Bekannte Probleme

Auf dieser Seite werden bekannte Probleme mit Sensitive Data Protection sowie Möglichkeiten zur Vermeidung oder Behebung der folgenden Probleme aufgeführt.

Ergebnisse in BigQuery speichern

Wenn ein Job oder ein Erkennungsscan Ergebnisse in BigQuery speichert, wird in den Logs der Fehler Already exists angezeigt. Der Fehler weist nicht auf ein Problem hin. Ihre Ergebnisse werden wie erwartet gespeichert.

BigQuery-Scans

In diesem Abschnitt werden Probleme beschrieben, die beim Prüfen oder Profilieren von BigQuery-Daten auftreten können.

Häufige Probleme bei Prüf- und Profilerstellungsvorgängen

Die folgenden Probleme gelten sowohl für BigQuery-Prüf- als auch für Profilerstellungsvorgänge.

Zeilen mit Sicherheit auf Zeilenebene können nicht gescannt werden

Sicherheitsrichtlinien auf Zeilenebene können verhindern, dass Sensitive Data Protection die geschützten BigQuery-Tabellen prüft und profiliert. Wenn Sie Sicherheitsrichtlinien auf Zeilenebene auf Ihre BigQuery-Tabellen angewendet haben, empfehlen wir, einen TRUE-Filter festzulegen und den Dienst-Agent in die Liste der Empfänger aufzunehmen:

Doppelte Zeilen

Beim Schreiben von Daten in eine BigQuery-Tabelle kann Sensitive Data Protection doppelte Zeilen schreiben.

Kürzlich gestreamte Daten

Sensitive Data Protection scannt keine kürzlich gestreamten Daten (früher als Streamingpuffer bezeichnet). Weitere Informationen finden Sie in der BigQuery-Dokumentation unter Verfügbarkeit von Streamingdaten.

Probleme bei der BigQuery-Prüfung

Die folgenden Probleme gelten nur für Inspektionsvorgänge für BigQuery-Daten. Sie wirken sich nicht auf Datenprofile aus.

Exportierte Ergebnisse haben keine Werte für das Feld "row_number"

Wenn Sie Sensitive Data Protection so konfigurieren, dass Ergebnisse in BigQuery gespeichert werden, wird das Feld location.content_locations.record_location.record_key.big_query_key.row_number in der generierten BigQuery-Tabelle beim Scannen der Eingabetabelle abgeleitet. Der Wert ist unbestimmt, kann nicht abgefragt werden und kann für Inspektionsjobs null sein.

Wenn Sie bestimmte Zeilen identifizieren müssen, in denen Ergebnisse vorhanden sind, geben Sie beim Erstellen des Jobs inspectJob.storageConfig.bigQueryOptions.identifyingFields an.

Identifizierende Felder finden Sie in der generierten BigQuery-Tabelle im Feld location.content_locations.record_location.record_key.id_values.

Scans auf neue BigQuery-Inhalte beschränken

Wenn Sie Scans auf neue Inhalte beschränken und die BigQuery Storage Write API (gRPC) zum Befüllen der Eingabetabelle verwenden, überspringt Sensitive Data Protection möglicherweise das Scannen einiger Zeilen.

Um dieses Problem zu beheben, achten Sie in Ihrem Inspektionsjob darauf, dass der timestampField des TimespanConfig-Objekts ein Commit-Zeitstempel ist, der von BigQuery automatisch generiert wird. Es kann jedoch nicht garantiert werden, dass keine Zeilen übersprungen werden, da Sensitive Data Protection nicht aus kürzlich gestreamten Daten liest.

Wenn Sie Commit-Zeitstempel für eine Spalte automatisch generieren möchten und die Legacy-Streaming API zum Befüllen Ihrer Eingabetabelle verwenden, gehen Sie so vor:

  1. Achten Sie darauf, dass die Zeitstempelspalte im Schema der Eingabetabelle den Typ TIMESTAMP hat.

    Beispielschema

    Im folgenden Beispiel wird das Feld commit_time_stamp definiert und der Typ auf TIMESTAMP festgelegt:

    ...
{
 "name": "commit_time_stamp",
 "type": "TIMESTAMP"
}
...

