Data Validation با Data Verification چه تفاوتی دارد ؟ قبلا در انجمن تخصصی فناوری اطلاعات ایران در خصوص تفاوت داده و اطلاعات صحبت کرده ایم ، هر چند بهتر است در این مقاله از لفظ اطلاعات استفاده کنیم اما با توجه به عنوان مطلب از کلمه داده یا Data استفاده می کنیم. Data بدون شک مهمترین دارایی یک سازمان است.بنابراین یک سازمان باید به هر قیمتی که شده است داده های خود را معتبر و قابل استفاده در همه حالت نگهداری کند.
Data Validation که به معنی اعتبار سنجی داده و Data Verification به معنی تایید یا ممیزی داده هستند دو فرآیند هستند که داده های یک سازمان را معتبر و مورد تایید نگه می دارند و این اطمینان را به استفاده کننده از داده می دهند که آنها از کیفیت مطلوبی برخوردار هستند. فرآیند Data Validation اطمینان حاصل می کند که داده های ما پاک ، درست و با معنی هستند و Data Verification هم اطمینان حاصل می کند که داده های ما و تمامی کپی هایی که از این داده ها گرفته می شود همگی به خوبی همان داده اصلی هستند که وجود داشته است و تغییری در آنها ایجاد نشده است. بنابراین هر دو فرآیندی که عنوان کردیم برای اطمینان حاصل کردن از این هستند که داده های سازمانی شما به هیچ عنوان دچار خطا و خرابی نشوند و سالم باقی بمانند.
همانطور که از نام این فرآیند هم پیداست ، Data Validation بررسی می کند که آیا داده ما Valid یا معتبر است یا خیر ؟ معتبر بودن یک داده یعنی اینکه داده ما پاک ، درست و با معنی باشد. دستورالعمل هایی که برای فرآیند Data Validation مورد استفاده قرار می گیرند توسط یک سری قوانین عمل می کنند که به آنها Data Validation Rules یا قوانین اعتبارسنجی داده گفته می شود ، به این Data Validation Rules ها برنامه بررسی داده یا Check Routines هم گفته می شود که برای اطمینان از اعتبار داده ها مورد استفاده قرار می گیرد ، Data Validation Rules ها معمولا برای اطمینان از صحت و با معنی بودن داده مورد استفاده قرار می گیرند.
یکی دیگر از کارهایی که در فرآیند Data Validation انجام می شود Input Validation یا اعتبارسنجی داده های ورودی به سازمان است که یک مکانیزم امنیتی است ، اگر بخواهیم یک مثال عملی در خصوص استفاده از مکانیزم Input Validation بزنیم می توانیم از وب سایت یک سازمان نام ببریم که برای فیلد های ورودی اطلاعات کاربران مکانیزم Input Validation قرار می دهد تا از حملاتی که به این فیلد ها با وارد کردن مقادیر نامعتبر انجام می شود جلوگیری کند ، برای مثال حملاتی از قبیل SQL Injection ، XML Injection و ... با استفاده از مکانیزم Input Validation قابل جلوگیری هستند.
اما Data Validation ها همانطور که گفتیم بایستی بر اساس یک سری قوانین تهیه و تدوین شوند و در هر جایی از سازمان که دارای داده است پیاده سازی شوند ، توجه کنید که این قوانین اعتبارسنجی داده بایستی از بدو شروع یک تجارت سازمان تهیه و تدوین شوند . برای مثال فرض کنید که تلفنخانه سازمان شما دارای یک دفترچه تلفن است ، برای نگارش داده های مربوط به شماره تلفن های سازمان یک قالب و قانون بایستی از قبل تهیه و تدوین شود که برای مثال عنوان می کند شماره ها بایستی دارای کد منطقه و کد کشور ، به همراه علامت منفی یا مثبت و حداکثر دارای یک خط فاصله یا براکت باشند و به هیچ عنوان داده ای به غیر از این قالب استاندارد حق وارد شدن در داده های سازمانی را نباید داشته باشد.
