Etiket Bulutu

Benchmark Convert_IMplicit Database High Availability Database Mirroring datawarehouse dimension table dmv Dynamic Data Masking Execution Execution Plans fact table Failover Cluster Node ekleme Failover Clustering FileStream generate script High Availability Implicit Instant File Initialization index Kinect Linux Live Query Statistics Log Shipping Mirroring object explorer object explorer details ODBC Driver pass performance performance tuning Plan Handle Planü Power View reporting services rol Row Level Security script sql serer 2016 sql server SQL Server 2008 SQL Server 2008 Log Shipping SQL Server 2012 SQL Server 2012 installation SQL Server 2012 Kurulumu SQL Server Backup SQL Server da Backup planı SQL Server da Maintenance Plans oluşturma SQL Server database mirroring SQL Server Disaster Recovery sql server dynamic management views SQL Server Failover Cluster SQL Server High Availability SQL Server Log Shipping SQL Server Maintenace Plans sql server performans SQLDIAG SQLDIAG Troubleshooting T24 Temenos truncate table t-sql unique index performance 1. Dünya savaşı istatistikleri 1456 451 ACID advanced analytics Advanced Data Analytics Affinity algı Alter index Alter table ALTER TABLE .. ALTER COLUMN Altın Oran Always On ALWAYSON AlwaysOnDemoTool amazon web services kinesis AMR analiz analysis service Ankara Antivirus apache kafka Arduino Article Assembly asymmetric audit Authentication Auto Growth Availability Group azure Azure Backup azure event hub partition azure event hubs azure event hubs servisi azure event hubs veri edinme Azure File Share Azure Fiyatlandırma Azure HDInsight Azure Hizmet Modelleri Azure ML Azure New Portal Azure Pricing Azure Queue azure sql database configuration azure sql database kullanımı azure sql database stream veriyi tutma azure sql database table partitioning Azure Storage azure stream analytics azure stream analytics dashboard azure stream analytics ölçeklendirilmesi azure stream analytics servisi Azure Table BA Backup backup encyrption backupset Bakım BASE bellek Best Practice BI Semantic Model Big Data Big User blocking blocking disable trigger blocking enable trigger Buffer Cache buffer pool Buffer Pool Extension bulk logged Buluta Veri Depolama Buluttaki Disk Business Analytics Conference business intelligence Büyük Veri Case Central Management Server certificate changed data capture Cloud Computing Cloud DR CLR Cluster clustered columnstore index Clustered Index Code Snippets Cold Purging collation column store column-level columnstore ColumnStore Indexes Compress ComputerNamePhysicalNetBIOS Concurrency Conditions Contained Database Contained Databases convert CONVERT_IMPLICIT Corruption Credentials cube DAC Dashboard Tasarımı data cleansing Data Compression Data Consistency Model data encryption data matching data mining Data Page data profiling data quality Data Services Data Warehouse Design Database database list Database Management Sistem database master key Database Mirroring Database Snapshot database trigger database-level Data-Ink Ratio datasets datasource DataZen date date dimension db_owner DBA DBCC dbcc dropcleanbuffers dbcc freeproccache DBMS dbo user DDL deadlock debugging DecryptByKey DecryptByPassPhrase deleted bitmap delta store Denali Denali SSAS deny database list deşifre detail index developer DIFFERENTIAL BACKUP DirectQuery Dirty Read Disaster Recovery Distribution Yapılandırma Distributor Distributor Agent dm_server_services DMF DMO DMV document db dosya bazlı şifreleme dqs dr Dynamic Management Function Dynamic Management Object Dynamic Management View ecrypt Effected Report Design Techniques Eğitim EncryptByKey EncryptByPassPhrase encryption endpoint Environment Variable error Error 5030 Error Log Estetik Raporlama Estimated Rows Eş Zamanlılkk Etkili Rapor Tasarlama Teknikleri Etkinlik ETL event