Schritt 1: Konfigurieren der musterbasierten Erkennung vertraulicher Daten

Dieser Leitfaden ist in vier Schritte unterteilt:

Screenshot: Reduzieren falsch positiver Ergebnisse mithilfe von SITs und erweiterten Klassifizierern – Blaupause.

Um vertrauliche Informationstypen (SITs) für die Datensicherheit in Ihrem digitalen Unternehmen zu verwenden, ist es wichtig, einen umfassenden Überblick über Ihren Datenbestand zu haben. Ordnen Sie zunächst die vertraulichen Daten zu, um zu ermitteln, welche Arten von vertraulichen Daten in Ihrem Unternehmen vorhanden sind und wo sie sich befinden.

Wählen Sie aus integrierten SITs und passen Sie sie bei Bedarf an

Beginnen Sie mit den integrierten SITs, die von Microsoft bereitgestellt werden. Wenn sie nicht Ihren Anforderungen entsprechen, klonen und bearbeiten Sie sie, um sie genau für Ihren Geschäftskontext relevant zu machen.

  • Verwenden integrierter SITs: Beginnen Sie mit den SITs, die von Microsoft Purview bereitgestellt werden. Weitere Informationen finden Sie unter Informationen zu den Typen vertraulicher Informationen.
  • Klonen und bearbeiten: Wenn integrierte SITs Ihre Anforderungen nicht vollständig erfüllen, klonen und passen Sie sie an. Weitere Informationen finden Sie unter Anpassen eines integrierten Typs vertraulicher Informationen.
  • Benutzerdefinierte SITs erstellen: Erstellen Sie Ihre eigenen SITs von Grund auf neu, um die einzigartigen Datenklassifizierungsanforderungen Ihrer Organization zu erfüllen. Verwenden Sie mehrere Muster in einer einzigen SIT-Definition, um eine umfassende Identifizierung zu gewährleisten. Beispielsweise sollte eine SIT, die zur Identifizierung des Geburtsdatums erstellt wurde, verschiedene Formate berücksichtigen (TT/MM/JJJJ, MM/TT/JJJJ usw.). Weitere Informationen finden Sie unter Erstellen benutzerdefinierter Typen vertraulicher Informationen.
  • Testen Sie benutzerdefinierte SITs und aktualisieren Sie die Klassifizierung bei Bedarf: Verwenden Sie hochgeladene Dateitests mit repräsentativen übereinstimmenden und nicht übereinstimmenden Beispielen. Verwenden Sie für historische SharePoint- und OneDrive-Dateien, die eine aktualisierte Klassifizierung benötigen, die On-Demand-Klassifizierung, nachdem Sie den Umfang, die Schätzungen, die Gebühren und die aktiven Richtlinien überprüft haben. Ein Scan kann Aktionen aus aktiven Abgleichsrichtlinien auslösen. es ist keine nicht-mutierende Politiksimulation. Siehe Klassifizierung und Simulationskonzepte für automatische Bezeichnungen.
  • Verwenden mehrerer SITs in DLP-Richtlinienregeln: Erstellen Sie eine umfassendere und präzisere Erkennungsstrategie durch die Verwendung mehrerer SITs. Wählen Sie instance beim Erkennen von PII eine Kombination von SITs, die SSN, Führerscheinnummer, Passnummer usw. mit einer ODER-Bedingung abdecken, anstatt nur von einem einzelnen SIT abhängig zu sein.

Identifizieren des entsprechenden primären Elementtyps in der SIT-Konfiguration

Wenn Sie das primäre Element definieren, wählen Sie aus vier Optionen aus: Regulärer Ausdruck (RegEx), Schlüsselwortliste, Schlüsselwortwörterbuch oder Funktion. Befolgen Sie diese Empfehlungen für jeden Typ:

