Маскировка данных «на коленке»

Наши клиенты часто интересуются функцией маскировки данных, но зачастую им достаточно простого решения, которое они способны реализовать самостоятельно.

В этой статье кратко описывается механизм создания представления (VIEW) для отображения деперсонализованных данных.

В основе этой реализации лежит решение из статьи про получение случайной строки из таблицы Основной задачей маскировки данных является сокрытие реальных данных и невозможность их восстановления. При этом недостаточно просто скрыть конфиденциальные данные — нужно заменить их похожими.

Это связано с тем, что маскировка данных применяется обычно при тестировании приложений и данные должны быть максимально приближенными к реальным. Один из вариантов — это использование тех же самых данных в таблице, но взятых из других строк.

Итак, начнём.

В качестве примера используется таблица connections, в которой, кроме всего остального, существуют колонки ID и Client_port, которые нужно замаскировать. При этом колонка ID является первичным ключом.

Так как некоторые строки могут быть удалены и ID не является строго последовательным значением, создадим таблицу, в которой данные в таблице будут связаны с номером строки. Дело в том, что в PostgreSQL нет более быстрого способа выбрать данные по номеру строки. В Oracle можно было бы пропустить этот шаг.


create table client_port_ids


    (


	    rowid serial PRIMARY KEY,

	
    id integer


	    );


	-- fill table with exists id numbers. table should be fill before masking

	
INSERT INTO client_port_ids (id ) SELECT id FROM connections ORDER BY id;

Так как необходимо, чтобы при каждом SELECT не выдавались разные значения в маскируемой строке, поэтому необходимо создать таблицу, в которой будет сохраняться связь между реальными данными и подставными.


create table client_port_map
	

    (

	
    src integer PRIMARY KEY,

	
     dst integer


	    );

Создадим функцию маскировки для проверки того, не выдавались ли до этого значения маскированные данные, и в случае отсутствия этих данных, данные берутся из случайной строки.


CREATE OR REPLACE FUNCTION public.hide_client_port(

	
val integer)

	
RETURNS integer AS

	
$BODY$

	
DECLARE

	
res integer;

	
sed float;

	
row_count integer;

	
rand_row integer;

	
BEGIN

	
--check exist mapping

	
SELECT dst into res FROM client_port_map WHERE src = val;

	
IF FOUND = FALSE THEN

	
--search random string

	
select MAX(rowid) into row_count from client_port_ids;

	
LOOP

	
SELECT floor(random()*row_count) into rand_row;


	select client_port into res from connections where id = (select id from client_port_ids where rowid = rand_row);

	
EXIT WHEN FOUND = TRUE;

	
END LOOP;

	
--save new value to mapping

	
INSERT INTO client_port_map VALUES (val, res);

	
END IF;

	
return res ;

	
END;

	
$BODY$


	LANGUAGE plpgsql VOLATILE

Взглянем, как перемешиваются записи.

Так как в данном примере используется небольшая таблица, то встречаются совпадения с реальными данными. Теорию вероятности не обманешь.

Какое применение можно найти этому? Создаём новую схему в котором создаём VIEW на таблице с реальными данными. А для таблицы connection мы создаём VIEW в таком виде:


CREATE OR REPLACE VIEW public.connection AS
	SELECT connections.partition_id,


	connections.id,


	connections.interface_id,

	
connections.client_host,

	
hide_client_port(connections.client_port) AS hide_client_port,

	
connections.begin_time,

	
connections.end_time,

	
connections.client_host_name,

	
connections.instance_id,

	
connections.proxy_id,

	
connections.sniffer_id

	
FROM connections;

где вставляем функцию, скрывающую данные.

Данную функцию можно улучшить, реализовав механизм. при котором одинаковым значениями из разных строк будут присваивается разные значения для сокрытия.

Комментарии

Маскировка данных «на коленке»

Служба поддержки

Отдел продаж

Будьте в курсе наших обновлений