Event Viewer except;intersect;sql execution Execution Plan export formats extended events Extended Stored Procedure Facets Failover Failover Cluster fast n execution plan FETCH NEXT FILELISTONLY FILLFACTOR File Table file-level FileStream Filter Pack Filtered Index First_Value Flat File fn_repl_hash_binary Focal Point foreignkey FORMAT Forwarded Record forwarded_record_count ftp task FULL BACKUP Full Recovery Full-Text Search functions Gartner Geocluster Gerçek Zamanlı Dashboard gestalt Golden Ratio görsel duyu group by Güvenlik ha Hadoop hafıza Hash HASHBYTES HEADERONLY headers footers Heap Hekaton hicri High Availability hijr Hiyerarşi Hybrid Cloud IaaS Index Index Scan In-Memory InMemory DW In-Memory DW InMemory OLTP In-Memory OLTP Internet of People Internet of Things IO IOT IoT nedir Isolation Level indeks index inmemory in-memory oltp internet of things isolation level istatistik istatistikler İş zekası İzolasyon Seviyesi Job json json support knowledge base kolon-satır bazlı kurulum küp Lag Lansman latch Lead linked server lock locking locking hints Log Backup Log Reader Agent Log Shipping login Lost-Update LQS Machine Learning Maintenance Management Studio matrix Max Text Replication Size mdx memory Memory Optimization Advisor Memory Optimized Table Memory Optimized Tables merge Merge Agent merge kullanımı Merge Publication Merge Replication merge type 1 slowly changing dimension merge type 1 slowly changing dimension örneği merge type 1 vs type 2 scd merge type 2 slowly changing dimension merge type 2 slowly changing dimension örneği merge type 3 slowly changing dimension merge type 4 slowly changing dimension message Microsoft Advanced Data Analytics Çözümleri microsoft azure Microsoft Bulut Microsoft Sanal Akademi Microsoft SQL Server Microsoft SQL Server 2014 Yenilikleri Microsoft SQL Server 2016 Mirror mirroring missing index Monitoring move Msdb multi_user multiversion concurrency control MVP MVP Roadshow MySnippet Named Pipes Natively Store Procedures Natively Stored Procedures Nesnelerin İnterneti Network Binding Order NoEngine Approaches nonclustered columnstore index Non-Repetable Read NoSQL NoSQL Approaches NoSQL Dünyası object explorer Odak Noktası ODBC Office 365 Offline OFFSET olap OLAP Backup OLE DB OLTP Online Index order attributes Otomatik Büyüme OVER PaaS PAD_INDEX page out page properties PAGE RESTORE PAGEIOLATCH paging parameters partition partitioning PASS PASS Summit PASS Summit 2014 Performance Performance Tuning performans performans tuning Phantom Read pivot Policies Policy Based Management Filtreleme Policy Management Power BI Power BI Dashboard Power BI Rest API power bi power view PowerBI PowerBI for Office 365 powerbi PowerMap PowerPivot PowerQuery powershell powershell ile sql yönetimi PowerView PowerView raporlarının web sayfalarına gömülmesi precon Primary Key primarykey Project Deployment Model Project Variable Protokol Proxy Proxy Account Publisher Purging on Independent Tables QL Server 2014 Yenilikleri Que Reader Agent Query Plan query store R Range Raporlama Raporlama Projeleri için Strateji Belirleme Raporlama Projelerine Hazırlık Read Committed Read Uncommitted RealTime Dashboard Rebuild RECONFIGURE RECONFIGURE WITH OVERRIDE Recovery model Relational Engine relationships Rename SSRS Database Repeatable Read Replication Replication Monitoring replikasyon report manager web site report parts reporting service reporting services reporting servis Resource Governor RESTORE Restore Database Restore Generate Restore Generate Script Restore transaction log rollback rs Rule of Thirds sa user SaaS sayfalama scd 3 demo scd karşılaştırma scd type 4 demo Scheduling Schema Comparison script Security segment elimination select into Self-Service BI Semantic Search Serializable Server Core SERVERPROPERTY Service services shared data sources shared