  2. Achten Sie darauf, dass im Feld rows[].json der Methode tabledata.insertAll die Werte in der Zeitstempelspalte auf AUTO festgelegt sind.

    Beispiel für JSON-Code

    Im folgenden Beispiel wird der Wert des Felds commit_time_stamp auf AUTO gesetzt:

    {
  ...
  "commit_time_stamp": "AUTO",
  ...
}

Scans durch Festlegen eines maximalen Prozentsatzes oder einer maximalen Anzahl von Zeilen begrenzen

Wenn Sie ein Stichprobenlimit basierend auf einem Prozentsatz der Gesamtanzahl der Tabellenzeilen (rowsLimitPercent) festlegen, kann Sensitive Data Protection mehr Zeilen als erwartet prüfen. Wenn Sie die Anzahl der zu scannenden Zeilen strikt begrenzen müssen, empfehlen wir, stattdessen eine maximale Anzahl von Zeilen (rowsLimit) festzulegen.

Probleme bei der BigQuery-Profilerstellung

Die folgenden Probleme gelten nur für Profilerstellungsvorgänge für BigQuery-Daten. Weitere Informationen finden Sie unter Datenprofile für BigQuery-Daten.

Organisationen oder Projekte mit mehr als 500 Millionen Tabellen

Sensitive Data Protection gibt einen Fehler zurück, wenn Sie versuchen, ein Profil für eine Organisation oder ein Projekt mit mehr als 500 Millionen Tabellen zu erstellen. Wenn dieser Fehler auftritt, folgen Sie der Anleitung in der Fehlermeldung.

Wenn die Tabellenanzahl Ihrer Organisation mehr als 500 Millionen Tabellen umfasst und Sie ein Projekt mit einer niedrigeren Tabellenanzahl haben, versuchen Sie stattdessen, einen Scan auf Projektebene durchzuführen.

Informationen zu den Limits für Tabellen und Spalten finden Sie unter Limits für die Datenprofilerstellung.

Inspektionsvorlagen

Die Inspektionsvorlage muss sich in derselben Region wie die zu profilierenden Daten befinden. Wenn Sie Daten in mehreren Regionen haben, verwenden Sie mehrere Inspektionsvorlagen – eine für jede Region, in der Sie Daten haben. Sie können auch eine Inspektionsvorlage verwenden, die in der Region global gespeichert ist. Wenn Sie eine Vorlage in der Region global angeben, verwendet Sensitive Data Protection sie für alle Daten, für die keine regionsspezifische Vorlage vorhanden ist. Weitere Informationen finden Sie unter Überlegungen zum Datenstandort.

Gespeicherte infoTypes

Ein gespeicherter infoType (auch als gespeicherter benutzerdefinierter Wörterbuchdetektor bezeichnet), auf den in Ihrer Inspektionsvorlage verwiesen wird, muss an einem der folgenden Orte gespeichert werden:

  • Die Region global.
  • Dieselbe Region wie die Inspektionsvorlage.

Andernfalls schlägt der Profilerstellungsvorgang mit dem Fehler Resource not found fehl.

Sichtbarkeit von Ressourcen

In einem Tabellendatenprofil hängt die Klassifizierung der Ressourcensichtbarkeit, die einer BigQuery-Tabelle zugewiesen wird, von der Sichtbarkeit des Datasets ab, das die Tabelle enthält, und nicht von der Sichtbarkeit der Tabelle. Wenn sich die IAM-Berechtigungen einer Tabelle von den IAM-Berechtigungen des Datasets unterscheiden, kann die im Datenprofil angegebene Ressourcensichtbarkeit der Tabelle daher falsch sein. Dieses Problem betrifft die Erkennung für BigQuery und die Erkennung für Vertex AI.

In der Google Cloud Console wird die Ressourcensichtbarkeit im Feld Öffentlich des Tabellendatenprofils angezeigt. In der Cloud Data Loss Prevention API wird die Ressourcensichtbarkeit im Feld resourceVisibility der TableDataProfile angegeben.

