从Data Masking看Oracle体贴的一面

seaisi 2008-12-26 06:17:07
一直以来Oracle在我们心目中的形象总是一个技术高超的大师,或者是一个精明的商人,又或者因为连续的大笔收购而得来的新称号“大胃王”。总之无论如何是跟“体贴”扯不上半毛钱关系。



但是当我了解到Oracle Data Masking,我仿佛看到了Oracle从未在世人面前展示过的温柔体贴的一面。



有人要问了,何为Data Masking?它的诞生起源于解决从生产环境的数据向测试环境(或者开发环境)导入时可能会产生的数据内容安全问题。为什么要说这个功能很体贴呢。做过大型企业信息化项目实施的同学应该都深有体会。在做项目的时候,为了测试系统需要大量的数据做功能测试、性能测试和模拟测试。这些数据的要求是,首先要够真实,其次要很大量。这样才能完全模拟实际应用中的环境。



企业是不会把真实的数据拿出来给你随便使用的,这里面涉及商业机密和数据安全的问题。那么怎么办,只能是在了解数据规则、格式和关联关系的基础上凭空捏造。或者自己写转换程序把生产数据导出、转换。自己编数据工作量太大,正确性也没有保证。写转换程序也难免出错。



现在这些问题,Oracle都替你想到了,还给你找了个小蜜叫Data Masking。通过克隆原始数据,然后做Masking转换,最后输出一个和原数据格式、关联一模一样的虚拟数据。可以说是最“真实”的“假数据”。



如果说假证,假药,假酒是祸害,那克隆真实的“假数据”就是是名副其实的贤内助。
...全文
271 13 打赏 收藏 转发到动态 举报
写回复
用AI写文章
13 条回复
切换为时间正序
请发表友善的回复…
发表回复
changemy 2008-12-31
  • 打赏
  • 举报
回复
真想知道Data Masking是怎样做成的哦~ 就连身份证和手机号都伪装像真的一样
h303100958 2008-12-31
  • 打赏
  • 举报
回复
如果将来需要重新克隆和Mask数据,这些独立于数据库保存的模板可以重用??masking定义可重用??
lishayang 2008-12-31
  • 打赏
  • 举报
回复
接触ODM前想过自己制造数据,虽然勉强完成功能测试,但由于制造的数据量有限,完全不能满足应用上线前的性能测试,支撑能力测试,试运行,甚至会误导测试结果。结果在工作汇报中露馅了 你说晕不~ 所以说这方面最讲究的是真实了
chuquannvlang 2008-12-31
  • 打赏
  • 举报
回复
晕! 那不是说Masking可以让人不要再去做费力不讨好的事了~ o(∩_∩)o...大快人心
jiakechonga 2008-12-31
  • 打赏
  • 举报
回复
很同意楼主的观点。。。
filec75 2008-12-30
  • 打赏
  • 举报
回复
jf
kuahuijing 2008-12-30
  • 打赏
  • 举报
回复
Data Masking-克隆“真实”的假数据 哈哈 俺公司也在用
jingugoyingxiong 2008-12-30
  • 打赏
  • 举报
回复
Oracle也许是最流行的服务器,占有最大的市场份额.难怪Data Masking这么好用
siledouyaosha 2008-12-30
  • 打赏
  • 举报
回复
编测试数据绝对是个费力不讨好的活。但是人家甲方怕泄密,就不给你生产数据,这也是没办法的事情。苦就苦了我们这些干活的马仔。一定要弄一个Data Masking试试。
jianhuolo 2008-12-30
  • 打赏
  • 举报
回复
难得啊~JS也有体贴的一面。Data Masking虽说是个小功能,但能解决我们的大问题。
changemy 2008-12-30
  • 打赏
  • 举报
回复
告诉你吧~~ 如果你是开发商的DBA,不要再去做费力不讨好的事了,Data masking可以帮你快速生成一份不包含敏感信息的“真实”测试数据;
seaisi 2008-12-26
  • 打赏
  • 举报
回复
关于Oracle 的数据库有很多新资料现在可以在官网下载,还有官方提供的试用软件,想要的直接下载吧:http://wmdata.com.cn/oracle/iwom-DBO/index.asp?frm=2
内容概要:本文探讨了将ChatGPT与工业领域结合的应用路径,提出通过将个人工作记录持续输入ChatGPT,将其培养成具备个体经验的工业AI助手。作者结合自身作为设备工程师的实际工作场景,开展实验验证:通过多次录入电机、轴承等设备的振动分析数据与诊断结论,测试ChatGPT在不同数据相似度下的响应表现。实验表明,当输入数据与历史记录高度一致时,ChatGPT能准确复现原有判断;随着工作记录积累越完整,其推理和关联能力越强,未来有望复制个人专业经验。文章强调,工业场景缺乏基础数据,难以直接用新技术解决老问题,因此“人即AI,AI即人”的渐进式融合路径更具可行性。 适合人群:从事工业设备管理、状态监测、故障诊断的工程师,以及关注AIGC在垂直行业落地的技术研究人员。 使用场景及目标:①构建基于个人经验的工业AI助手,辅助设备故障诊断决策;②探索大模型在数据稀缺工业场景下的可持续训练路径;③实现经验知识的数字化沉淀与智能复用。 阅读建议:此资源侧重于理念创新与实验验证,读者可借鉴其方法论,结合自身工作流持续输入专业数据,逐步训练专属工业AI助手,并在实践中评估其准确性与演化能力。
内容概要:本文围绕超导磁能储存系统的建模与仿真展开研究,重点基于Simulink平台构建系统动态模型,涵盖超导线圈的电磁特性、能量转换接口、冷却系统及其与电网的交互机制等关键环节。通过设置不同工况进行仿真分析,深入探究系统在电力网络中的动态响应行为、稳定性表现及能量存储效率,评估其在提升电网动态响应能力和运行稳定性方面的应用潜力。研究还结合先进控制策略(如模糊PID、遗传算法优化等),优化系统控制性能,进一步提升储能系统的调节精度与响应速度,为超导储能技术的实际工程应用提供理论依据与仿真验证支持。; 适合人群:具备电力系统、电气工程、自动化或相关专业背景,熟悉Simulink仿真环境与基本电力电子拓扑结构,从事科研、教学或工程开发的高年级本科生、研究生及科研技术人员。; 使用场景及目标:①用于高校科研教学中深入理解超导储能系统的工作原理与动态建模方法;②为电力系统仿真项目提供高保真度的储能单元建模参考;③支撑新型大容量储能系统的设计、控制策略开发与并网性能评估,目标是掌握超导磁能储存系统的全流程建模、仿真分析与控制优化方法。; 阅读建议:建议读者结合Simulink软件动手搭建系统模型,分模块实现超导线圈、变流器、冷却与控制单元,并逐步集成调试;重点关注系统在故障或负荷突变下的动态响应特性,尝试引入不同优化算法进行控制器参数整定,以深化对系统控制机理与性能边界的理解。

1,619

社区成员

发帖
与我相关
我的任务
社区描述
Oracle 非技术区
社区管理员
  • 非技术区社区
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