datasets Shared Memory sharepoint Sharepoint 2010 ShowPlan Shrink simple recovery sing_user sliding window Slowly Changing Dimension snapshot Snapshot Agent Snapshot Publication Snapshot Replication Snippet snowflake sorting sp_configure sp_describe_first_result_set sp_server_diagnostics sp_spaceused sql SQL Agent Job SQL Azure sql bilgi yarışması SQL CLR SQL DIAG SQL DIAG Performans verisi toplama SQL endpoint SQL Login SQL Onculeri SQL Öncüleri sql script sql server SQL Server 2005 SQL Server 2008 SQL Server 2011 CTP3 SQL Server 2011 Denali SQL Server 2012 SQL Server 2012 CTP3 SQL Server 2012 RC SQL Server 2012 RC0 SQL Server 2012 ShowPlan Enhancements SQL Server 2012 T-SQL Enhancements SQL Server 2014 Sql Server 2014 Cardinality Estimator SQL Server 2014 Yenilikleri sql server 2016 SQL Server 2016 New Features SQL Server 2016 Yenilikleri sql server agent sql server assembly ekleme SQL Server Authentication sql server cast ve convert sql server clr integration sql server clr kullanımı sql server clr örnek sql server cluster SQL Server Code Name Denali SQL Server da Kullanıcı Yaratma SQL Server Database Project sql server dmv ve dmf sql server execution plan temizleme SQL Server Express Backup sql server fast n option örneği sql server fast n seçeneği SQL Server login sql server management stdio sql server merge into örnek sql server merge komutu sql server merge performnas sql server merge type 1 scd sql server merge type 2 scd sql server merge type 3 scd SQL Server Mobile Report Publisher SQL Server Network Interface SQL Server Onculeri SQL Server Öncüleri SQL Server Öncüleri Ankara SQL Server Performance sql server performans SQL Server Profiler SQL server recovery model SQL Server Reporting Services SQL Server Restore Generate Script SQL Server sa SQL Server Security SQL Server SQL DIAG sql server tarih dönüşüm işlemi sql server tarihsel veriler ile çalışma SQL Server User SQL Server yetki SQL Server yetkilendirme sql servera .net kodu ekleme SQL Serverda yetkilendirme nasıl SQL Serverda yetkilendirme nasıl yapılır sql to oracle linked server sql türkiye SQL User With Password sql yarışma SQLCMD sql'den oracle'a linked server SQLDIAG SQLDIAG Report SQLOS sqlsaturay SQLSaturday SQLSaturday #182 SQLSaturday #359 sqlsaturday #451 sqlserveronculeri ssas SSAS 2012 SSIS SSIS 2012 ssis SSMS SSMS Project SSMS Solution ssrs Stanby Database star schema STOPAT STOPBEFOREMARK STORAGE Storage Engine stored procedure stream analytics job subreports Subscriber Subscription subscriptions symmetric SYS sys.dm_db_index_physical_stats sys.dm_db_index_usage_stats sys.dm_db_missing_index_columns sys.dm_db_missing_index_details sys.dm_db_missing_index_group_stats sys.dm_db_missing_index_groups sys.server_principals sysadmin System Databases System View şifre şifreleme table table difference TableHasClustIndex TableHasIdentity TableHasPrimaryKey Tablet PC Tabular Mode Tabular Model TCP/IP TDE Tempdb time series Transaction Transactional Publication Transactional Replication Transparent Data Encryption trigger Troubleshooting TRY_CONVERT TRY_PARSE tsql t-sql T-SQL 2012 tsql mistakes Undocument union unionall Updatable ColumnStore İndex upgrade Veri ambarı veri edinme seçenekleri Veri Güvenliği Veri Hizmetleri Veri madenciliği Veri Mürekkep Oranı Veri Tabanı Yönetim Sistemleri Veri Tipi Veri Tutarlılık Modelleri Veri Yönetimi Evrimi verinin evrimi Veritabanı oluşturmak VERİTABANI YEDEKLEME STRATEJİLERİ veritabanı yedeklerinin şifrelenmesi Veritabanı Yöneticisi Veritabanı Yönetimi VeritPaq view any database Visual Studio VTYS web services Webcast Windows 7 Windows 8 Windows Authentication Windows Azure Windows Failover Clustering wmi WRITELOG xevents xp_sqlagent_enum_jobs YEDEKLEME STRATEJİLERİ Yedekli Çalışma Yetkilendirme Yiğit Aktan ysfkhvc yusuf kahveci Yüksek Erişilebilirlik Yüksek Süreklilik zip