Falscher Ablaufzeitstempel für Tabellen, die nicht ablaufen

Zwischen Juli 2025 und Juni 2026 enthielten einige in BigQuery gespeicherte Tabellendatenprofile einen falschen 1970-01-01-Zeitstempel anstelle von NULL in expiration_time für Tabellen, die nicht ablaufen.

Cloud Storage-Scans

In diesem Abschnitt werden Probleme beschrieben, die beim Prüfen oder De-Identifizieren von Daten auftreten können.

Die Prüfung von Strict-XLSX-Dateien wird nicht unterstützt

Eine Datei mit der Erweiterung .xlsx kann einen von zwei Typen haben. Ein Typ ist eine Strict Office Open XML-Tabelle, die von Sensitive Data Protection nicht unterstützt wird. Der andere Typ ist eine Standard-Microsoft Excel-Arbeitsmappe, die unterstützt wird.

Strukturierte Dateien, die im Binärmodus gescannt werden

In bestimmten Fällen werden Dateien, die normalerweise im strukturierten Parsing-Modus gescannt werden, im Binärmodus gescannt. Dieser Modus enthält nicht die Verbesserungen des strukturierten Parsing-Modus. Weitere Informationen finden Sie unter Strukturierte Dateien im strukturierten Parsing-Modus scannen.

Durch Trennzeichen getrennte Dateien de-identifizieren

Wenn Sie eine Datei mit Trennzeichen (z. B. eine CSV-Datei) mit einem Inspektionsjob de-identifizieren, enthält die Ausgabe möglicherweise zusätzliche leere Zellen in einigen Zeilen. Eine Problemumgehung, um diese zusätzlichen Zellen zu vermeiden, besteht darin, Daten stattdessen mit der Methode content.deidentify zu de-identifizieren.

Erkennung für Cloud SQL

Doppelte Security Command Center-Ergebnisse

Die Cloud SQL-Datenprofilerstellung unterstützt das Veröffentlichen von Ergebnissen im Security Command Center.

Vor dem 25. April 2024 hat ein Fehler dazu geführt, dass Sensitive Data Protection gelegentlich doppelte Ergebnisse für Cloud SQL-Instanzen in Security Command Center generiert hat. Diese Ergebnisse wurden mit eindeutigen Ergebnis-IDs generiert, beziehen sich aber auf dieselben Cloud SQL-Instanzen. Das Problem wurde behoben, aber die doppelten Ergebnisse sind noch vorhanden. Sie können die Duplikate ausblenden, um sie auf der Seite Ergebnisse des Security Command Center zu verbergen.

Erkennung für Amazon S3

Ergebnisse für Amazon S3, die Sensitive Data Protection an Security Command Center sendet, enthalten möglicherweise keine Informationen zur AWS-Konto-ID oder zum Anzeigenamen der betroffenen Ressource. Das passiert in der Regel in den folgenden Fällen:

  • Der AWS-Connector war nur etwa 24 Stunden gültig, als das Ergebnis an Security Command Center gesendet wurde.
  • Das AWS-Konto war erst seit etwa 24 Stunden im AWS-Connector enthalten, als das Ergebnis an Security Command Center gesendet wurde.

Um dieses Problem zu beheben, generieren Sie die Datenprofile nach etwa 24 Stunden neu, indem Sie sie löschen oder einen Profilierungszeitplan festlegen. Die vollständigen Ergebnisdetails werden an das Security Command Center gesendet.

Intelligentes Parsen von Dokumenten

In diesem Abschnitt werden bekannte Probleme im Zusammenhang mit dem Parsen von Dokumenten beschrieben.

Das Objekt DocumentLocation ist nicht ausgefüllt

Das Feld location.content_locations.document_location.file_offset wird für den Scanmodus "Intelligentes Parsen von Dokumenten" nicht ausgefüllt.

Erkennung

In den folgenden bekannten Problemen werden Probleme mit der Erkennung beschrieben, unabhängig davon, ob Sie eine Prüfung, De-Identifikation oder Erkennung durchführen.

Wörter aus dem Wörterbuch

Wörterbuchwörter, die Zeichen in der Supplementary Multilingual Plane des Unicode-Standards enthalten, können zu unerwarteten Ergebnissen führen. Beispiele für solche Zeichen sind Emojis, wissenschaftliche Symbole und historische Schriften.