การทำความสะอาดและปิดบังข้อมูล

การใช้งาน Data Stores บน AWS

Dunieski Otano

AWS Solutions Architect

ไฟล์ล็อกที่เปิดเผยทุกอย่าง

• แอปพลิเคชันบันทึกกิจกรรมผู้ใช้เพื่อดีบัก
• ล็อกมีเลขประจำตัวประชาชน, หมายเลขบัตรเครดิต, รหัสผ่านครบถ้วน
• ล็อกถูกส่งไปยัง CloudWatch (ทีม dev เข้าถึงได้)
• การตรวจสอบการปฏิบัติตามกฎหมายพบการละเมิด: ถูกปรับ $2M

Data sanitization คืออะไร?

• นิยาม
  • การลบหรือปิดบังข้อมูลที่ละเอียดอ่อน
• เมื่อใดควรทำ
  • ก่อนบันทึกล็อก
  • ก่อนแสดงผลให้ผู้ใช้เห็น
  • ก่อนส่งข้อมูลให้บุคคลที่สาม
• เป้าหมาย
  • รักษาประโยชน์ใช้สอยพร้อมปกป้องความเป็นส่วนตัว

เทคนิคการปิดบังแบบสมบูรณ์

• ใช้กับ
  • รหัสผ่าน, API key, โทเค็น
• วิธีใช้งาน
  • แทนที่ทุกตัวอักษรด้วยเครื่องหมายดอกจัน
• ตัวอย่าง
  • "myPassword123" → "***"

เทคนิคการปิดบังบางส่วน

• ใช้กับ
  • เลขประจำตัวประชาชน, บัตรเครดิต, หมายเลขโทรศัพท์
• วิธีใช้งาน
  • แสดง 4 หลักท้าย ปิดบังส่วนที่เหลือ
• ตัวอย่าง
  • "123-45-6789" ==> "*--6789"
  • "4532-1234-5678-9010" ==> "--**-9010"

Hashing และ Tokenization

• Hashing
  • การแปลงทางเดียวสำหรับการวิเคราะห์ข้อมูล
  • "[email protected]" ==> "a3f7b2c9..."
• Tokenization
  • แทนที่ด้วยโทเค็นสุ่ม
  • เก็บข้อมูลการจับคู่อย่างปลอดภัย
• กรณีใช้งาน
  • การยืนยันรหัสผ่าน, การตรวจจับซ้ำ, การชำระเงิน, การปฏิบัติตามกฎหมาย

เทคนิคการลบข้อมูล (Redaction)

• ใช้กับ
  • การวินิจฉัยทางการแพทย์, ข้อมูลทางกฎหมาย
• วิธีใช้งาน
  • ลบเนื้อหาที่ละเอียดอ่อนออกทั้งหมด
• ตัวอย่าง
  • "Patient has diabetes" ==> "Patient has [REDACTED]"

การสร้างฟังก์ชันปิดบังข้อมูล

• สร้าง utility library
  • mask_national_id(), mask_credit_card(), mask_email(), mask_phone()
• ใช้งานอย่างสม่ำเสมอ
  • ก่อนบันทึกล็อก, แสดงผล, และส่งข้อมูล
• ห้ามเก็บข้อมูลที่ปิดบังแล้ว
  • เก็บข้อมูลต้นฉบับในรูปแบบเข้ารหัส แล้วปิดบังเมื่อส่งออก

การปฏิบัติตามกฎหมายและการทดสอบ

• ข้อกำหนด GDPR
  • การลดข้อมูลให้น้อยที่สุด, การจำกัดวัตถุประสงค์
• ข้อกำหนด HIPAA
  • มาตรฐานข้อมูลขั้นต่ำที่จำเป็น
• การทดสอบ
  • ทดสอบด้วยรูปแบบจริงและกรณีขอบเขต

มาฝึกกันเถอะ!

การใช้งาน Data Stores บน AWS