Paso 1: Configurar la detección de datos confidenciales basada en patrones

Esta guía se divide en cuatro pasos:

Captura de pantalla de Reducción de falsos positivos mediante SITs y clasificadores avanzados: plano técnico.

Para utilizar tipos de información confidencial (IT) para la seguridad de los datos en toda su empresa digital, es importante tener una visión completa de su patrimonio de datos. Asigne primero los datos confidenciales para identificar qué tipos de datos confidenciales existen en su empresa y dónde residen.

Elija entre los SIT integrados y personalícelos si es necesario

Comience con los SITs integrados proporcionados por Microsoft. Si no se adaptan a sus necesidades tal como están, clone y edítelos para que sean exactamente relevantes para el contexto de su negocio.

  • Usar SIT integrados: comience con los SITs proporcionados por Microsoft Purview. Para obtener más información, consulta Más información sobre los tipos de información confidencial.
  • Clone and edit: Si los SIT integrados no satisfacen completamente sus necesidades, clone y personalícelos. Para obtener más información, vea Personalizar un tipo de información confidencial integrado.
  • Crear SIT personalizados: cree sus propios SIT desde cero para abordar las necesidades específicas de clasificación de datos de su organización. Utilice múltiples patrones en una sola definición de SIT para garantizar una identificación completa. Por ejemplo, un SIT creado para identificar la fecha de nacimiento debe tener en cuenta diferentes formatos (DD/MM/AAAA, MM/DD/AAAA, etc.). Para obtener más información, consulte Creación de tipos de información confidencial personalizados.
  • Pruebe los SIT personalizados y, a continuación, actualice la clasificación cuando sea necesario: Use pruebas de archivos cargados con ejemplos representativos de coincidencia y no coincidencia. Para los archivos históricos de SharePoint y OneDrive que necesitan una clasificación actualizada, use la clasificación a petición después de revisar el ámbito, las estimaciones, los cargos y las directivas activas. Un examen puede desencadenar acciones a partir de directivas de coincidencia activas; no es una simulación de política que no muta. Consulte Conceptos de clasificación y simulación de etiquetado automático.
  • Usar varios SIT en reglas de directiva DLP: cree una estrategia de detección más completa y precisa mediante el uso de varios SIT. Por ejemplo, al detectar PII, elija una combinación de SIT que cubran SSN, número de licencia de conducir, número de pasaporte, etc., con una condición OR en lugar de depender únicamente de un solo SIT.

Identificar el tipo de elemento principal adecuado en la configuración SIT

Al definir el elemento principal, elija entre cuatro opciones: expresión regular (expresiones regulares), lista de palabras clave, diccionario de palabras clave o función. Siga estas recomendaciones para cada tipo:

Tipo de elemento principal Recomendaciones clave
Expresión regular Usa aserciones de búsqueda para garantizar el contexto y reducir las coincidencias irrelevantes. Valide patrones de expresiones regulares en diversos conjuntos de datos. Si necesita detectar cadenas aisladas, úselas al principio y al final, o bien \b seleccione "coincidencia de palabras" en lugar de "coincidencia de cadenas". Puede mejorar la detección mediante el uso de otros validadores integrados con una lógica que no es posible usando solo expresiones regulares.
Lista de palabras clave Utilice la capacidad de carcasa en función de si se requiere una carcasa exacta. En los idiomas delimitados por espacios, use "coincidencia de palabras" en lugar de "coincidencia de cadenas" para mejorar la precisión. Para idiomas no delimitados por espacios como el chino, japonés, tailandés y coreano, "coincidencia de cadenas" mejora la precisión de la clasificación al detectar palabras clave incrustadas dentro de palabras más grandes.
Diccionario de palabras clave Use este tipo sobre la lista de palabras clave cuando necesite una administración más sencilla de palabras clave a mayor escala. Tenga en cuenta el límite de 1 MB de texto comprimido en todos los diccionarios del espacio empresarial. Los diccionarios de palabras clave no siempre distinguen mayúsculas de minúsculas.
Función Identifique la función apropiada de una lista de funciones predefinidas. Estas funciones se comportan de forma similar a las expresiones regulares, pero con más funcionalidad mediante programación.

Para obtener más información, consulta Más información sobre los tipos de información confidencial.

Refinar el uso de elementos de proximidad, nivel de confianza y exclusiones

  • Agregue elementos de apoyo: Proporcione elementos de apoyo como evidencia corroborativa junto con el elemento principal. Por ejemplo, simplemente hacer coincidir un formato de fecha para la fecha de nacimiento puede dar lugar a falsos positivos masivos de los encabezados de correo electrónico y las marcas de tiempo. La adición de palabras clave auxiliares (DOB, DateOfBirth) garantiza solo coincidencias de alta confianza.
  • Establecer límites de proximidad: establezca el límite de proximidad en 300 caracteres para cualquier nueva SIT personalizada. Evite configurar la proximidad ilimitada ("en cualquier parte del documento"), ya que conduce a demasiados falsos positivos. Para datos tabulares grandes, use la RelaxProximity opción configurable mediante PowerShell.
  • Configurar niveles de confianza: especifique un nivel de confianza más alto para los patrones con más elementos auxiliares o expresiones regulares más restrictivas. Establezca el nivel de confianza en bajo si el SIT tiene pocos o ningún elemento de apoyo.
  • Usar exclusiones: incluye o excluye texto y patrones, prefijos o sufijos específicos para mejorar aún más la precisión de las coincidencias.
  • Pruebe su configuración: use la funcionalidad de prueba para validar la precisión de SIT y use el Explorador de contenido para revisar las coincidencias detectadas.

Para obtener más información, consulta Probar un tipo de información confidencial.

Proporcionar comentarios de coincidencia y no coincidencia para los elementos identificados

Envíe periódicamente sus comentarios sobre todos los elementos coincidentes para ayudar a Microsoft a ajustar sus SITs. Para cada elemento de SharePoint y OneDrive, Microsoft Purview le permite proporcionar comentarios en términos de si es una coincidencia (verdadero positivo) o no una coincidencia (falso positivo). También puede optar por enviar una versión desactualizada del elemento a Microsoft para ayudar a mejorar la precisión de los SIT integrados.

Resumen

Al final de este paso, su organización tiene:

  • Tipos de información confidencial (IT) integrados y personalizados configurados para las necesidades de clasificación de datos de su organización.
  • Elementos principales definidos con patrones apropiados de expresiones regulares, palabras clave, diccionarios o funciones.
  • Límites de proximidad, niveles de confianza y exclusiones refinados para reducir los falsos positivos.
  • Ciclo de retroalimentación establecido para mejorar continuamente la precisión de SIT.

Paso siguiente

Paso 2: Implementar la coincidencia exacta de datos para una coincidencia precisa

  • Se actualizó por última vez el