Masquage de données pour Apache Hive

Introduction

La protection des informations sensibles est primordiale. Apache Hive, largement utilisé pour l’entreposage de données et l’analyse, gère d’énormes quantités de données structurées, contenant souvent des informations sensibles telles que des informations personnelles identifiables (PII) et des relevés financiers. La mise en œuvre du masquage de données pour Hive assure la sécurité des données, la conformité aux exigences réglementaires et minimise le risque d’accès non autorisé.

Qu’est-ce que le masquage de données ?

Le masquage de données est une technique utilisée pour protéger les données sensibles en remplaçant les valeurs originales par des données fictives ou obfusquées. Cela permet aux organisations de conserver la valeur des données pour l’analyse et le développement tout en protégeant les informations confidentielles.

Le masquage de données peut être mis en œuvre sous forme de processus statiques ou dynamiques. En ce qui concerne la modification des données, divers mécanismes interviennent, chacun offrant des approches uniques pour protéger les informations sensibles. Différentes situations nécessitent diverses techniques de masquage. Voici quelques types courants de masquage de données :

• Masquage statique des données : Masque les données au repos en les remplaçant dans la base de données.
• Masquage dynamique des données : Masque les données en temps réel lors de l’exécution des requêtes sans altérer les données originales.
• Masquage des données sur place : Applique le masquage directement aux données stockées sans les déplacer ou les copier.

Techniques supplémentaires de protection des données

Bien que n’étant pas strictement du masquage de données, les organisations combinent souvent le masquage avec ces mesures de sécurité complémentaires :

• Tokenisation : Remplace les données sensibles par des jetons uniques tout en maintenant l’intégrité référentielle.
• Chiffrement : Protège les données en les convertissant en un format illisible, réversible avec une clé de déchiffrement.

Techniques de masquage de données dans Hive

La protection des données sensibles dans Apache Hive nécessite des stratégies de masquage efficaces afin d’empêcher l’accès non autorisé tout en maintenant la facilité d’utilisation des données. Voici quelques techniques couramment utilisées pour implémenter le masquage de données dans les environnements Hive.

1. Utilisation des vues Hive pour le masquage de données

L’approche basée sur les vues est l’une des méthodes les plus simples pour mettre en œuvre le masquage de données sans outils supplémentaires. Elle vous permet de :

• Définir une logique de filtrage complexe
• Maintenir la sécurité au niveau SQL
• Appliquer différentes vues pour différents utilisateurs
• Tirer parti du cadre d’autorisation existant de Hive

Exemple : Masquage des numéros de sécurité sociale (SSN)

Considérons un scénario où les numéros de sécurité sociale doivent être masqués pour cacher les informations sensibles aux utilisateurs non autorisés.

CREATE TABLE users (
    id INT,
    ssn STRING,
    name STRING
);

INSERT INTO users VALUES (1, '123-45-6789', 'Alice'), (2, '987-65-4321', 'Bob');

CREATE VIEW masked_users AS
SELECT 
    id, 
    CONCAT('XXX-', SUBSTR(ssn, -4)) AS masked_ssn, 
    name 
FROM users;

SELECT * FROM masked_users;

Sortie attendue :

id	masked_ssn	name
1	XXX-6789	Alice
2	XXX-4321	Bob

Avantages du masquage basé sur les vues :

• Mise en œuvre simple avec SQL.
• Aucun outil supplémentaire requis.
• Fournit une protection des données au niveau des colonnes.

2. Approche de virtualisation des données pour la sécurité au niveau des lignes (RLS) dans Hive

Comme Hive ne prend pas en charge nativement la sécurité au niveau des lignes (RLS), une solution de virtualisation des données peut être utilisée pour obtenir un résultat similaire en redirigeant les requêtes vers des vues masquées.

Fonctionnement

1. Restreindre l’accès à la table originale.
2. Créer une vue masquée dans un schéma spécifique à l’utilisateur.
3. Définir le schéma par défaut de l’utilisateur pour interroger automatiquement la vue masquée.

