敏感数据发现

使用敏感数据发现函数扫描数据

1. 创建扫描目标。

   gaussdb=# CREATE SCHEMA test_schema1;
   gaussdb=# CREATE TABLE test_schema1.normal_table1 (email VARCHAR(50), phonenum text, creditcard bytea, name BPCHAR(50), encrypted_data NVARCHAR2(500));
   gaussdb=# INSERT INTO test_schema1.normal_table1 VALUES ('Gauss_1@huawei.com', '13345678901', '4951-7843-2960-0886', '高斯',  'r1Pj4DKQopSmZfSr/mXwieGcrE+O2iX3G04w1Tda0zqX/pD/Az90tLuvy0ZnCmUg0/Kl/g89ZqxxAZzta8jQ6bvicRpdXrDCQTHAfsXYSEScB9Idqtwh7kdm1LHq89qs');

2. 调用敏感数据发现函数扫描目标。
   • 调用gs_sensitive_data_discovery()函数，扫描目标数据，返回统计的扫描结果。

     gaussdb=# SELECT * FROM gs_sensitive_data_discovery('test_schema1.normal_table1',  'all');
                target           | percentage_of_sensitive_data |                               classifier_type_distribution                               
     ----------------------------+------------------------------+------------------------------------------------------------------------------------------
      test_schema1.normal_table1 | 5/5                          |  Email: 1/5  CreditCard: 1/5  PhoneNumber: 1/5  ChineseName: 1/5  EncryptedContent: 1/5 
     (1 row)

   • 调用gs_sensitive_data_discovery_detail()函数，扫描目标数据，返回详细的扫描结果。

     gaussdb=# SELECT * FROM gs_sensitive_data_discovery_detail('test_schema1',  'all');
         schema    |     table     |    column      |    classifier    | laws_and_regulations 
     --------------+---------------+----------------+------------------+----------------------
      test_schema1 | normal_table1 | email          | Email            | GDPR
      test_schema1 | normal_table1 | phonenum       | PhoneNumber      | GDPR
      test_schema1 | normal_table1 | creditcard     | CreditCard       | GDPR
      test_schema1 | normal_table1 | name           | ChineseName      | GDPR
      test_schema1 | normal_table1 | encrypted_data | EncryptedContent | GDPR
     (5 rows)

3. 清理数据。

   gaussdb=# DROP TABLE test_schema1.normal_table1;
   gaussdb=# DROP SCHEMA test_schema1;
   (3 row)