Crear un paquete de reglas o tipo de información confidencial de coincidencia exacta de datos

Productos y servicios a los que se aplica este procedimiento de paquete de reglas

• Crear un SIT de EDM mediante el flujo de trabajo de experiencia clásica

Puede crear un SIT (SIENT) de coincidencia exacta de datos (EDM) mediante el uso del esquema de coincidencia exacta de datos y la herramienta de patrón SIT en el portal de Microsoft Purview, o puede crear el paquete de reglas manualmente como un archivo XML. También puede combinar los dos métodos mediante un método para crear el esquema y, posteriormente, el otro método para editarlo.

Si no está familiarizado con los SIT basados en EDM o su implementación, debe familiarizarse con:

• Obtener más información acerca de los tipos de información confidencial
• Obtener información sobre los tipos de información confidencial basados en coincidencias exactas de datos
• Introducción a los tipos de información confidencial basados en las coincidencias exactas de datos

Requisitos previos

Realice los pasos descritos en estos artículos:

1. Exportar datos de origen para tipos de información confidencial basados en coincidencia exacta de datos
2. Crear el esquema para tipos de información confidencial basados en las coincidencias exactas de datos
3. Aplicar hash y cargar la tabla de origen de información confidencial para los datos exactos que coincidan con los tipos de información confidencial

• Tanto si va a crear un SIT de EDM mediante la herramienta como el archivo XML del paquete de reglas a través de PowerShell, debe tener el rol de administrador de cumplimiento o administrador global para crear, probar e implementar un SIT personalizado a través de la interfaz de usuario. Consulte Acerca de las funciones de administrador en Office 365.

• Identifique uno de los SIT integrados para usarlo como SIT de elementos principales.
  • Si ninguno de los SIT integrados coincide con los datos de la columna que ha seleccionado, tendrá que crear un SIT personalizado que sí lo haga.
  • Si seleccionó la opción Delimitadores ignorados para la columna de elemento principal del esquema, asegúrese de que el SIT personalizado que cree coincida con los datos con y sin los delimitadores seleccionados.
  • Si usa un SIT integrado, asegúrese de que detectará exactamente las cadenas que desea seleccionar y no incluirá ningún carácter circundante ni excluya ninguna parte válida de la cadena almacenada en la tabla de información confidencial.

Consulta Definiciones de entidades de tipo de información confidencial y Creación de tipos de información confidencial personalizados.

Usar el esquema de coincidencia exacta de datos y la herramienta de patrón SIT

Puede usar el esquema de coincidencia exacta de datos y la herramienta de patrón SIT para crear los archivos SIT y ayudar a simplificar el proceso.

Un EDM SIT se compone de uno o más patrones. Cada patrón describe una combinación de campos del esquema que se usarán para identificar contenido confidencial en un documento o correo electrónico (evidencia).

1. Iniciar sesión en el portal > de Microsoft PurviewClasificadoresde protección >de la informaciónClasificadores> de EDM.

2. 1. Desactiva el botón de alternancia Nueva experiencia de EDM

3. Elija los tipos de información confidencial de EDM y Crear tipo de información confidencial de EDM para abrir la herramienta de configuración Tipo de información confidencial.

4. Seleccione Elegir un esquema de EDM existente y elija el esquema que creó en Create the schema for exact data match based sensitive information types. Seleccione Agregar.

5. Elija Siguiente y seleccione Crear patrón.

6. Elija el nivel de confianza y el elemento principal. Para obtener más información sobre los niveles de confianza, consulta Más información sobre los tipos de información confidencial.

7. Elija el tipo de información confidencial del elemento principal al que desea asociarlo para definir el texto del documento que se comparará con todos los valores del campo del elemento principal. Consulte Definiciones de entidades SIT para obtener más información sobre los tipos de información confidencial disponibles.

   Importante

   Seleccione un SIT que coincida con el formato del contenido que desea buscar. Si selecciona una SIT que coincida con contenido innecesario, como una que coincida con todas las cadenas de texto o todos los números, se puede producir una carga excesiva en el sistema, lo que puede provocar que la información confidencial no se detecte.

8. Selecciona tus elementos de apoyo y las opciones de coincidencia.

9. Seleccione Listo.

10. Elige Crear patrón si quieres crear patrones adicionales para tu EDM SIT.

11. Seleccione Siguiente.

12. Elija el nivel de confianza recomendado deseado y la proximidad del carácter. Este será el valor predeterminado para todo el EDM SIT. (Para obtener información sobre la proximidad de los caracteres, consulte Comprender la proximidad). Seleccione Siguiente.

13. Elija Siguiente y rellene con un Nombre y una Descripción para los administradores.
    
    Al crear el archivo de esquema, los encabezados de columna (campos de datos) deben cumplir los siguientes requisitos de nomenclatura:
    - Debe comenzar con una letra y debe constar de al menos tres caracteres alfanuméricos.
    - Debe incluir solo caracteres alfanuméricos.

14. Revise y elija Enviar.

Editar o eliminar un patrón de SIT

Para editar o eliminar un patrón de EDM SIT existente, realice los siguientes pasos:

1. Iniciar sesión en el portal > de Microsoft PurviewClasificadoresde protección >de la informaciónClasificadores> de EDM.