Primärer Elementtyp Wichtige Empfehlungen
Regulärer Ausdruck Verwenden Sie Lookaround-Assertionen, um den Kontext sicherzustellen und irrelevante Übereinstimmungen zu reduzieren. Validieren Sie RegEx-Muster für verschiedene Datensätze. Wenn Sie isolierte Zeichenfolgen erkennen müssen, verwenden \b Sie am Anfang und am Ende, oder wählen Sie "Wortübereinstimmung" anstelle von "Zeichenfolgenübereinstimmung" aus. Sie können die Erkennung verbessern, indem Sie andere integrierte Validierungssteuerelemente mit einer Logik verwenden, die nur bei Verwendung regulärer Ausdrücke nicht möglich ist.
Keyword-Liste Verwenden Sie die Groß-/Kleinschreibungsfunktion, je nachdem, ob eine exakte Groß-/Kleinschreibung erforderlich ist. Verwenden Sie in Sprachen mit Leerzeichentrennzeichen für eine bessere Genauigkeit "Wortübereinstimmung" anstelle von "Zeichenfolgenübereinstimmung". Bei Sprachen ohne Leerzeichentrennzeichen wie Chinesisch, Japanisch, Thai und Koreanisch verbessert die "Zeichenfolgenübereinstimmung" die Klassifizierungsgenauigkeit, indem in größeren Wörtern eingebettete Schlüsselwörter erkannt werden.
Keyword-Wörterbuch Verwenden Sie diesen Typ über die Liste der Schlüsselwörter (Keyword), wenn Sie eine einfachere Verwaltung von Schlüsselwörtern in größerem Umfang benötigen. Beachten Sie den Grenzwert von 1 MB komprimierten Text in allen Wörterbüchern im Mandanten. Bei Schlüsselwortwörterbüchern wird die Groß-/Kleinschreibung immer nicht beachtet.
Funktion Identifizieren Sie die entsprechende Funktion aus einer Liste vordefinierter Funktionen. Diese Funktionen verhalten sich ähnlich wie reguläre Ausdrücke, jedoch mit mehr programmgesteuerten Funktionen.

Weitere Informationen finden Sie unter Informationen zu den Typen vertraulicher Informationen.

Verfeinern mithilfe von Näherungselementen, Konfidenzniveau und Ausschlüssen

  • Fügen Sie unterstützende Elemente hinzu: Stellen Sie unterstützende Elemente als bestätigende Beweise neben dem primären Element bereit. Beispielsweise kann die einfache Anpassung eines Datumsformats für das Geburtsdatum zu massiven Fehlalarmen in E-Mail-Headern und Zeitstempeln führen. Das Hinzufügen von unterstützenden Schlüsselwörtern (Geburtsdatum, Geburtsdatum) stellt nur Übereinstimmungen mit hoher Zuverlässigkeit sicher.
  • Näherungsgrenzen festlegen: Legen Sie die Näherungsgrenze für jedes neue benutzerdefinierte SIT auf 300 Zeichen fest. Vermeiden Sie die Konfiguration unbegrenzter Nähe ("irgendwo im Dokument"), da dies zu vielen Fehlalarmen führt. Verwenden Sie für umfangreiche tabellarische Daten die Option, die RelaxProximity mit PowerShell konfiguriert werden kann.
  • Konfidenzniveaus konfigurieren: Geben Sie ein höheres Konfidenzniveau für Muster mit mehr unterstützenden Elementen oder restriktiveren regulären Ausdrücken an. Legen Sie das Konfidenzniveau auf niedrig fest, wenn das SIT nur wenige oder keine unterstützenden Elemente enthält.
  • Ausschlüsse verwenden: Schließen Sie bestimmten Text und Muster, Präfixe oder Suffixe ein, oder schließen Sie sie aus, um die Übereinstimmungsgenauigkeit weiter zu verbessern.
  • Testen Sie Ihre Konfiguration: Verwenden Sie die Testfunktionalität, um die Genauigkeit Ihres SIT zu überprüfen, und verwenden Sie den Inhalts-Explorer, um erkannte Übereinstimmungen zu überprüfen.

Weitere Informationen finden Sie unter Testen eines vertraulichen Informationstyps.

Bereitstellen von Übereinstimmungs- und Nichtübereinstimmungsfeedback für identifizierte Elemente

Senden Sie regelmäßig Ihr Feedback für alle übereinstimmenden Elemente, um Microsoft bei der Optimierung seiner SIT zu unterstützen. Für jedes Element in SharePoint und OneDrive können Sie in Microsoft Purview Feedback dazu geben, ob es sich um eine Übereinstimmung (richtig positiv) oder nicht um eine Übereinstimmung (falsch positiv) handelt. Sie können auch eine geschwärzte Version des Elements an Microsoft senden, um die Genauigkeit integrierter SITs zu verbessern.

Zusammenfassung

Am Ende dieses Schritts verfügt Ihre organization über Folgendes:

  • Integrierte und benutzerdefinierte SITs (Sensitive Information Types), die für die Datenklassifizierungsanforderungen Ihrer Organization konfiguriert sind.
  • Primärelemente, die mit geeigneten regulären Auslagen, Schlüsselworten (Keyword), Wörterbuch- oder Funktionsmustern definiert sind.
  • Näherungsgrenzwerte, Konfidenzniveaus und Ausschlüsse wurden verfeinert, um falsch positive Ergebnisse zu reduzieren.
  • Feedbackschleife wurde eingerichtet, um die Genauigkeit von SIT kontinuierlich zu verbessern.

Nächster Schritt

Schritt 2: Implementieren Sie einen exakten Datenabgleich für einen präzisen Abgleich

  • Zuletzt aktualisiert um