Propriétés du tDataUnmasking pour Apache Spark Batch - 7.3

Confidentialité des données

Version
7.3
Language
Français
Product
Talend Big Data Platform
Talend Data Fabric
Talend Data Management Platform
Talend Data Services Platform
Talend MDM Platform
Talend Real-Time Big Data Platform
Module
Studio Talend
Content
Création et développement > Systèmes tiers > Composants Data Quality > Composants de protection des données sensibles
Gouvernance de données > Systèmes tiers > Composants Data Quality > Composants de protection des données sensibles
Qualité et préparation de données > Systèmes tiers > Composants Data Quality > Composants de protection des données sensibles
Last publication date
2024-02-22

Ces propriétés sont utilisées pour configurer le tDataUnmasking s'exécutant dans le framework de Jobs Spark Batch.

Le composant tDataUnmasking Spark Batch appartient à la famille Qualité de données.

Basic settings

Schema et Edit Schema

Un schéma est une description de lignes. Il définit le nombre de champs (colonnes) à traiter et à passer au composant suivant. Lorsque vous créez un Job Spark, évitez le mot réservé line lors du nommage des champs.

Cliquez sur Sync columns pour récupérer le schéma du composant précédent dans le Job.

Créez le schéma en cliquant sur le bouton Edit Schema. Si le schéma est en mode Repository, trois options sont disponibles :

  • View schema : sélectionnez cette option afin de voir uniquement le schéma.

  • Change to built-in property : sélectionnez cette option pour passer le schéma en mode Built-In et effectuer des modifications locales.

  • Update repository connection : sélectionnez cette option afin de modifier le schéma stocké dans le référentiel et décider de propager ou non les modifications à tous les Jobs. Si vous souhaitez propager les modifications uniquement au Job courant, cliquez sur No et sélectionnez à nouveau la métadonnée du schéma dans la fenêtre Repository Content.

Le schéma de sortie de ce composant contient une colonne en lecture seule, ORIGINAL_MARK. La colonne indique par true ou false si l'enregistrement est un enregistrement original ou un substitut, respectivement.

 

Built-in : le schéma est créé et conservé localement pour ce composant seulement.

 

Repository : le schéma existe déjà et est stocké dans le Repository. Ainsi, il peut être réutilisé dans des Jobs et projets.

Modifications

Définissez dans la table les champs à révéler et comment les révéler :

Input Column : sélectionnez la colonne à partir du flux entrant contenant les données à masquer.

Vous pouvez révéler toutes les données masquées par le tDataMasking, à l'aide de la méthode FF1 with AES ou FF1 with SHA-2 combinée à un mot de passe personnalisé.

Ces modifications sont basées sur la fonction sélectionnée dans la colonne Function.

Category : sélectionnez une catégorie de fonctions de révélation à partir de la liste.

Function ; sélectionnez la fonction révélant les données.

Les fonctions que vous pouvez sélectionner dans la liste Function dépendent du type de données de la colonne d'entrée.

Method : dans cette liste, sélectionnez l'algorithme Format-Preserving Encryption (FPE) utilisé pour masquer les données FF1 with AES ou FF1 with SHA-2 :

La méthode FF1 with AES se base sur le standard de chiffrement avancé (Advanced Encryption Standard) en mode CBC. La méthode FF1 with SHA-2 dépend de la fonction de hachage sécurisée HMAC-256.

La version minimale requise pour utiliser la méthode FF1 with AES est Java 8u161. Pour pouvoir utiliser la méthode FPE avec les versions Java antérieures à 8u161, téléchargez les fichiers de règles Java Cryptography Extension (JCE) de juridiction illimitée du site d'Oracle.

Pour révéler les données, les méthodes FF1 with AES et FF1 with SHA-2 nécessitent le mot de passe spécifié dans le champ Password for FF1 methods lorsque les données ont été masquées par le composant tDataMasking.

Lors de l'utilisation de la fonction Replace all, Replace characters between two positions, Replace n first digits et Replace n last digits avec les méthodes FPE, vous pouvez sélectionner un alphabet.

Sélectionnez l'alphabet utilisé pour masquer les données via le composant tDataMasking.

Extra Parameter : ce champ est utilisé par certaines fonctions et est désactivé lorsqu'il n'est pas applicable. Lorsqu'il est applicable, saisissez un nombre ou une lettre pour décider du comportement de la fonction sélectionnée.

Keep format : cette fonction s'applique uniquement aux chaînes de caractères (Strings). Cochez cette case pour conserver le format d'entrée à l'aide des catégories Bank Account Unmasking, Credit Card Unmasking, Phone Unmasking et SSN Unmasking. Cela signifie que, si les données d'entrée contiennent des espaces, points ('.'), tirets ('-') ou barre obliques ('/'), ces caractères sont laissés dans la sortie. Si vous cochez cette case lorsque vous utilisez les fonctions de Phone Unmasking, les caractères de l'entrée qui ne sont pas des nombres restent inchangés dans la sortie.

