Exportar datos de origen para tipos de información confidencial basados en coincidencia exacta de datos

En este artículo se explica cómo preparar y exportar la tabla de datos confidenciales para usarla con tipos de información confidencial basados en la coincidencia exacta de datos (EDM) en Microsoft Purview. Aprenderá a elegir campos primarios y secundarios, estructurar los datos y guardarlos en un formato compatible para que pueda crear un esquema de electroerosión.

Productos y servicios a los que se aplica este procedimiento de exportación

La tabla de datos confidenciales es un archivo de texto que contiene filas de valores con las que se compara el contenido de los documentos para identificar los datos confidenciales. Estos valores pueden ser información de identificación personal, registros de productos u otros datos confidenciales en forma de texto que quieras detectar en tu contenido y proteger.

Una vez que exporte los datos de la tabla (en uno de los formatos admitidos), puede crear un esquema de electroerosión.

Definir el tipo de información confidencial de EDM

Cuando define su tipo sensible de EDM, una de las decisiones más críticas es definir qué campos son sus campos principales. Los campos primarios deben seguir un patrón detectable y definirse como campos de búsqueda (columnas) en el esquema de EDM. No es necesario que los campos secundarios sigan ningún patrón, ya que se compararán con todo el texto que rodea a las coincidencias de los campos principales.

Use estas reglas para ayudarle a decidir qué columnas debe usar como campos principales:

  • Si debe detectar datos confidenciales en función de la presencia de un solo valor que coincida con un campo en la tabla de datos confidenciales, independientemente de la presencia de cualquier otro dato confidencial que lo rodee, esa columna debe definirse como un elemento principal para un SIT de EDM.
  • Si se deben detectar varias combinaciones de diferentes campos en la tabla de datos confidenciales en el contenido, identifique las columnas que son comunes a la mayoría de estas combinaciones y designéelas como elementos principales. Designe combinaciones de los otros campos como elementos secundarios.
  • Si una columna que desea usar como elemento principal no sigue un patrón detectable, como any text string o sigue patrones detectables que estarían presentes en algún lugar de un gran porcentaje de documentos o correos electrónicos, elija otras columnas mejor estructuradas como elementos principales.

Por ejemplo, si tiene las columnas full name, date of birth, account number, y Social Security Number, aunque los nombres y apellidos sean las columnas que son comunes a las distintas combinaciones de datos que quiere detectar, dichas cadenas no siguen patrones que sean fácilmente identificables y podrían ser difíciles de definir como un tipo de información confidencial. Hay varias razones para esto:

  • Es posible que algunos nombres no empiecen con un carácter en mayúsculas
  • algunos pueden estar formados por dos, tres o más palabras/cadenas
  • Algunos pueden contener números u otros caracteres no alfabéticos. Las fechas de nacimiento se pueden identificar más fácilmente pero, dado que todos los correos electrónicos y la mayoría de los documentos contendrán al menos una fecha, un DateOfBirth campo tampoco es un buen candidato. En su lugar, use campos como números de la seguridad social y números de cuenta, que son buenos candidatos para los campos principales.

Plantillas de archivos de ejemplo

Para facilitar la selección de los campos primarios, hemos reunido algunas plantillas de archivo de ejemplo para:

Se trata de archivos de valores separados por comas (.csv) que tienen los valores más usados en esas verticales del sector como encabezados de columna, junto con valores sintéticos generados por Microsoft en las filas. Use los encabezados de columna para ayudarle a decidir sus campos principales. La práctica recomendada consiste en exportar solo los datos de origen necesarios. Los encabezados de columna sugieren los campos más relevantes.

Para obtener información sobre cómo usar las plantillas de archivo de ejemplo, consulte Cómo usar las plantillas de archivo de ejemplo.

Guardar datos confidenciales en formato.csv, .tsv o separado por canalizaciones

Guarde los datos confidenciales como un formato de texto compatible siguiendo estos pasos:

  1. Identifique la información confidencial que quiera usar. Exporte los datos a una aplicación, como Microsoft Excel, y guarde el archivo como un archivo de texto. El archivo se puede guardar en cualquiera de los siguientes formatos: .csv (valores separados por comas), .tsv (valores separados por tabulaciones) o (|(separados por tuberías). El formato .tsv se recomienda en los casos en los que los valores de datos pueden incluir comas, como las direcciones. El archivo de datos puede incluir un máximo de:

    • Hasta 100 millones de filas de datos confidenciales
    • Hasta 32 columnas (campos) por origen de datos
    • Hasta 10 columnas (campos) marcados como aptos para la búsqueda

  2. Estructure los datos confidenciales en el archivo .csv o .tsv de modo que la primera fila incluya los nombres de los campos utilizados para la clasificación basada en EDM. En el archivo puede tener nombres de campo como "ssn", "fecha de nacimiento", "nombre", "apellidos". Los nombres de encabezado de las columnas no pueden contener espacios ni guiones bajos. Por ejemplo, un archivo de .csv de ejemplo denominado PatientRecords.csvy sus columnas incluyen PatientID, MRN, LastName, FirstName, SSN y mucho más.

  3. Preste atención al formato de los campos de datos confidenciales; En particular, los campos que pueden contener comas en su contenido. Por ejemplo, una dirección postal que contiene el valor "Seattle, WA" se analizaría como dos campos independientes si se selecciona el formato .csv. Para evitar esto, usa el formato .tsv o encierra los valores que contengan valores entre comillas dobles en la tabla de datos confidenciales. Si los valores que contienen comas también contienen espacios, deberá crear una SIT personalizada que coincida con el formato correspondiente. Por ejemplo, una SIT que detecta una cadena de varias palabras con comas y espacios.

Pasos siguientes

Elija el siguiente artículo en función de la experiencia que esté utilizando:

Otra posibilidad:

Vea también

  • Se actualizó por última vez el