ്കിംഗ് അപ്ലിക്കേഷൻ

അത്തരം സാഹചര്യങ്ങളിൽ പ്രധാനമായും ആന്തരിക ഡാറ്റ മോണിറ്ററിംഗ് ഉൽപ്പന്നങ്ങളോ പരസ്യബോർഡ്, ബാഹ്യ സേവന ഉൽപ്പന്ന ഉൽപ്പന്നങ്ങൾ എന്നിവ ഉൾപ്പെടുന്നു, കൂടാതെ ബിസിനസ് റിപ്പോർട്ടുകളും പ്രോജക്റ്റ് അവലോകനവും പോലുള്ള ഡാറ്റ വിശകലനത്തെ അടിസ്ഥാനമാക്കിയുള്ള റിപ്പോർട്ടുകളും ഉൾപ്പെടുന്നു.

ഡാറ്റ റിപ്പോർട്ടിംഗ് ഉൽപ്പന്ന മാസ്കിംഗ്

3. ഡാറ്റ മാസ്കിംഗ് പരിഹാരം

സാധാരണ ഡാറ്റ മാസ്കിംഗ് സ്കീമുകളിൽ ഇവ ഉൾപ്പെടുന്നു: അസാധുവാക്കൽ, ക്രമരഹിതമായ മൂല്യം, ഡാറ്റ മാറ്റിസ്ഥാപിക്കൽ, സമമിതി എൻക്രിപ്ഷൻ, ശരാശരി മൂല്യം, ഓഫ്സെറ്റ്, റൗണ്ടിംഗ് മുതലായവ.

അസാധുവാക്കൽ: അസാധുവാക്കൽ എൻക്രിപ്ഷൻ, വെട്ടിക്കുറവ്, അല്ലെങ്കിൽ സെൻസിറ്റീവ് ഡാറ്റയുടെ മറയ്ക്കുന്നതിനെ സൂചിപ്പിക്കുന്നു. ഈ സ്കീം സാധാരണയായി പ്രത്യേക ഡാറ്റയെ പ്രത്യേക ചിഹ്നങ്ങൾ ഉപയോഗിച്ച് മാറ്റിസ്ഥാപിക്കുന്നു (* പോലുള്ളവ). പ്രവർത്തനം ലളിതമാണ്, പക്ഷേ ഉപയോക്താക്കൾക്ക് യഥാർത്ഥ ഡാറ്റയുടെ ഫോർമാറ്റ് അറിയാൻ കഴിയില്ല, ഇത് തുടർന്നുള്ള ഡാറ്റ ആപ്ലിക്കേഷനുകളെ ബാധിച്ചേക്കാം.

ക്രമരഹിതമായ മൂല്യം: ക്രമരഹിതമായ മൂല്യം സെൻസിറ്റീവ് ഡാറ്റയുടെ ക്രമരഹിതമായ മാറ്റിസ്ഥാപിക്കുന്നതിനെ സൂചിപ്പിക്കുന്നു (അക്കങ്ങൾ മാറ്റിസ്ഥാപിക്കുക, അക്ഷരങ്ങൾ അക്ഷരങ്ങൾ മാറ്റിസ്ഥാപിക്കുക, പ്രതീകങ്ങൾ മാറ്റിസ്ഥാപിക്കുന്നു). ഈ മാസ്കിംഗ് രീതി സെൻസിറ്റീവ് ഡാറ്റയുടെ ഫോർമാറ്റ് ഒരു പരിധിവരെ ഫോർമാറ്റ് ഉറപ്പാക്കുകയും തുടർന്നുള്ള ഡാറ്റ ആപ്ലിക്കേഷൻ സുഗമമാക്കുകയും ചെയ്യും. ആളുകളുടെയും സ്ഥലങ്ങളുടെയും പേരുകൾ പോലുള്ള അർത്ഥവത്തായ ചില വാക്കുകൾക്ക് മാസ്കിംഗ് നിഘണ്ടുക്കൾക്ക് ആവശ്യമാണ്.

