ફર્નેટ એ પાયથોનમાં એક સપ્રમાણ એન્ક્રિપ્શન લાઇબ્રેરી છે જે સંવેદનશીલ ડેટા માટે સુરક્ષિત અને ઉપયોગમાં સરળ એન્ક્રિપ્શન પ્રદાન કરે છે. ફર્નેટ માટેનો એક સામાન્ય ઉપયોગ-કેસ એ છે કે ડેટાને CSV ફાઇલમાં સંગ્રહિત કરતા પહેલા તેને એન્ક્રિપ્ટ કરવાનો છે, ખાતરી કરો કે માત્ર અધિકૃત પક્ષો જ તેને ઍક્સેસ કરી શકે છે. જો કે, આ એન્ક્રિપ્ટેડ સ્ટ્રીંગ્સને CSV ફાઇલમાં ડિક્રિપ્ટ કરવું થોડું મુશ્કેલ હોઈ શકે છે, ખાસ કરીને જ્યારે Pandas લાઇબ્રેરીનો ઉપયોગ કરી રહ્યા હોય.
આ લેખમાં, અમે ફર્નેટ અને પાંડાનો ઉપયોગ કરીને CSV ફાઇલમાં સાચવેલ સ્ટ્રિંગ્સને ડિક્રિપ્ટ કરવાની સમસ્યાના ઉકેલની ચર્ચા કરીશું. અમે કોડનું પગલું-દર-પગલાં સમજૂતી આપીશું અને પ્રક્રિયામાં સામેલ સંબંધિત કાર્યો અને પુસ્તકાલયોનો અભ્યાસ કરીશું.
શરૂ કરવા માટે, ચાલો સમસ્યાની વિગતવાર ચર્ચા કરીએ. ડેટાને CSV ફાઇલમાં સંગ્રહિત કરતા પહેલા તેને સુરક્ષિત કરવા માટે ફર્નેટ એન્ક્રિપ્શનનો ઉપયોગ કરતી વખતે, ફાઇલ વાંચવા માટે Pandas નો ઉપયોગ કરતી વખતે ડેટાને પાછું ડિક્રિપ્ટ કરવું પડકારજનક હોઈ શકે છે. એન્ક્રિપ્ટેડ સ્ટ્રિંગને ડિક્રિપ્શન દરમિયાન તેમની અખંડિતતાને સુનિશ્ચિત કરવા માટે યોગ્ય હેન્ડલિંગની જરૂર છે.
સમસ્યાનો ઉકેલ
આ સમસ્યાનો સંભવિત ઉકેલ એ છે કે કસ્ટમ ફંક્શનનો ઉપયોગ કરવો અને તેમને CSV ફાઇલમાંથી મેળવેલ ડેટાફ્રેમ પર લાગુ કરવું. અમે ફર્નેટ લાઇબ્રેરીનો ઉપયોગ કરીને એનક્રિપ્ટેડ સ્ટ્રિંગ્સને ડિક્રિપ્ટ કરવા માટે એક ફંક્શન બનાવીશું, અને પછી આ ફંક્શનને એન્ક્રિપ્ટેડ ડેટા ધરાવતી Pandas ડેટાફ્રેમ પર લાગુ કરીશું.
અહીં કોડનું પગલું-દર-પગલાં સમજૂતી છે:
1. પ્રથમ, આપણે જરૂરી પુસ્તકાલયો આયાત કરવાની જરૂર છે:
import pandas as pd from cryptography.fernet import Fernet
2. પછી, ચાલો ફર્નેટ કી જનરેટ કરીએ અને કેટલાક નમૂના ડેટાને એન્ક્રિપ્ટ કરીએ. ધારો કે અમે નીચેનો ડેટા એન્ક્રિપ્ટ કર્યો છે અને તેને "encrypted_data.csv" નામની CSV ફાઇલમાં બે કૉલમ "ડેટા" અને "એનક્રિપ્ટેડ" સાથે સાચવ્યો છે:
key = Fernet.generate_key()
cipher_suite = Fernet(key)
data = "This is a sample text."