SQL Server 2016 Dynamic Data Masking

Ekleyen: Ismail ADAR Doğan Online Database Administrator Tarih:18.03.2016 Okunma Sayısı:1818


SQL Server 2016 ile beraber gelen önemli güvenlik özelliklerinden biri Dynamic Data Masking özelliğidir. Bu özellik sayesinde SQL Serverda tutulan ve sorgulama yapan kullanıcılardan gizlemek istediğimiz önemli verilerimizi kolayca maskeleyebiliyoruz. Maskeleme kavramını biraz açacak olursak, maskeleme işlemi temelde var olan veriyi değiştirmeden sadece kullanıcıya gösterirken verinin aslını değil bir kısmının gizlenerek gösterilmesidir. Örneğin hemen hemen bir çok online satış yapan firmada müşteriye ait kredi kartı numarası, TC kimlik numarası, telefon numarası gibi hassas verilerin her kullanıcı tarafından görülmesini istemeyiz.

SQL Server 2016 öncesinde yetkisiz daha doğrusu sınırlı yetkiye sahip kişilerin görmesini istemediğimiz verilerimiz için bu kişilere tablo üzerinde sorgulama yetkisi vermek yerine bir View oluşturarak, View içindeki sorgumuzda istediğimiz veriyi SQL Server fonksiyonları ile maskeleyip kullanıcılarımıza tablo yerine bu View üzerinde yetki veriyorduk. Oysa SQL Serverın 2016 versiyonu ile birlikte tablomuzdaki veriyi fiziksel olarak değiştirmeden maskeleyebiliyoruz.

Maskeleme işlemi her ne kadar bir güvenlik önemli olarak görünse bile buradaki asıl amaç tablomuzdaki veriye kasıtlı erişim yetkisi bulunan, daha açık bir ifadeyle tablomuz üzerinde sadece select ile sorgulama yetkisi bulunan bir kişinin veriyi açıkça görmesini engellemektir. Örneğin günlük hayatta sık kullanılan şirketlerde raporlama departmanlarında rapor için SQL Server üzerinde sorgu yazan kişilerin üyelere ait tabloda sorgulama yetkisinin olması gerekiyor fakat bu tablodaki telefon numarası veya TC kimlik numarası gibi hassas verileri açıkça görmesine gerek duyulmayabilir. İşte bu durumlarda Dynamic Data Masking özelliğini kullanmak faydalı olacaktır.

Dynamic Data Masking özelliğini hem tablolarımızı oluştururken tanımlayabildiğimiz gibi hem de var olan tablomuzdaki kolonlarımız içinde kullanabiliriz. Tablolarımızdaki kolonlarımız için Dynamic Data Masking özelliğini kullandığımızda verilerimizi maskelemek için aşağıdaki üç fonksiyondan bir kullanılabilir.

Default:

Default fonksiyonu ile beraber maskelemek istediğimiz veri, metinsel bir veri ise bu veriyi XXXX olarak maskeler. Eğer verinin boyutu 4 karakterden az ise daha az X kullanılır. Ayrıca SQL Serverda var olan char, nchar, varchar, nvarchar gibi metinsel veriler desteklenmesine rağmen CTP 2.1 sürümünde bu veri tipleri için max boyut parametresi desteklenmemektedir.

Default fonksiyonu ile beraber maskelemek istediğimiz veri, numerik bir veri ise SQL Server maskeleme işlemi için 0(Sıfır) kullanacaktır.

Default fonksiyonu ile beraber maskelemek istediğimiz veri, tarihsel bir veri ise bu veri yerine varsayılan bir tarih olan 01.01.2000 00:00:00.0000000 değeri gösterilecektir.

Default fonksiyonu ile beraber maskelemek istediğimiz veri, binary veri ise SQL Server 0 değerinin ASCII karşılığını kullanacaktır.

Email:

Maskeleme işleminde kullanabileceğimiz bir diğer fonksiyonumuz ise Email fonksiyonudur. Adında da anlaşılabileceğini gibi email adresi verilerini kolayca maskelemek için kullanılan bu formatta verimizin ilk harfi ile beraber metinsel verilerde kullanılan X karakteri kullanılarak iXXX@XXXX.com formatında verilerimiz maskelenecektir.