Advanced settings

Password for FF1 methods

Pour révéler les données, les méthodes FF1 with AES et FF1 with SHA-2 nécessitent le mot de passe spécifié dans le champ Password for FF1 methods lorsque les données ont été masquées par le composant tDataMasking.

Use tweaks

Si des tweaks ont été générés lors du chiffrement des données, cochez cette case. Lorsqu'elle est cochée, la liste Column containing tweaks est affichée. Un tweak déchiffre toutes les données d'un enregistrement.

Column containing tweaks

Disponible lorsque la case Use tweaks est cochée. Sélectionnez la colonne contenant les tweaks. Si vous ne la voyez pas, assurez-vous d'avoir déclaré, dans le composant d'entrée, les tweaks générés par le composant de masquage.

Output the original row

Cochez cette case pour écrire en sortie les données masquées en plus des données originales. Avoir les deux lignes de données peut être utile lors de processus de débogage ou de test.

Should null input return null

Cette case est cochée par défaut. Lorsqu'elle est cochée, le composant écrit en sortie null lorsque les valeurs d'entrée sont nulles. Sinon, il retourne la valeur par défaut lorsque l'entrée est nulle, c'est-à-dire une chaîne de caractères vide pour les chaînes de caractères, 0 pour des valeurs numériques et la date actuelle pour les valeurs de date.

Should empty input return empty

Lorsque cette case est cochée, le composant retourne les valeurs d'entrée s'il s'agit de valeurs vides. Sinon, les fonctions sélectionnées sont appliquées aux données d'entrée.

Send invalid data to "Invalid" output flow
Cette case est cochée par défaut.
  • Selected : Lorsque les données peuvent être révélées, elles sont envoyées dans le flux principal. Sinon, les données sont envoyées dans le flux de sortie "Invalid".
  • Décochée : Les données sont envoyées dans le flux principal.
Les données sont considérées comme invalides lorsque :
  • le format du numéro de Sécurité Sociale, du numéro de téléphone ou de l'adresse e-mail est incorrect, quelle que soit la méthode Method utilisée ;
  • elles ne sont pas conformes aux méthodes FF1 with AES et FF1 with SHA-2.

tStat Catcher Statistics

Cochez cette case pour collecter les métadonnées de traitement du Job, aussi bien au niveau du Job qu'au niveau de chaque composant.

Utilisation

Règle d'utilisation

Ce composant est utilisé comme étape intermédiaire.

Ce composant, ainsi que la Palette Spark Batch à laquelle il appartient, ne s'affiche que lorsque vous créez un Job Spark Batch.

Notez que, dans cette documentation, sauf mention contraire, un scénario présente uniquement des Jobs Standard, c'est-à-dire des Jobs Talend traditionnels d'intégration de données.

Connexion à Spark

Dans l'onglet Spark Configuration de la vue Run, définissez la connexion à un cluster Spark donné pour le Job complet. De plus, puisque le Job attend ses fichiers .jar dépendants pour l'exécution, vous devez spécifier le répertoire du système de fichiers dans lequel ces fichiers .jar sont transférés afin que Spark puisse accéder à ces fichiers :
  • Yarn mode (Yarn Client ou Yarn Cluster) :
    • Lorsque vous utilisez Google Dataproc, spécifiez un bucket dans le champ Google Storage staging bucket de l'onglet Spark configuration.

    • Lorsque vous utilisez HDInsight, spécifiez le blob à utiliser pour le déploiement du Job, dans la zone Windows Azure Storage configuration de l'onglet Spark configuration.

    • Lorsque vous utilisez Altus, spécifiez le bucket S3 ou le stockage Azure Data Lake Storage (aperçu technique) pour le déploiement du Job, dans l'onglet Spark configuration.
    • Lorsque vous utilisez Qubole, ajoutez tS3Configuration à votre Job pour écrire vos données métier dans le système S3 avec Qubole. Sans tS3Configuration, ces données métier sont écrites dans le système Qubole HDFS et détruites une fois que vous arrêtez votre cluster.
    • Lorsque vous utilisez des distributions sur site (on-premises), utilisez le composant de configuration correspondant au système de fichiers utilisé par votre cluster. Généralement, ce système est HDFS et vous devez utiliser le tHDFSConfiguration.

  • Standalone mode : utilisez le composant de configuration correspondant au système de fichiers que votre cluster utilise, comme le tHDFSConfiguration Apache Spark Batch ou le tS3Configuration Apache Spark Batch.

    Si vous utilisez Databricks sans composant de configuration dans votre Job, vos données métier sont écrites directement dans DBFS (Databricks Filesystem).

Cette connexion fonctionne uniquement pour le Job dans lequel vous l'avez définie.