ഡാറ്റ മാറ്റിസ്ഥാപിക്കൽ: പ്രത്യേക പ്രതീകങ്ങളോ ക്രമരഹിതമായ മൂല്യങ്ങളോ ഉപയോഗിക്കുന്നതിനുപകരം, മാസ്കിംഗ് ഡാറ്റ ഒരു നിർദ്ദിഷ്ട മൂല്യം ഉപയോഗിച്ച് മാറ്റിസ്ഥാപിക്കുന്നതിനല്ലാതെ ഡാറ്റാ പകരക്കാരൻ ശൂന്യവും ക്രമരഹിതവുമായ മൂല്യങ്ങൾക്ക് സമാനമാണ്.

സമമിതി എൻക്രിപ്ഷൻ: സമമിതി എൻക്രിപ്ഷൻ ഒരു പ്രത്യേക റിവേഴ്സബിൾ മാസ്കിംഗ് രീതിയാണ്. എൻക്രിപ്ഷൻ കീകളും അൽഗോരിഠങ്ങളിലൂടെയും സെൻസിറ്റീവ് ഡാറ്റ ഇത് എൻക്രിപ്റ്റ് ചെയ്യുന്നു. സിഫർടെക്സ്റ്റ് ഫോർമാറ്റ് യുക്തിസഹമായ നിയമങ്ങളിൽ യഥാർത്ഥ ഡാറ്റയുമായി പൊരുത്തപ്പെടുന്നു.

ശരാശരി: ശരാശരി സ്കീം സ്ഥിതിവിവരക്കണക്ക് സ്ഥിതിവിവരക്കണക്കുകളിൽ ഉപയോഗിക്കുന്നു. സംഖ്യാ ഡാറ്റയ്ക്കായി, ഞങ്ങൾ ആദ്യം അവയുടെ ശരാശരി കണക്കാക്കുന്നു, തുടർന്ന് വൈകുന്നേരത്തെ ചുറ്റിപ്പറ്റിയുള്ള വൈകല്യമുള്ള മൂല്യങ്ങൾ ക്രമരഹിതമായി വിതരണം ചെയ്യുക, അതിനാൽ ഡാറ്റ സ്ഥിരത നിലനിർത്തുക.

ഓഫ്സെറ്റും റൗണ്ടിംഗും: ഈ രീതി ക്രമരഹിതമായ ഷിഫ്റ്റ് വഴി ഡിജിറ്റൽ ഡാറ്റ മാറ്റുന്നു. ഈ ഡാറ്റയുടെ സുരക്ഷ നിലനിർത്തുമ്പോൾ ഓഫ്സെറ്റ് റൈറ്റിംഗ് ശ്രേണിയുടെ ഏകദേശ ആധികാരികത ഉറപ്പാക്കുന്നു, ഇത് യഥാർത്ഥ ഡാറ്റയെക്കാൾ യഥാർത്ഥ ഡാറ്റയുമായി കൂടുതൽ അടുക്കുന്നു, വലിയ ഡാറ്റാ വിശകലനത്തിന്റെ സാഹചര്യമുണ്ട്.

Ml-Npb-5660-

ശുപാർശ ചെയ്യുന്ന മോഡൽ "Ml-npb-5660"ഡാറ്റാ മാസ്കിംഗിനായി

4. സാധാരണയായി ഉപയോഗിക്കുന്ന ഡാറ്റ മാസ്കിംഗ് ടെക്നിക്കുകൾ

(1). സ്റ്റാറ്റിസ്റ്റിക്കൽ ടെക്നിക്കുകൾ

ഡാറ്റ സാമ്പിൾ, ഡാറ്റ അഗ്രഗേഷൻ

- ഡാറ്റ സാമ്പിൾ: ഡാറ്റാ സെറ്റിന്റെ ഒരു പ്രതിനിധി ഉപസെറ്റ് തിരഞ്ഞെടുത്ത് സജ്ജമാക്കിയ യഥാർത്ഥ ഡാറ്റയുടെ വിശകലനവും വിലകയും, തിരിച്ചറിയൽ ടെക്നിക്കുകളുടെ ഫലപ്രാപ്തി മെച്ചപ്പെടുത്തുന്നതിനുള്ള ഒരു പ്രധാന രീതിയാണ്.

