g9 Anonymizer
Innføringen av GDPR har store konsekvenser for behandlingen av personlige og sensitive data. g9 Anonymizer gir verktøystøtte for enkelt å lage programmer som understøtter funksjonelle krav som GDPR pålegger og g9 Anonymizer kan produsere databaser anonymisert for test- og utviklingspersonell.
g9 Anonymizer hjelper deg med
Hvordan virker det?
g9 Anonymizer: Endrer data ved hjelp av maskering og anonymisering
- Gjør data ugjenkjennelig: du kan maskere, permutere og randomisere data med input fra mange kilder
- Gjør det mulig å anonymisere personidentifiserbare data som navn og fødselsnummer
- Definer maskerings- og anonymiseringsregler med sekvens, tilfeldig valg, data fra filer eller databasekolonner
- Bestem hvilke data som skal maskeres ved hjelp av logiske uttrykk og parametre
- Masker data for utviklere i test/utvikling uten at de kan identifisere sensitiv informasjon
- Utvid med algoritmer for typekonvertering og verditransformasjon, som sikrer riktig verdi og syntaks
- Definer dine egne regler i jobber, som kjøres separat eller samlet
g9 Anonymizer: Lager et “subset” av databasen for test og utvikling
- Reduser databasestørrelsen for testformål. En produksjonsdatabase er ofte stor, og det tar tid å kopiere. En database med redusert størrelse gjør hverdagen enklere for utviklere
- Fjerning av dataforekomster bruker referanseintegritet i full dybde. En liten regel kan fjerne data fra mange tabeller som avhenger av hverandre
- Du kan legge til avhengigheter hvis fremmednøkler mangler
- Skaler ned, men behold representative data for test
g9 Anonymizer: Oppretter syntetiske data for å håndtere testene dine
- Kom fort i gang fra en tom database ved å legge til innhold definert av regler
- Lag data som støtter dine definerte tester
- Innlegging av nye data støtter referanseintegritet i full dybde
- Legg til data i medlemstabeller med fleksibel distribusjon av fremmednøkler på tvers av alle tabeller
- Utvid med egendefinerte algoritmer for distribusjon av medlemsdata og fremmednøkler
g9 Anonymizer: Samme maskering på tvers av mange tabeller og databaser sikrer konsistens
- Støtter referanseintegritet over mange tabeller i full dybde
- Manuelt definerte avhengigheter vil oppføre seg på samme måte som fremmednøkler
- Legg til integritet for logiske pekere mellom databaser ved bruk av mapping og kryptering
- Det genererte programmet kan kjøres mot ulike RDBMSer
g9 Anonymizer: Beskytter utviklere mot personidentifiserbare data
- Utviklere/testere blir ofte eksponert for data de ikke skulle se
- Bruk g9 Anonymizer for å anonymisere, maskere, subsette og lage data for test- og utviklingsdatabaser
- g9 Anonymizer forbedrer og akselererer utvikling av maskerte og anonymiserte data
- GDPR endrer utviklingsprosessene
g9 Anonymizer: Importerer “schema” rett fra din database
- En wizard guider deg gjennom oppsettet av et g9 Anonymizer prosjekt
- Legg til en databasedriver og definer parametre for databasekobling
- Importer databaseschema og du kan sette i gang med å definere regler
g9 Anonymizer: Definerer regler på en intuitiv og brukervennlig måte i en editor
- “Database pane” viser nødvendig schema informasjon
- “Task pane” for definisjon av maskerings- og anonymiseringsregler
- “Property View” for å definere og se alle regeldetaljer
- “Problems View” som viser feil og advarsler for definerte regler
- “Project Explorer” som viser generert javakode
g9 Anonymizer: Genererer programmet som maskerer og anonymiserer data
- Genererer et program fra dine definerte maskering- og anonymiseringsregler
- Programet gjør alt, du må bare kjøre det
- Ingen “lock-in”, du kan vedlikeholde den genererte koden uavhengig av verktøyet
- Supporterer JDBC baserte RDBMS some Oracle, SQL Server, Sybase, MySQL, PostgreSQL
- Kan kjøres som CLI program eller bakes inn i en applikasjon
- Enkelt, repeterbart, og lett å bruke. Du kan kjøre det generererte programmet mange ganger