Partial:

Maskeleme işleminde bizim belirleyeceğimiz formata göre maskeleme işleminin yapılmasını sağlayan fonksiyondur. Diğerlerine göre daha esnek olan Partial fonksiyonunda maskelemek istediğimiz verinin tipinden bağımsız olarak son kullanıcıya nasıl görüneceğini biz belirtebiliriz. Örneğin Email fonksiyonunda kullanıcıya email adresinin sadece ilk harfi gösteriliyordu. Partial fonksiyon ile biz ilk üç karakterinin gösterilmesini sağlayabiliriz. Ayrıca Default fonksiyonundan farklı olarak sadece X karakterini değil istediğimiz herhangi bir ifadeyi de maskeleme işlemi için kullanabiliriz. Çok kullanılışlı olan Partition fonksiyonun parametre yapısı aşağıdaki gibidir.

Partial(prefix,[padding],suffix)

Yukarıdaki kullanımda prefix ile ilk kaç karakterin görüntüleneceği belirtilirken, [padding] ifadesi ile maskeleme için kullanılacak ifade belirtilmekte olup son parametre olan suffix ise sondan kaç karakterin görüneceğini belirtmektedir.

Dynamic Data Masking özelliğine bu kadar değindikten sonra şimdi biraz örnek yapalım. Örneğimiz için müşterilerimize ait bilgileri tuttuğumuz aşağıdaki gibi bir tablo oluşturalım ve tablomuzu oluşturduğumuz zaman hassas veri bulunan bazı kolonlarımızdaki verilerimizi yukarıda değindiğimiz fonksiyonlarımızı kullanarak maskeleyelim.

CREATE TABLE Member
  (
   MemberID int IDENTITY PRIMARY KEY,
   FirstName varchar(100),
   LastName varchar(100) NOT NULL,
   Gender char(1) MASKED WITH (FUNCTION = 'default()') NULL,
   City varchar(50) NULL,
   IdentityNumber int MASKED WITH (FUNCTION = 'default()') NOT NULL,
   Phone varchar(12) MASKED WITH (FUNCTION = 'default()') NULL,
   Email varchar(100) MASKED WITH (FUNCTION = 'email()') NULL,
   CreditCardNumber varchar(50)  MASKED WITH (FUNCTION = 'partial(1,"XXXXXXX",0)') NULL,
   Createdate datetime NULL
   )
 
GO
 
insert into Member values
   ('Ali','Duru','E','İstanbul',123456,'54100000000','ali@duru.net','4345219895859409',GETDATE()),
   ('Ahmet','Korkmaz','E','Ankara',234456,'53200000000','crazyahmet@gmail.com','45565433456654409',GETDATE()),
   ('Zeynep','Çalışkan','K','İstanbul',987877,'21200000000','zcaliskan@hotmail.com','8765445676543457876',GETDATE()),
   ('Emre','Yıldız','E','İstanbul',2346543,'21600000000','emreyildiz@gmail.com','1234566543278876543',GETDATE())

Yukarıdaki gibi tablomuzu oluşturup 4 tane örnek kayıt insert ettikten sonra şimdi tablomuzu aşağıdaki gibi sorgulayıp kayıtlarımızı görelim.

Select *
From Member

Yukarıdaki resimde gördüğünüz gibi eklediğimiz 4 tane kaydın tüm bilgilerini açıkça görebiliyorum. Şimdi örnek için aşağıdaki gibi bir tane kullanıcı oluşturup bu kullanıcıya tablomuzu sorgulama yetkisi verelim.

CREATE USER TestUser WITHOUT LOGIN
GO
GRANT SELECT ON Member TO TestUser

Yukarıdaki gibi TestUser adında bir kullanıcı oluşturup bu kullanıcıya tablomuz üzerinde Select yani sorgulama yetkisi verdikten sonra bu kullanıcı ile tablomuzu sorgulayıp sorgu sonucumuzu inceleyelim.

