apache / apache/parquet-java

Data obfuscation layer for encryption

Abierto
#2,211 0 comentarios 0 reacciones 0 asignados Ver en GitHub
Component: Parquet Priority: Major Type: enhancement
Lenguaje dominante
Java
Estrellas
3.1k
Forks
1.6k
Merge medio
3 d 12 h
PR fusionados (30 d)
33

Descripción

Data obfuscation in sensitive columns - for users without access to column encryption keys.
1. Implement on top of [basic Parquet encryption](https://github.com/apache/parquet-format/blob/encryption/Encryption.md) 
1. Built-in support for multiple masking mechanisms, with different trade-off between data utility, leakage, and size/throughput overhead
1. Provide interface for plug-in custom masking mechanism
1. Enable storing multiple masked versions of the same column in a file
1. Provide readers with explicit list of column’s masked versions in a file
1. Enable readers to select a masked version of a column
1. Stretch: Implement tools for analysis of file data privacy properties and information leakage
1. Stretch: Leverage privacy analysis tools for tuning file data anonymity
1. Optional: Support aggregated obfuscation

**Reporter**: [Gidon Gershinsky](https://issues.apache.org/jira/secure/ViewProfile.jspa?name=gershinsky) / @ggershinsky
**Assignee**: [Gidon Gershinsky](https://issues.apache.org/jira/secure/ViewProfile.jspa?name=gershinsky) / @ggershinsky
#### Related issues:
- [Parquet modular encryption](https://github.com/apache/parquet-java/issues/2110) (depends upon)
#### PRs and other links:
- [discussion googledoc](https://docs.google.com/document/d/1LMs74uhqvMNJacBySPnWq6tM8qIpgcIZz444c7vfibM/edit?usp=sharing)

**Note**: *This issue was originally created as [PARQUET-1376](https://issues.apache.org/jira/browse/PARQUET-1376). Please see the [migration documentation](https://issues.apache.org/jira/browse/PARQUET-2502) for further details.*

Guía de contribución

No hay ninguna guía de contribución indexada para este repositorio

Línea de trabajo

Empieza leyendo la especificación básica de cifrado de Parquet enlazada y el issue relacionado sobre cifrado modular; después, revisa el documento de discusión enlazado. El issue describe mecanismos de enmascaramiento, compatibilidad con plug-ins, varias versiones de columnas enmascaradas, selección por parte del reader y herramientas de análisis opcionales, pero no menciona archivos Java ni tests; para darlo por terminado habría que acordar ese diseño general e implementarlo.

Escrito por el modelo de indexación a partir del texto del issue.

Evaluación

Stack tecnológico
java
Área
cryptography, data-engineering, security
Tipo de issue
Nueva funcionalidad
Dificultad
5/5
Tiempo estimado
Más de una semana
Estado de actividad
Estancado
Claridad
Necesita aclaración
Aptitud para principiantes
20/100

Recibe los nuevos issues en tu correo

Un resumen breve de issues de GitHub para principiantes.