Propriétés du tDataMasking pour Apache Spark Batch

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.

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 modifier et comment les modifier

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

Les types de données supportés sont : Date, Double, Float, Integer, Long et String.

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

Function : sélectionnez la fonction qui masquera ou obscurcira les données originales avec des substituts. Par exemple, vous pouvez remplacer des chiffres ou des lettres par des substituts de votre choix, remplacer des valeurs par des synonymes d'un fichier index ou des valeurs nulles.

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

Par exemple, si le type de colonne est Long, vous pouvez utiliser la fonction Numeric variance. Si le type de colonne est String, la fonction Numeric variance sera indisponible. La liste Function pour une colonne de type Date est spécifique aux dates, elle vous permet de décider du type de modification que vous souhaitez effectuer sur les valeurs de date.

Method : Sélectionnez la méthode Basic ou un algorithme de chiffrement FF1 conservant le format (Format-Preserving Encryption, FPE) dans la liste, FF1 with AES ou FF1 with SHA-2 :

La méthode Basic est l'algorithme par défaut.

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.

Les méthodes FF1 with AES et FF1 with SHA-2 nécessitent un mot de passe à spécifier dans le champ Password or 256-bit key for FF1 methods de l'onglet Advanced settings afin de générer des valeurs masquées uniques.

La liste Alphabet est disponible uniquement pour les fonctions utilisant les algorithmes Format-Preserving Encryption.

Lorsque vous utilisez les fonctions de gestion des caractères (Character handling), comme Replace all (Remplacer tout), Replace characters between two positions (Remplacer les caractères entre deux positions), Replace all digits (Remplacer tous les chiffres) avec les méthodes FPE, vous devez sélectionner un alphabet.

Les caractères appartenant aux alphabets sélectionnés sont masqués par les caractères du même type de caractères dans l'alphabet sélectionné.

Lorsque vous sélectionnez l'alphabet Best guess, les valeurs masquées contiennent des caractères d'autres alphabets affichés dans les valeurs d'entrée. Best guess est l'alphabet par défaut.

Tout caractère non reconnu est copié à l'identique dans la sortie.

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 lors de l'utilisation des fonctions ou catégories Generate account number and keep original country, Generate credit card number and keep original bank, Bank Account Masking, Credit Card Masking, Phone Masking et SSN Masking. 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 Masking, les caractères de l'entrée qui ne sont pas des nombres restent inchangés dans la sortie.

Password or 256-bit key for FF1 methods : Configurez le mot de passe ou la clé secrète requis·e pour que les méthodes FF1 with AES et FF1 with SHA-2 génèrent des valeurs masquées uniques. Si aucun mot de passe n'est défini, un mot de passe aléatoire est créé à chaque exécution de Job. Lorsque vous utilisez les méthodes FF1 with AES et FF1 with SHA-2 et un mot de passe, la graine du champ Seed for random generator n'est pas utilisée.

Use tweaks with FF1 Encryption : Cochez cette case pour utiliser des tweaks. Un tweak unique est généré pour chaque enregistrement et s'applique à toutes les données d'un enregistrement. Si un masquage bijectif est nécessaire, n'utilisez pas cette fonctionnalité. Pour plus d'informations concernant les tweaks, consultez fonctions de masquage de données.

Use a column containing the tweaks : Disponible lorsque la case Use tweaks with FF1 Encryption est cochée. Cochez cette case pour utiliser une colonne d'entrée en entrée pour les tweaks, qui doivent être des chaînes de caractères comprenant 32 chiffres hexadécimaux.

Column containing the tweaks : Disponible lorsque la case Use a column containing the tweaks est cochée. Sélectionnez la colonne contenant les tweaks.

Key derivation function  : Sélectionnez la fonction de dérivation de clé. Les Jobs créés dans le Studio Talend 8.0 R2022-04 s'exécutent avec PBKDF2 with 300,000 iterations.

Lorsque vous importez un Job antérieur à la version 8.0 R2022-04 du Studio Talend, vous pouvez exécuter le Job avec 300 000 itérations. Les résultats seront différents par rapport à l'utilisation de 65 536 itérations.

Seed for random generator

Configurez un nombre aléatoire si vous souhaitez générer les mêmes échantillons de données de substitution pour chaque exécution du Job. La graine n'est pas configurée par défaut.

Si vous ne configurez pas la graine, le composant crée une nouvelle graine aléatoire pour chaque exécution du Job. Répéter l'exécution avec une graine différente pour ce champ génère un échantillon différent.

Sélectionnez l'encodage à partir de la liste ou sélectionnez Custom et définissez-le manuellement. Si vous sélectionnez Custom et que vous laissez le champ vide, les encodages supportés dépendent de la JVM que vous utilisez. Ce champ est obligatoire pour l'encodage de fichiers.

Output the original row

Cochez cette case pour écrire en sortie les données originales en plus des données de substitution. Il peut être utile d'écrire en sortie les données substituts et originales lors de débogages ou de tests.

Null input returns null

À partir de la version R2024-08 du Studio Talend, lorsque la case Null input returns null est cochée et que les données d'entrée sont null, la fonction de masquage n'est pas appliquée, la valeur null est retournée et les données d'entrée sont envoyées dans le flux principal.

Une entrée vide retourne une sortie vide

Lorsque cette case est cochée, les valeurs vides sont laissées inchangées dans les données en sortie. Sinon, les fonctions sélectionnées sont appliquées aux données d'entrée.

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

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