اگر داده ای این قوانین را نقض کند در واقع فرآیند Data Validation ما نقض شده است. حتی بررسی وجود یک کد منطقه یا کشور نیز می تواند یکی از قوانین مرتبط با Data Validation برای یک تلفنخانه در سازمان باشد ، همین مثال را می توانید در هر محلی در سازمان که دارای داده است در نظر بگیرید. در نهایت به این نکته همیشه توجه کنید که فرآیند Data Validation همیشه بر روی نسخه اصلی داده های ما انجام می شود.
فرآیند Data Verification یا اعتبارسنجی داده زمانی اتفاق می افتد که شما یک کپی از داده های اصلی تهیه می کنید و می خواهید مطمئن شوید که این کپی کاملا برابر با داده اصلی است و هیچ تفاوتی بین آنها وجود ندارد. در بیشتر اوقات شما زمانی فرآیند Data Verification را انجام می دهید که از اطلاعات یا داده های خود Backup گرفته اید و می خواهید مطمئن شوید که این داده درست است و مشابه همان داده ای است که از آن Backup گرفته شده است. تصور کنید که از داده های سازمانی خود Backup گرفته اید و می خواهید آنها را در صورت بروز مشکل بازگردانی کنید و متوجه می شوید که داده ای که Backup گرفته اید ناقص و غیرقابل بازیابی است ، اینجاست که فرآیند Data Verification اهمیت خود را نشان می دهد. امروزه بیشتر نرم افزازها و سخت افزارهای Backup گیری قابلیت Verification را درون خود قرار داده اند.
حتی اگر دقت کرده باشید ، شما زماینکه یک DVD یا CD رایت می کنید در انتهای کار این قابلیت را دارید که Data Verification انجام دهید و بررسی کنید که داده هایی که بر روی دیسک رایت شده اند سالم هستند یا خیر ، فرآیند Data Verification و نرم افزارهایی که اینکار را انجام می دهند اطمینان حاصل می کنند که محتوای اطلاعاتی اصلی با داده ای که Backup گرفته شده است یکسان است. این فرآیند با بررسی کردن مجدد کل داده انجام می شود که نتیجه می گیریم با بکار بردن Data Verification فرآیند Backup گیری ما زمانبر خواهد بود اما در عوض اطمینان خاطر به ما می دهد که Backup شما بازگردانی می شود.
محل دیگری که از Data Verification استفاده می شود ، انتقال داده است . فرض کنید که شما یک فایل را دانلود کرده اید و می خواهید از آن استفاده کنید ، از کجا متوجه می شوید که این فایل در بین راه توسط افراد غیرمجاز دستکاری نشده باشد ؟ از کجا متوجه می شوید که در این فایل کد مخربی در میان راه قرار نگرفته باشد یا حتی داده ممکن است در میان را به درستی منتقل نشده و خراب شده باشد. برای اینکار نیز از فرآیند Data Verification استفاده می کنیم. در واقع ما از Data Verification به عنوان یک مکانیزم برای بررسی صحت و تمامیت داده ها نیز استفاده می کنیم و آن را به عنوان Integrity Checker معرفی می کنیم. برای مثال با استفاده از الگوریتم های Hashing ما می توانیم Hash فایل بزرگ خود را در مبدا بگیریم و در مقصد نیز Hash را مجددا محاسبه کنیم و با بررسی این دو فایل Hash متوجه شویم که فایل ما دستکاری شده است یا خیر ..
Data Validation یا اعتبارسنجی داده ها معمولا بر روی داده های اصلی یا داده های ورودی به پایگاه داده انجام می شود در حالیکه Data Verification یا تایید داده بر روی کپی داده اصلی یا Backup ای که از داده اصلی گرفته می شود انجام می شود. بررسی مقادیر ورودی به داده های ما و همچنین بررسی اعتبار و سلامت داده های ورودی در مقایسه با فرآیند تایید یا Verification ای که برای داده های Backup گرفته شده انجام می شود بسیار سبک تر است. Validation در زمانی انجام می شود که شما می خواهید داده های خود را در مقابل خطاهای کاربران خودتان در خصوص ورود داده محافظت کنید اما Verification برای زمانی استفاده می شود که شما داده های خود را می خواهید برای مواقعی که سیستم دچار مشکل شده است حفاظت کنید.