Sichere Datenumgebungen in Google Cloud

Last reviewed 2026-04-16 UTC

Dieses Dokument bietet eine allgemeine Architektur zum Sichern großer Datasets, die sensible Daten enthalten, einschließlich personenidentifizierbarer Informationen (PII) in Google Cloud. Die Architektur ist darauf ausgelegt, sensible Daten vor versehentlicher Offenlegung und böswilliger Exfiltration zu schützen. Es richtet sich an Data Compliance Officers und Cloud Security Engineers, die mit grundlegenden Cloud-Netzwerk- und Identitätskonzepten vertraut sind. Die Architektur hebt die Verwendung von Netzwerkperimetern hervor, die explizit permissive IAM-Einstellungen (Identity and Access Management) überschreiben, um unbefugten öffentlichen Zugriff zu verhindern, selbst wenn Ressourcen falsch konfiguriert sind.

Im Abschnitt Bereitstellung dieses Dokuments finden Sie ein Terraform-Codebeispiel, mit dem Sie diesen Perimeter selbst bereitstellen und eine Blockierung des öffentlichen Zugriffs simulieren können.

Architektur

Das folgende Architekturdiagramm zeigt eine robuste, mehrschichtige Datenschutzstrategie in Google Cloud. Es zeigt effektiv, wie Daten von einem unstrukturierten Zustand in eine sichere, verwaltete Umgebung verschoben werden.

Cloud KMS Autokey und Sensitive Data Protection helfen, Daten in BigQuery und Cloud Storage zu schützen.

Das obige Diagramm zeigt, wie jeder Google-Dienst die Sicherheit der Daten vom ersten Datenupload bis zum Datenzugriff gewährleistet:

  1. Ein Nutzer mit den entsprechenden IAM-Berechtigungen lädt Daten in den BigQuery- oder Cloud Storage-Datenspeicherdienst hoch. Die Speicherdienste sind so konfiguriert, dass sie kundenverwaltete Verschlüsselungsschlüssel (CMEK) und Cloud KMS Autokey verwenden.
  2. Der Dienst verschlüsselt die Daten mit einem CMEK, der von Cloud KMS Autokey abgerufen wird.
  3. Sensitive Data Protection prüft, klassifiziert und de-identifiziert sensible Daten im Repository kontinuierlich. Zum De-Identifizieren sensibler Daten maskiert Sensitive Data Protection die Daten mithilfe von Vorlagen und Optionen, die Sie konfigurieren.
  4. Die Speicherdienste befinden sich innerhalb eines VPC Service Controls-Perimeters, der den Datenzugriff von außerhalb des Perimeters blockiert. Wenn Sie bestimmten Nutzern und Systemen (IAM-Hauptkonten) Zugriffsberechtigungen gewähren möchten, verwenden Sie eine Access Context Manager-Zugriffsebene-Vorlage. Die angegebenen Hauptkonten können dann auf Daten innerhalb des Perimeters zugreifen.
  5. VPC Service Controls verweigert allen Personen den Zugriff, die nicht in der Vorlage für die Zugriffsebene angegeben sind.

Verwendete Produkte

  • VPC Service Controls: Eine verwaltete Netzwerkfunktion, die das Risiko einer Daten-Exfiltration für Ihre Google Cloud -Ressourcen minimiert.
  • Sensitive Data Protection: Ein vollständig verwalteter Dienst, mit dem Sie wertvolle Datenbestände, einschließlich personenidentifizierbarer Informationen, ermitteln, klassifizieren und schützen können.
  • Cloud Key Management Service (Cloud KMS): Ein Dienst, mit dem Sie kryptografische Schlüssel erstellen, importieren und verwalten sowie kryptografische Vorgänge in einem einzigen zentralisierten Cloud-Dienst ausführen können.
  • Access Context Manager: Ein Dienst, mit dem Sie detaillierte, attributbasierte Zugriffssteuerungsrichtlinien für Ihre Projekte und Ressourcen in Google Clouddefinieren können.
  • BigQuery: Ein Data Warehouse für Unternehmen, mit dem Sie Ihre Daten mit integrierten Features wie raumbezogenen Analysen für maschinelles Lernen und Business Intelligence verwalten und analysieren können.
  • Cloud Storage: Ein kostengünstiger, unbegrenzter Objektspeicher für verschiedene Datentypen. Auf Daten kann von innerhalb und außerhalb von Google Cloudzugegriffen werden. Sie werden zu Redundanzzwecken über Standorte hinweg repliziert.

Anwendungsfälle

Diese Architektur bietet ein robustes Sicherheits-Framework für den Umgang mit sensiblen Daten in Google Cloud. Der Schwerpunkt liegt auf Datenschutz, Zugriffssteuerung und Exfiltrationsprävention. Die Architektur trägt dazu bei, eine sichere Umgebung für sensible Daten zu schaffen, indem sie eine starke Verschlüsselung mit automatisierter De-Identifikation von Daten und Netzwerkperimeterkontrollen kombiniert. Diese Implementierung trägt dazu bei, dass Daten mit vom Kunden verwalteten Schlüsseln (CMEKs) verschlüsselt werden, dass vertrauliche Informationen automatisch erkannt und maskiert werden und dass der Zugriff streng eingeschränkt und kontextbezogen verwaltet wird. Diese Maßnahmen tragen dazu bei, das Risiko der Daten-Exfiltration erheblich zu minimieren.

Im Folgenden finden Sie Beispiele für Anwendungsfälle für die in diesem Dokument beschriebene Architektur:

  • Regulierte Branchen (Finanzwesen, Gesundheitswesen, öffentlicher Sektor): Stark regulierte Branchen benötigen Sicherheits-Frameworks, die die Einhaltung von Compliance- und Datensicherheitsanforderungen unterstützen. Um Compliance zu erreichen und sensible Kundendaten zu schützen, ist es wichtig, dass Daten im Ruhezustand gesichert sind, sensible Daten erkannt werden und Zugriffssteuerungen vorhanden sind. Wir empfehlen regulierten Branchen, dieses Design zu implementieren, um die Daten-Compliance zu erreichen.
  • Nicht regulierte Branchen: Branchen, die keinen Datenvorschriften unterliegen, können von der Implementierung eines robusten Sicherheitsframeworks profitieren. Es ist wichtig, die Offenlegung sensibler Daten zu verhindern, Daten sicher zu speichern und Richtlinien für den Zugriff auf Daten zu haben. Die Architektur in diesem Dokument kann einer nicht regulierten Branche helfen, dasselbe Sicherheitsniveau wie eine stark regulierte Branche zu erreichen. Wir empfehlen, dass nicht regulierte Branchen dieses Design als Best Practice implementieren.

Designaspekte

Bereitstellung

Wenn Sie eine Beispielimplementierung dieser Architektur bereitstellen möchten, verwenden Sie das Codebeispiel für die Datensicherheit, das auf GitHub verfügbar ist.

Nächste Schritte

Beitragende

Autor*innen:

Weitere Beitragende: