Un singolo cluster Amazon Redshift è l'unica fonte di dati dell'azienda e contiene alcuni campi sensibili. Uno scienziato dei dati necessita dell'accesso ad alcune colonne sensibili senza alterare i dati di origine o archiviare copie anonimizzate nel database. Quale soluzione richiede il minor sforzo di implementazione?

Configurare policy di mascheramento dinamico dei dati (Dynamic Data Masking) è la soluzione con il minor sforzo perché Redshift supporta nativamente questa funzionalità. Permette di definire regole per mascherare i dati sensibili direttamente al momento della query, senza creare copie fisiche o alterare i dati originali. Lo scienziato dei dati può interrogare la tabella originale e vedere i dati mascherati in base alle policy applicate al suo ruolo. Creare una materialized view richiede la creazione e la gestione di un oggetto database separato, che aumenta lo sforzo di implementazione e manutenzione. Scaricare i dati su S3 e usare Athena o un job AWS Glue per anonimizzare i dati implica la creazione di copie dei dati, la gestione di un'infrastruttura aggiuntiva e un maggiore sforzo di implementazione e sincronizzazione, oltre a non soddisfare il requisito di non archiviare copie anonimizzate.