2. 1. Desactiva el botón de alternancia Nueva experiencia de EDM

3. Elija tipos de información confidencial de EDM.

4. Elige el EDM SIT que deseas editar.

5. Elija Editar tipo de información confidencial de EDM o Eliminar tipo de información confidencial de EDM en el menú flotante.

6. Para conocer los pasos para editar un tipo de información confidencial de EDM, consulte Uso del esquema de coincidencia exacta de datos y la herramienta de patrón SIT.

Trabajar con tipos específicos de datos

Por motivos de rendimiento, es fundamental que uses patrones que minimicen el número de coincidencias innecesarias. Por ejemplo, puede usar un SIT basado en la expresión regular.

\b\w*\b

Esta expresión regular coincidiría con cada palabra o número individual en cualquier documento o correo electrónico. Hacer coincidir cada palabra o número haría que el servicio se sobrecargara con coincidencias y no detectara coincidencias verdaderas. El uso de patrones más precisos puede evitar esta situación. Estas son algunas recomendaciones para identificar la configuración adecuada para algunos tipos de datos comunes.

Direcciones de correo electrónico: las direcciones de correo electrónico pueden ser fáciles de identificar, pero como son tan comunes en contenido confidencial, pueden causar una carga significativa en el sistema si se usan como un campo principal. Use los agregadores de correo electrónico solo como evidencia secundaria. Si se deben usar como evidencia principal, al definir el SIT personalizado, use la lógica para excluir elementos en los que se usan From direcciones de correo electrónico o To campos en los correos electrónicos. Además, use la lógica para excluir direcciones de correo electrónico del dominio de su empresa para reducir el número de cadenas innecesarias que deben coincidir.

Números de teléfono: los números de teléfono pueden tener muchos formatos diferentes, incluidos o no los prefijos de país o región, los códigos de área y los separadores. Para reducir los falsos negativos y mantener la carga al mínimo, úselos solo como elementos secundarios, excluya todos los separadores probables, como paréntesis y guiones, e incluya solo en la tabla de datos confidenciales la parte que siempre estará presente en el número de teléfono.

Nombres de personas: No use los nombres de las personas como elementos principales si usa un SIT basado en una expresión regular como elemento de clasificación para este tipo de EDM, porque son difíciles de distinguir de las palabras comunes.

Si debe usar un elemento primario que es difícil de identificar con un patrón específico (como un nombre de código de proyecto), que podría generar un alto volumen de coincidencias para procesar, asegúrese de incluir palabras clave en el SIT que usa como elemento de clasificación para su tipo de EDM. Por ejemplo, si usa nombres de código de proyecto que también son palabras regulares, puede usar la palabra project como evidencia adicional requerida muy cerca del patrón basado en expresiones regulares del nombre del proyecto en el SIT que usa como elemento de clasificación para su tipo de EDM. O bien, podría considerar usar un SIT basado en un diccionario regular como elemento de clasificación para su SIT de EDM.

Al intentar hacer coincidir cadenas numéricas, especifique los rangos de números permitidos, como el número de dígitos o los dígitos iniciales, si se conocen. Si necesita buscar coincidencias de un intervalo de números relativamente flexible, puede usar palabras clave en el SIT base para reducir el número de coincidencias. Por ejemplo, si intenta hacer coincidir números de cuenta que constan de 7 a 11 dígitos, agregue las palabras account, customer, acct. al SIT como evidencia adicional requerida. Esto reduce la probabilidad de coincidencias innecesarias que podrían resultar en exceder los límites de coincidencias de EDM que se pueden procesar.

Si un campo que necesita usar como elemento principal sigue un patrón simple que puede dar lugar a un gran número de coincidencias y no puede agregar la presencia de palabras clave como evidencia adicional en la TIE, puede requerir en su lugar un número mínimo de repeticiones de ese patrón. Por ejemplo, podría usar un SIT personalizado definido de la siguiente manera para detectar al menos otros 29 números de cinco dígitos que rodean un posible número de cinco dígitos con el que coincidir en su contenido confidencial:

 <Entity id="00aa00aa-bb11-cc22-dd33-44ee44ee44ee"
                  patternsProximity="300"
                  recommendedConfidence="85"
                  relaxProximity="false">
                  <Pattern confidenceLevel="85"
                              proximity="300">
                              <IdMatch idRef="MRN"/>
                              <Match idRef="30 AccountNrs"
                                    minCount="30"
                                    proximity="3000"
                                    uniqueResults="true"/>
                  </Pattern>
      </Entity>
      <Regex id="30 AccountNrs">\d{5}</Regex>

En algunos casos, es posible que tengas que identificar determinados números de identificación de cuenta o de registro que, por razones históricas, no siguen un patrón estandarizado. Por ejemplo, Medical Record Numbers puede estar compuesto por muchas permutaciones diferentes de letras y números dentro de la misma organización. Aunque al principio puede ser difícil identificar un patrón, una inspección más cercana a menudo le permite restringir un patrón que describe todos los valores válidos sin causar un número excesivo de coincidencias no válidas. Por ejemplo, podría detectarse que "todas las MRN tienen al menos siete caracteres de longitud, tienen al menos dos dígitos numéricos y, si tienen letras, comienzan con una". La creación de una expresión regular basada en estos criterios debería permitirle minimizar las coincidencias innecesarias mientras captura todos los valores deseados, y un análisis más detallado podría permitir una mayor precisión mediante la definición de patrones independientes que describen diferentes formatos.