EXECUTE AS USER = 'TestUser'
SELECT * FROM Member
REVERT

Yukarıdaki resimde gösterilen sorgumuzun sonucunu inceliğimizde tablomuzu oluştururken kullandığımız maskeleme fonksiyonları sayesinde sadece Select yetkisi olan bir kullanıcının verimizi maskelenmiş olarak gördüğünü görebiliyoruz. Ayrıca dikkat ederseniz Gender kolonundaki veri boyutu tek karakter olduğu için diğer kolonlardan farklı olarak onun için sadece bir tane X karakteri kullanılmıştır. Benzer olarak default fonksiyonunu kullandığımız IdentityNumber kolonunda ise değerler numerik olduğu için verimizin yerine 0(Sıfır) kullanılmıştır. Email verimiz için standart email fonksiyonunu kullandık. CreditCardNumber kolonunda ise sadece kredi kartı bilgisinin ilk kolonu görüncek şekilde partial fonksiyonunu kullanmış olduk.
Tablomuzu ilk oluşturduğumuzda kolonlarımızı nasıl maskelediğimizi gördük. Şimdide var olan tablolarımızda maskeleme işlemi yapılmamış tablolarımızdaki kolonlarımızın nasıl maskelendiğini görelim. Bunun için tablomuzda bulunan LastName kolonundaki verilerimizi de maskeleyelim.

ALTER TABLE Member
ALTER COLUMN LastName 
ADD MASKED WITH (FUNCTION = 'partial(2,"XXX",0)')

Yukarıdaki kodumuzu incelediğimizde ALTER COLUMN komutu ile beraber ADD MASKED ifadesi ile yukarıda değindiğimiz fonksiyonlardan birini kullanarak maskeleme işlemini yapıyoruz. Örneğimizde LastName kolonumuzdaki verilerin ilk iki harfi görünecek şekilde kalanlarının ise X olarak görüneceği şekilde maskele işlemini yapmış olduk.

Yukarıdaki işlemimizden sonra şimdi sorgumuzu tekrar çalıştırıp kolonumuzdaki verimizin maskelenip maskelenmediğini kontrol edelim.

EXECUTE AS USER = 'TestUser'
SELECT * FROM Member
REVERT

Yukarıdaki resimde gördüğümüz gibi LastName kolonundaki verimizin de maskelendiğini görebiliyoruz. Var olan tablomuzdaki herhangi bir kolondaki verimizi nasıl maskeleyebileceğimizi gördük. Şimdide maskelenmiş bir kolondan maskeleme işlevini nasıl kaldırabileceğimize değinelim. Bunun içinde ALTER COLUMN komutunu aşağıdaki gibi kullanmamız gerekiyor.

ALTER TABLE Member 
ALTER COLUMN LastName DROP MASKED

Bu işlemden sonra sorgumuzun sonucunu kontrol edip maskeleme işleminin LastName kolonundan kaldırılıp kaldırılmadığını kontrol edelim.

EXECUTE AS USER = 'TestUser'
SELECT * FROM Member
REVERT

Yukarıdaki resimde de gördüğümüz gibi LastName kolonundan maskeleme fonksiyonunu kaldırmış olduk. Böylece kullanıcılar veriyi açık bir şekilde görebiliyor. Fakat bu şekilde bir kolondan maskeleme fonksiyonunu kaldırmadan belli kullanıcıların veriyi açıkça görmesini istiyorsak, ilgili kullanıcılara UNMASKED yetkisi vermemiz gerekiyor. Bu yetkiyi SQL Serverda standart olarak yaptığımız yetkilendirme yapısının aynısını kullanabiliriz. Şimdi örneklerimizde kullandığımız kullanıcımız için UNMASK yetkisi verip sorgu sonucumuzu kontrol edelim.

GRANT UNMASK TO TestUser;
 
EXECUTE AS USER = 'TestUser'
SELECT * FROM Member
REVERT

Yukarıdaki resimde gördüğümüz gibi kolonlarımız için maskeleme fonksiyonunu kullanmış olmamıza rağmen sorgu sonucunda tüm kolonlarımızdaki verimiz açıkça görülebiliyor bunun sebebi ise kullanıcımıza vermiş olduğumuz UNMASK yetkisidir.

 

yorum yaz

Üye Girişi

Kullanıcı Adınız

Şifreniz

Şifremi Unuttum

Arkadaşına Tavsiye Et

Tavsiye edebilmek için siteye giriş yapmalısınız