- ഡാറ്റ സമാഹരണം: സ്റ്റാറ്റിസ്റ്റിക്കൽ ടെക്നിക്കുകൾ (സംഗ്രഹം, ശരാശരി, ശരാശരി, പരമാവധി, കുറഞ്ഞത്) മൈക്രോഡാറ്റയിലെ ആട്രിബ്യൂട്ടുകളുടെ ശേഖരമായി, അതിന്റെ ഫലം യഥാർത്ഥ ഡാറ്റാ സെറ്റിലെ എല്ലാ റെക്കോർഡുകളുടെയും പ്രതിനിധീകരിക്കുന്നു.

(2). ക്രിപ്റ്റോഗ്രഫി

ഡെസെൻസിറ്റൈസേഷന്റെ ഫലപ്രാപ്തി വൈകല്യപ്പെടുത്തുന്നതിനോ വർദ്ധിപ്പിക്കുന്നതിനോ ഉള്ള ഒരു സാധാരണ രീതിയാണ് ക്രിപ്റ്റോഗ്രഫി. വ്യത്യസ്ത തരം എൻക്രിപ്ഷൻ അൽഗോരിതംസിന് വ്യത്യസ്ത ഡിസീനിറ്റൈസേഷൻ ഇഫക്റ്റുകൾ നേടാൻ കഴിയും.

- നിർണ്ണയിക്കാനുള്ള എൻക്രിപ്ഷൻ: റാൻഡം ഇതര സമമിതി എൻക്രിപ്ഷൻ. ഇത് സാധാരണയായി ഐഡി ഡാറ്റ പ്രോസസ്സ് ചെയ്യുകയും ഡീപ് ചെയ്യുകയും അത് ആവശ്യമുള്ളപ്പോൾ സിഫർടേക്സ്റ്റ് പ്രവർത്തിക്കുകയും പുന restore സ്ഥാപിക്കുകയും ചെയ്യാനും കഴിയും, പക്ഷേ കീ ശരിയായി പരിരക്ഷിക്കേണ്ടതുണ്ട്.

- മാറ്റാനാവാത്ത എൻക്രിപ്ഷൻ: ഡാറ്റ പ്രോസസ്സ് ചെയ്യുന്നതിന് ഹാഷ് ഫംഗ്ഷൻ ഉപയോഗിക്കുന്നു, ഇത് സാധാരണയായി ഐഡി ഡാറ്റയ്ക്കായി ഉപയോഗിക്കുന്നു. ഇത് നേരിട്ട് ഡീക്രിപ്റ്റ് ചെയ്യാനും മാപ്പിംഗ് ബന്ധം സംരക്ഷിക്കേണ്ടതില്ല. കൂടാതെ, ഹാഷ് ഫംഗ്ഷന്റെ സവിശേഷത കാരണം, ഡാറ്റ കൂട്ടിയിടി ഉണ്ടാകാം.

- ഹോമോമോർഫിക് എൻക്രിപ്ഷൻ: സിഫർടെക്സ്റ്റ് ഹോമോമോഫിക് അൽഗോരിതം ഉപയോഗിക്കുന്നു. സിഫർടെക്റ്റിന്റെ പ്രവർത്തനത്തിന്റെ ഫലം ഡീറിപ്ഷൻ കഴിഞ്ഞ് പ്ലെയിൻടെക്സ്റ്റ് പ്രവർത്തനത്തിന് തുല്യമാണ് എന്നതാണ് ഇതിന്റെ സ്വഭാവം. അതിനാൽ, ഇത് സാധാരണയായി ഉപയോഗിക്കുന്നു, ഇത് സാധാരണയായി ഉപയോഗിക്കുന്നതാണ്, പക്ഷേ പ്രകടന കാരണങ്ങളാൽ ഇത് വ്യാപകമായി ഉപയോഗിക്കുന്നില്ല.