encrypted_data = cipher_suite.encrypt(data.encode("utf-8"))
3. હવે, આપેલ ફર્નેટ કી વડે એન્ક્રિપ્ટેડ સ્ટ્રીંગ્સને ડિક્રિપ્ટ કરવા માટે એક ફંક્શન બનાવીએ:
def decrypt_string(encrypted_string, fernet_key):
cipher_suite = Fernet(fernet_key)
return cipher_suite.decrypt(encrypted_string.encode("utf-8")).decode("utf-8")
4. અમે Pandas નો ઉપયોગ કરીને એન્ક્રિપ્ટેડ ડેટા ધરાવતી CSV ફાઇલ વાંચી શકીએ છીએ:
csv_data = pd.read_csv('encrypted_data.csv')
5. છેલ્લે, 'એપ્લાય' પદ્ધતિનો ઉપયોગ કરીને ડેટાફ્રેમના એનક્રિપ્ટેડ કૉલમમાં 'decrypt_string' ફંક્શન લાગુ કરો અને ડિક્રિપ્ટેડ ડેટાને નવી કૉલમમાં સ્ટોર કરો. નોંધ કરો કે તમારે 'લાગુ કરો' પદ્ધતિમાં વધારાની દલીલ તરીકે કી પાસ કરવાની જરૂર છે:
csv_data['decrypted'] = csv_data['encrypted'].apply(decrypt_string, fernet_key=key)
ફર્નેટ લાઇબ્રેરી
ફર્નેટ પાયથોનમાં એક લોકપ્રિય ક્રિપ્ટોગ્રાફિક લાઇબ્રેરી છે જે AES સિમેટ્રિક-કી ક્રિપ્ટોગ્રાફી સાથે ડેટાને એન્ક્રિપ્ટ અને ડિક્રિપ્ટ કરવા માટે ઉપયોગમાં સરળ પદ્ધતિઓ પ્રદાન કરે છે. લાઇબ્રેરી બાંયધરી આપે છે કે ફર્નેટનો ઉપયોગ કરીને એન્ક્રિપ્ટેડ ડેટાને વધુ હેરાફેરી કરી શકાશે નહીં અથવા કી વગર વાંચી શકાશે નહીં, ડેટાની ગુપ્તતા અને અખંડિતતાને સુનિશ્ચિત કરી શકાય છે. ફર્નેટ સાઇફરટેક્સ્ટ માટે URL-safe/base64 એન્કોડિંગનો ઉપયોગ કરે છે, જે તેને ફાઇલો અથવા ડેટાબેઝમાં એનક્રિપ્ટેડ ડેટા સ્ટોર કરવા માટે યોગ્ય બનાવે છે.
પાંડા પુસ્તકાલય
પાંડા પાયથોનમાં ઓપન સોર્સ ડેટા મેનીપ્યુલેશન અને ડેટા એનાલિસિસ લાઇબ્રેરી છે. તે ડેટા સ્ટ્રક્ચર્સ પ્રદાન કરે છે, જેમ કે શ્રેણી અને ડેટાફ્રેમ, અને ડેટાને હેન્ડલિંગ, ટ્રાન્સફોર્મિંગ અને વિઝ્યુઅલાઈઝ કરવા માટેના વિવિધ કાર્યો. પાંડા ખાસ કરીને CSV ફાઇલો અથવા SQL ડેટાબેસેસ જેવા સંરચિત અથવા ટેબ્યુલર ડેટા સાથે કામ કરવા માટે ઉપયોગી છે. આ લાઇબ્રેરી ડેટા મેનીપ્યુલેશનના ઘણા પાસાઓને સરળ બનાવે છે, જે તેને ડેટા વિશ્લેષણ અને મશીન લર્નિંગ માટે આવશ્યક સાધન બનાવે છે.
નિષ્કર્ષમાં, ફર્નેટ અને પાંડાનો ઉપયોગ કરીને CSV ફાઇલમાં સાચવેલ એન્ક્રિપ્ટેડ સ્ટ્રિંગ્સને ડિક્રિપ્ટ કરવાનું આ લેખમાં આપેલા પગલાંને અનુસરીને પ્રાપ્ત કરી શકાય છે. કસ્ટમ ડિક્રિપ્શન ફંક્શન બનાવીને અને તેને ડેટાફ્રેમ પર લાગુ કરીને, અમે CSV ફાઇલમાં સંગ્રહિત સંવેદનશીલ ડેટાને અસરકારક રીતે ડિક્રિપ્ટ કરી શકીએ છીએ.