Exemple : Masquage des SSN pour un analyste

CREATE DATABASE analyst1_db;

CREATE VIEW analyst1_db.users AS 
SELECT id, CONCAT('XXX-', SUBSTR(ssn, -4)) AS ssn, name 
FROM default.users;

Sortie attendue :

Lorsque l’analyste exécute :

SELECT * FROM users;

Il interrogera la vue masquée (analyst1_db.users), garantissant ainsi la protection des données.

Résultats de requête attendus

Requête exécutée	Table accédée	Résultat (Masqué/Non masqué)
SELECT * FROM users; (Analyste)	analyst1_db.users	Masqué (XXX-6789)
SELECT * FROM users; (Administrateur)	default.users	Non masqué (123-45-6789)

Cette technique de virtualisation des données offre une solution pratique pour Hive, mais n’est pas un substitut parfait à la sécurité au niveau des lignes. Elle peut ajouter de la complexité avec des schémas spécifiques à l’utilisateur et provoquer une confusion si elle n’est pas correctement documentée. Pour une solution plus robuste, envisagez d’intégrer Apache Ranger ou d’autres outils dédiés.

3. Masquage de données pour Apache Hive avec Apache Ranger

Apache Ranger offre un contrôle d’accès centralisé avec des capacités de masquage fines. Ranger permet :

• Masquage statique : Des transformations fixes telles que le remplacement des valeurs par des valeurs nulles ou des constantes.
• Masquage dynamique : Des transformations basées sur le rôle de l’utilisateur, où la visibilité des données sensibles dépend des permissions.

Exemple : Application d’une politique de masquage dans Apache Ranger

1. Définir une politique de masquage des données dans Ranger pour la table users.
2. Définir des règles de masquage au niveau des colonnes pour la colonne ssn.
3. Attribuer des rôles pour contrôler quels utilisateurs voient les valeurs masquées ou non masquées.

Résultats de la requête pour l’exemple de politique Ranger :

Utilisateur	Colonne	Résultat de la requête
Analyste	ssn	Masqué avec NULL
Invité	ssn	Masqué avec NULL
Administrateur	ssn	Non masqué

Masquage de données pour Apache Hive avec DataSunrise

1. Connectez votre instance Hive à DataSunrise

Une fois DataSunrise installé, configurez-le pour se connecter à votre environnement Hive en spécifiant les paramètres de connexion.

2. Définissez les règles de masquage

Créez des règles de masquage de données dans DataSunrise pour spécifier quelles colonnes doivent être masquées et les méthodes de masquage à appliquer. DataSunrise prend en charge à la fois le masquage de données dynamique et statique, chacun étant configurable dans leurs sections d’interface respectives. Pour cette démonstration, nous nous concentrons sur le masquage dynamique, en spécifiant exactement les données à masquer.

3. Testez et validez

Exécutez des requêtes pour vérifier que le masquage des données est appliqué correctement sans impacter les performances des requêtes.

Conclusion

Le masquage des données est essentiel pour sécuriser les données sensibles dans Apache Hive et garantir la conformité réglementaire. Bien que les vues Hive et la virtualisation des données offrent des capacités de masquage de base, elles nécessitent souvent une configuration manuelle et manquent de flexibilité. Apache Ranger fournit un contrôle centralisé, mais peut être complexe à gérer et à configurer efficacement.

DataSunrise offre une solution supérieure, fournissant un masquage des données dynamique et statique avec un impact minimal sur les performances. Son interface intuitive, ses politiques flexibles et son intégration transparente avec Hive en font le choix idéal et évolutif pour renforcer la sécurité des données.

DataSunrise propose des fonctionnalités avancées de sécurité des bases de données, y compris l’audit, le masquage et la découverte des données. Planifiez une démo en ligne pour voir comment nous pouvons vous aider à sécuriser vos données stockées dans Hive.