Выполните предварительную обработку данных клиентов из ограниченного бакета GCS для аналитики в масштабах всей организации, защищая конфиденциальные поля, но сохраняя полные данные для будущего использования; соблюдайте требования конфиденциальности данных.

Правильный ответ — использование Dataflow с DLP API для маскирования конфиденциальных данных, а затем запись обработанных данных в BigQuery. Этот подход позволяет выполнить предварительную обработку данных (Dataflow), обнаружить и преобразовать конфиденциальные поля (DLP API) для соблюдения требований конфиденциальности, но при этом сохранить полные данные для будущего использования (маскирование, а не удаление). Запись в BigQuery обеспечивает доступность для аналитики. Неправильные варианты: Удаление конфиденциальных полей (первый вариант) не соответствует требованию сохранения полных данных для будущего использования. Шифрование всего бакета GCS с CMEK (второй вариант) не решает проблему обработки конфиденциальных полей внутри данных для аналитики, а лишь защищает данные при хранении. Федеративные запросы не обрабатывают данные, а только предоставляют доступ. Шифрование конфиденциальных полей с Cloud KMS (четвертый вариант) не позволяет проводить аналитику по этим полям, так как они остаются зашифрованными. DLP API специально разработан для обнаружения и преобразования конфиденциальных данных.