(3). സിസ്റ്റം സാങ്കേതികവിദ്യ

സ്വകാര്യത പരിരക്ഷണം പാലിക്കാത്ത ഡാറ്റ ഇനങ്ങൾ അടിച്ചമർത്തൽ സാങ്കേതികവിദ്യ ഇല്ലാതാക്കുകയോ നിർത്തുകയോ ചെയ്യുന്നു, പക്ഷേ അവ പ്രസിദ്ധീകരിക്കുന്നില്ല.

- മാസ്കിംഗ്: എതിരാളി നമ്പർ പോലുള്ള ആട്രിബ്യൂട്ട് മൂല്യം മാസ്ക് ചെയ്യുന്നതിനുള്ള ഏറ്റവും സാധാരണമായ ഡെസെൻസിറ്റൈസേഷൻ രീതിയെ ഇത് സൂചിപ്പിക്കുന്നു, അല്ലെങ്കിൽ ഐഡി കാർഡ് ഒരു നക്ഷത്രചിഹ്നം ഉപയോഗിച്ച് അടയാളപ്പെടുത്തിയിരിക്കുന്നു, അല്ലെങ്കിൽ വിലാസം വെട്ടിച്ചുരുക്കി.

- പ്രാദേശിക അടിച്ചമർത്തൽ: നിർദ്ദിഷ്ട ആട്രിബ്യൂട്ട് മൂല്യങ്ങൾ (നിരകൾ) ഇല്ലാതാക്കുന്നതിനെ സൂചിപ്പിക്കുന്നു, അവശ്യമല്ലാത്ത ഡാറ്റ ഫീൽഡുകൾ നീക്കംചെയ്യുന്നു;

- അടിച്ചമർത്തൽ രേഖപ്പെടുത്തുക: അവശ്യകാര്യമല്ലാത്ത ഡാറ്റ റെക്കോർഡുകൾ ഇല്ലാതാക്കുന്നതിലൂടെ നിർദ്ദിഷ്ട റെക്കോർഡുകൾ (വരികൾ) ഇല്ലാതാക്കുന്നതിനുള്ള പ്രക്രിയയെ സൂചിപ്പിക്കുന്നു.

(4). ഓമനപ്പ് സാങ്കേതികവിദ്യ

ഒരു ഡയറക്ട് ഐഡന്റിഫയർ (അല്ലെങ്കിൽ മറ്റ് സെൻസിറ്റീവ് ഐഡന്റിഫയർ) മാറ്റിസ്ഥാപിക്കാൻ ഒരു പെൻസഡോമൻ ഒരു ഡി-ഐഎൻവൈസ് മാനിക് ആണ്. ഡയറക്ട് അല്ലെങ്കിൽ സെൻസിറ്റീവ് ഐഡന്റിഫയറുകളിൽ പകരം ഓരോ വ്യക്തിഗത വിവര വിഷയത്തിനും പെഡുഡീം ടെക്നിക്കുകൾ അദ്വിതീയ ഐഡന്റിഫയറുകൾ സൃഷ്ടിക്കുന്നു.

- യഥാർത്ഥ ഐഡിയുമായി യോജിക്കുന്നതിന് സ്വതന്ത്രമായി ക്രമരഹിതമായ മൂല്യങ്ങൾ സൃഷ്ടിക്കാൻ കഴിയും, മാപ്പിംഗ് പട്ടിക സംരക്ഷിച്ച് മാപ്പിംഗ് പട്ടികയിലേക്കുള്ള ആക്സസ് കർശനമായി നിയന്ത്രിക്കുക.

- പ്യൂഡോണിംസ് നിർമ്മിക്കാൻ നിങ്ങൾക്ക് എൻക്രിപ്ഷൻ ഉപയോഗിക്കാം, പക്ഷേ ഡിട്രിപ്ഷൻ കീ ശരിയായി സൂക്ഷിക്കേണ്ടതുണ്ട്;

വ്യത്യസ്ത ഡവലപ്പർമാർ ഒരേ ഉപയോക്താവിനായി വ്യത്യസ്ത ഓപ്പൺഡുകൾ ലഭിക്കുന്ന ധാരാളം സ്വതന്ത്ര ഡാറ്റ ഉപയോക്താക്കളുടെ കാര്യത്തിൽ ഈ സാങ്കേതികവിദ്യ വ്യാപകമായി ഉപയോഗിക്കുന്നു.

