Debe preprocesar los datos de los clientes en un bucket de GCS restringido para análisis de consumidores, cumpliendo al mismo tiempo los requisitos de privacidad. ¿Qué enfoque debe utilizar?

La opción correcta aborda el preprocesamiento de datos sensibles para análisis, cumpliendo con la privacidad. Dataflow es ideal para el procesamiento de datos a gran escala, y la API de Cloud Data Loss Prevention (DLP) es la herramienta específica de Google Cloud para identificar y enmascarar datos sensibles, lo que permite su uso para análisis sin exponer la información original. Escribir los datos procesados en BigQuery es un paso lógico para el análisis. Las opciones incorrectas tienen fallas: CMEK cifra todo el bucket, pero no enmascara los datos para análisis. Las consultas federadas aún operarían sobre datos cifrados, no enmascarados. Compartir la clave de cifrado para el análisis de datos sensibles es un riesgo de seguridad. Eliminar campos sensibles podría resultar en la pérdida de datos valiosos para el análisis, en lugar de permitir su uso de forma segura. Cifrar campos sensibles con Cloud KMS y luego escribir los datos cifrados en BigQuery aún requeriría descifrado para el análisis, lo que no es tan eficiente o seguro como el enmascaramiento para este caso de uso. Compartir la clave de cifrado para el análisis de datos sensibles es un riesgo de seguridad.