Amazon Redshift 的数据驻留
对 Amazon Redshift 中的受监管数据进行编辑和匿名处理
继续整合全球数据并保持本地合规性
在数据加载之前通过完全编辑和匿名化将受监管的数据与 Amazon Redshift 隔离。 通过将本地监管数据与全球数据相结合，继续获得全球洞察并执行本地分析。
Amazon Redshift 与 InCountry
InCountry 与 Lambda Data Loader 数据加载流程无缝集成，可轻松融入现有工作流程。 Python 脚本通过连接 InCountry 在每个国家/地区的本地服务器来编辑受监管的字段并用匿名值替换它们，从而简化了流程。 可以在 InCountry 的基础设施内安全地管理监管数据，以实现本地分析，将本地化监管数据与全球数据集合并。
- 监管字段的动态编辑
- 灵活的匿名化方法，例如标记化、散列和屏蔽算法
- 用于跟踪数据修改的综合审核日志
支持本地和全球分析和应用程序
- 全球商业智能和报告工具继续在完全屏蔽监管数据的情况下运行
- 本地用户可以使用本地监管数据以及来自全球仓库和数据湖的数据创建仪表板和报告
- 使用查询过滤器、字段级访问控制、字段掩码和 CRUD 控制为用户和应用程序组定义精细的访问策略
Amazon Redshift 的国内数据驻留
特征
- 与 Lambda Data Loader 直接集成
- 管道或工作流程没有变化
- 灵活的标记化、散列和屏蔽算法
好处
- 遵守跨境数据传输法规
- 从受监管的数据处理中解构 ETL 和 Lambda Data Loader
- 从受监管的数据处理中解构 ETL 和 Lambda Data Loader
这个怎么运作
使用跨境受监管数据识别 ETL 文件流程
在调用 InCountry REST API 的国家/地区使用 Python 脚本对受监管的数据进行编辑和匿名化
继续使用 ETL 和 Lambda Data Loader
通过将本地监管数据与全球数据相结合来执行本地分析