Crear un paquete de reglas manualmente

Este procedimiento muestra cómo crear un archivo en formato XML denominado paquete de reglas (con codificación Unicode) y, a continuación, cargarlo en Microsoft Purview mediante cmdlets de PowerShell de seguridad & cumplimiento.

1. Cree un paquete de reglas en formato XML (con codificación Unicode), similar al siguiente ejemplo: (Puede copiar, modificar y usar nuestro ejemplo).

   Al configurar el paquete de reglas, asegúrese de hacer referencia correctamente a su archivo de tabla de origen de información confidencial delimitada por .csv, .tsv o barra vertical (|) y edm.xmlarchivo de esquema. Puede copiar, modificar y usar nuestro ejemplo. En este xml de ejemplo, debe personalizar los siguientes campos para crear el tipo sensible de electroerosión:

   • RulePack id y ExactMatch id: use New-GUID para generar un GUID.

   • Datastore: este campo especifica el almacén de datos de búsqueda de EDM que se va a usar. Proporcione el nombre del origen de datos del esquema de EDM configurado.

   • idMatch: este campo señala al elemento principal para EDM.

   • Coincidencias: especifica el campo que se utilizará en la búsqueda exacta. Se proporciona un nombre de campo que se puede buscar en el esquema EDM para DataStore.

   • Clasificación: este campo especifica la coincidencia SIT que desencadena la búsqueda de EDM. Puede usar el nombre o el GUID de un SIT integrado o personalizado existente.

   Nota:

   Tenga en cuenta que cualquier cadena que coincida con el SIT proporcionado tendrá un algoritmo hash y se comparará con cada entrada de la tabla de origen de información confidencial. Para evitar problemas de rendimiento, si elige un SIT personalizado para el elemento de clasificación, no use uno que coincida con un gran porcentaje de contenido. Por ejemplo, uno que coincida con "cualquier número" o "cualquier palabra de cinco letras". Puede diferenciarlo agregando palabras clave de soporte o incluyendo formato en la definición del SIT de clasificación personalizada.

   • Coincidencia: este campo apunta a pruebas adicionales encontradas en las proximidades de idMatch.

   • Coincide: debe proporcionar cualquier nombre de campo en EDM Schema for DataStore.

   • Resource idRef: En esta sección se especifica el nombre y la descripción del tipo confidencial en varias configuraciones regionales

     • Debe proporcionar el GUID del id. de ExactMatch.
     • Nombre & descripción: personalícelo según sea necesario.

     <RulePackage xmlns="http://schemas.microsoft.com/office/2018/edm">
        <RulePack id="fd098e03-1796-41a5-8ab6-198c93c62b11">
          <Version build="0" major="2" minor="0" revision="0" />
          <Publisher id="..." />
          <Details defaultLangCode="en-us">
            <LocalizedDetails langcode="en-us">
              <PublisherName>IP DLP</PublisherName>
              <Name>Health Care EDM Rulepack</Name>
              <Description>This rule package contains the EDM sensitive type for health care sensitive types.</Description>
            </LocalizedDetails>
          </Details>
        </RulePack>
        <Rules>
          <ExactMatch id = "E1CC861E-3FE9-4A58-82DF-4BD259EAB371" patternsProximity = "300" dataStore ="PatientRecords" recommendedConfidence = "65" >
            <Pattern confidenceLevel="65">
              <idMatch matches = "SSN" classification = "U.S. Social Security Number (SSN)" />
            </Pattern>
            <Pattern confidenceLevel="75">
              <idMatch matches = "SSN" classification = "U.S. Social Security Number (SSN)" />
              <Any minMatches ="3" maxMatches ="6">
                <match matches="PatientID" />
                <match matches="MRN"/>
                <match matches="FirstName"/>
                <match matches="LastName"/>
                <match matches="Phone"/>
                <match matches="DOB"/>
              </Any>
            </Pattern>
          </ExactMatch>
          <LocalizedStrings>
            <Resource idRef="E1CC861E-3FE9-4A58-82DF-4BD259EAB371">
              <Name default="true" langcode="en-us">Patient SSN Exact Match.</Name>
              <Description default="true" langcode="en-us">EDM Sensitive type for detecting Patient SSN.</Description>
            </Resource>
          </LocalizedStrings>
        </Rules>
     </RulePackage>
     

2. Cargue el paquete de reglas ejecutando el siguiente comando de PowerShell:

   New-DlpSensitiveInformationTypeRulePackage -FileData ([System.IO.File]::ReadAllBytes('.\\rulepack.xml'))
   

Paso siguiente

Después de crear el paquete de reglas, continúe con el siguiente artículo:

• Para la experiencia clásica: Probar una coincidencia exacta de datos SIT