(5). പൊതുവൽക്കരണ സാങ്കേതികതകൾ

ഒരു ഡാറ്റ സെറ്റിൽ തിരഞ്ഞെടുത്ത ആട്രിബ്യൂട്ടുകളുടെ ഗ്രാനുലാരിറ്റി കുറയ്ക്കുന്ന ഒരു തിരിച്ചറിയൽ സാങ്കേതികതയെ സാമാന്യവൽക്കരണ സാങ്കേതികതയെ സൂചിപ്പിക്കുന്നു, ഇത് ഡാറ്റയുടെ കൂടുതൽ പൊതുവായതും അമൂർത്തവുമായ വിവരണം നൽകുന്നു. പൊതുവൽക്കരണ സാങ്കേതികവിദ്യ നടപ്പാക്കാൻ എളുപ്പമാണ്, കൂടാതെ റെക്കോർഡ് ലെവൽ ഡാറ്റയുടെ ആധികാരികത പരിരക്ഷിക്കും. ഡാറ്റ ഉൽപ്പന്നങ്ങളിലോ ഡാറ്റ റിപ്പോർട്ടുകളിലോ ഇത് സാധാരണയായി ഉപയോഗിക്കുന്നു.

- റൗണ്ടിംഗ്: തിരഞ്ഞെടുത്ത ആട്രിബ്യൂട്ടിനായി ഒരു റൗണ്ടിംഗ് ബേസ് തിരഞ്ഞെടുക്കുന്നത്, മുകളിലേക്കോ താഴേക്കോ ഉള്ള ഫോറൻസിക്, വിളവ് 100, 500, 1 കെ, 10 കെ എന്നിവയ്ക്കായി ഒരു റൗണ്ടിംഗ് ബേസ് തിരഞ്ഞെടുക്കുന്നു

- മുകളിലും താഴെയുള്ളതുമായ കോഡിംഗ് ടെക്നിക്കുകൾ: മുകളിലുള്ള മൂല്യങ്ങൾ (അല്ലെങ്കിൽ താഴെ) മുകളിലുള്ള മൂല്യങ്ങൾ മാറ്റിസ്ഥാപിക്കുന്നത് മുകളിലേക്ക് (അല്ലെങ്കിൽ അടിഭാഗം) ലെവലിനെ പ്രതിനിധീകരിച്ച് "x ന് മുകളിലുള്ള" അല്ലെങ്കിൽ "x" അല്ലെങ്കിൽ "x" എന്നതിന്റെ ഫലം

(6). ക്രമരഹിതമായ രീതികൾ

ക്രമരഹിതമാക്കുന്നതിലൂടെ ഒരു ആട്രിബ്യൂട്ടിന്റെ മൂല്യം പരിഷ്ക്കരിക്കാൻ ക്രമരഹിതമായ സാങ്കേതികവിദ്യ, ക്രമരഹിതമായ സാങ്കേതികവിദ്യ സൂചിപ്പിക്കുന്നു, അതിനാൽ ക്രമരഹിതമാക്കുന്നതിന് ശേഷം മൂല്യം യഥാർത്ഥ യഥാർത്ഥ മൂല്യത്തിൽ നിന്ന് വ്യത്യസ്തമാണ്. ഈ പ്രക്രിയ ഒരു ആക്രമണകാരിയുടെ ആട്രിബ്യൂട്ട് മൂല്യം നേടുന്നതിനുള്ള കഴിവ് ഒരേ ഡാറ്റ റെക്കോർഡിൽ നിന്ന് ആട്രിബ്യൂട്ട് മൂല്യം കുറയ്ക്കുന്നു, പക്ഷേ ഫലവത്തായ ഡാറ്റയുടെ ആധികാരികതയെ ബാധിക്കുന്നു, ഇത് പ്രൊഡക്ഷൻ ടെസ്റ്റ് ഡാറ്റയുമായി സാധാരണമാണ്.


പോസ്റ്റ് സമയം: സെപ്റ്റംബർ -27-2022