‏کلونیو؛ کلون دیتابیس پروداکشن با داده‌های ناشناس

تو این مقاله‌ی Laravel News معرفی شده که Clonio CLI یه ابزار خط‌فرمانه که دیتابیس پروداکشن رو می‌بره توی محیط توسعه، CI و تست، ولی سر راه ستون‌های حساس رو بازنویسی می‌کنه: اسم و ایمیل رو جعلی می‌کنه، توکن‌ها رو ماسک می‌کنه و کلیدهای اصلی رو دوباره نگاشت می‌کنه تا داده هنوز قابل استفاده باشه ولی دیگه آدم واقعی رو لو نده.

هر ستونی که بخوای عوض بشه، یه استراتژی توی فایل YAML می‌گیره و ستون‌هایی که اسمشون رو نیاری همون‌طور که هستن کپی می‌شن؛ یعنی فقط دیتایی رو توصیف می‌کنی که باید تغییر کنه. استراتژی‌ها هم اینان: fake (ساختن مقدار جعلی با FakerPHP)، mask (نگه داشتن چند کاراکتر اول و ماسک کردن بقیه)، hash، static، null، template و remapping.

یه نمونه‌ی خلاصه‌شده از جدول users این شکلیه:

tables:
  users:
    columns:
      email:
        strategy: fake
        faker_method: safeEmail
      phone:
        strategy: mask
      internal_notes:
        strategy: "null"

نکته‌ای که نویسنده روش تاکید می‌کنه اینه که خروجی hash هنوز از نظر GDPR داده‌ی شخصی حساب می‌شه، پس اگه می‌خوای بازشناسایی غیرممکن باشه باید بری سراغ fake یا null. استراتژی remapping هم برای وقتیه که کپی کردن ردیف‌ها ممکنه با کلیدهای موجود توی دیتابیس مقصد تداخل کنه؛ این استراتژی کلیدهای اصلی رو با مقدار جدید عوض می‌کنه و کلیدهای خارجی جدول‌های وابسته رو هم هماهنگ آپدیت می‌کنه تا یکپارچگی ارجاعی نشکنه.

به جای اینکه خودت دنبال هر ستون حساس بگردی، کلونیو یه سری matcher داره که ستون‌های احتمالاً حاوی PII رو علامت می‌زنه. با matchers:init الگوهای پایه رو می‌سازی، با matchers:list قاعده‌های فعال رو می‌بینی و با matchers:check جدول‌هات رو چک می‌کنی تا مثلاً یه ستون email یا tax_id جدید که کسی بدون استراتژی اضافه کرده رو بگیره.

هر بار اجرا هم می‌تونه یه artifact حسابرسی امضاشده به‌همراه لاگ ساختاریافته بیرون بده که محلی، روی استوریج سازگار با S3، یا روی Slack، Microsoft Teams و ایمیل ذخیره می‌شه؛ بعدش با cloning:verify-audit می‌شه یکپارچگی اون لاگ‌ها رو بررسی کرد. خود کلونیو هم چند جوره: باینری مستقل، آرشیو PHAR برای PHP 8.5 به بالا، ایمیج داکر، یا یه dependency توسعه‌ای با Composer.

نکات کلیدی:

• کپی دیتابیس پروداکشن به محیط توسعه/CI/تست همراه با ناشناس‌سازی ستون‌های حساس
• استراتژی‌های per-column: fake، mask، hash، static، null، template و remapping
• تشخیص PII برای پیدا کردن ستون‌های حساس بدون تبدیل
• نگاشت دوباره‌ی کلیدها تا یکپارچگی ارجاعی موقع انتقال نشکنه
• فایل تنظیمات YAML فقط اسم کانکشن رو داره، پس امنه که کنار کد کامیت بشه