Exportez des données sources pour obtenir une correspondance de données exacte en fonction des types d’informations sensibles

Cet article explique comment préparer et exporter votre table de données sensibles pour une utilisation avec des types d’informations sensibles basés sur la correspondance exacte des données (EDM) dans Microsoft Purview. Vous apprendrez à choisir des champs principaux et secondaires, à structurer vos données et à les enregistrer dans un format pris en charge afin de pouvoir créer un schéma EDM.

Produits et services que cette procédure d’exportation s’applique

La table de données sensibles est un fichier texte contenant des lignes de valeurs auxquelles vous comparez le contenu de vos documents pour identifier les données sensibles. Ces valeurs peuvent être des informations d’identification personnelle, des enregistrements de produits ou d’autres données sensibles sous forme de texte que vous souhaitez détecter dans votre contenu et protéger.

Une fois que vous avez exporté les données dans votre table (dans l’un des formats pris en charge), vous pouvez créer un schéma EDM.

Définir le type d’informations sensibles de GED

Lorsque vous définissez votre type sensible EDM, l’une des décisions les plus critiques consiste à définir quels champs sont vos champs principaux. Les champs principaux doivent suivre un modèle détectable et être définis en tant que champs pouvant faire l’objet d’une recherche (colonnes) dans votre schéma EDM. Les champs secondaires n’ont pas besoin de suivre de modèle car ils seront comparés à tout le texte entourant les correspondances aux champs primaires.

Utilisez les règles suivantes pour vous aider à déterminer les colonnes à utiliser comme champs principaux :

  • Si vous devez détecter des données sensibles en fonction de la présence d’une valeur unique correspondant à un champ de votre table de données sensibles, indépendamment de la présence d’autres données sensibles l’entourant, cette colonne doit être définie comme élément principal pour un SIT EDM.
  • Si plusieurs combinaisons de différents champs de votre table de données sensibles doivent être détectées dans le contenu, identifiez les colonnes communes à la plupart de ces combinaisons et désignez-les comme éléments primaires. Désignez des combinaisons des autres champs comme éléments secondaires.
  • Si une colonne que vous souhaitez utiliser comme élément principal ne suit pas un modèle détectable, comme any text string ou suit des modèles détectables qui seraient présents quelque part dans un pourcentage élevé de documents ou d’e-mails, choisissez d’autres colonnes mieux structurées comme éléments primaires.

Par exemple, si vous avez les colonnes full name, date of birth, account number, et Social Security Number, même si le prénom et le nom sont les colonnes communes aux différentes combinaisons de données que vous souhaitez détecter, ces chaînes ne suivent pas de modèles facilement identifiables et peuvent être difficiles à définir en tant que type d’informations sensibles. Il y a plusieurs raisons à cela :

  • Certains noms ne commencent pas par une majuscule
  • certains peuvent être formés de deux, trois ou plus de mots/chaînes
  • Certains peuvent contenir des chiffres ou d’autres caractères non alphabétiques. Les dates de naissance peuvent être identifiées plus facilement mais, comme chaque e-mail et la plupart des documents contiennent au moins une date, un champ n’est DateOfBirth pas non plus un bon candidat. Utilisez plutôt des champs tels que les numéros de sécurité sociale et les numéros de compte, qui sont de bons candidats pour les champs primaires.

Exemples de modèles de fichiers

Pour faciliter la sélection de vos champs principaux, nous avons rassemblé quelques exemples de modèles de fichiers pour :

Il s’agit de fichiers de valeurs séparées par des virgules (.csv) contenant les valeurs les plus couramment utilisées dans ces secteurs d’activité comme en-tête de colonne, ainsi que des valeurs synthétiques générées par Microsoft dans les lignes. Utilisez les en-têtes de colonne pour vous aider à choisir vos champs principaux. Nous vous recommandons d’exporter uniquement les données sources requises. Les en-têtes de colonne suggèrent les champs les plus pertinents.

Pour savoir comment utiliser les exemples de modèles de fichiers, consultez Comment utiliser les exemples de modèles de fichiers.

Enregistrer des données sensibles au format.csv, .tsv ou séparé par une barre verticale

Enregistrez vos données sensibles dans un format texte pris en charge en procédant comme suit :

  1. Identifiez les informations sensibles que vous voulez utiliser. Exportez les données vers une application telle que Microsoft Excel et enregistrez le fichier en tant que fichier texte. Le fichier peut être enregistré dans l’un des formats suivants : format.csv (valeurs séparées par des virgules), .tsv (valeurs séparées par des tabulations) ou (|(séparées par des tuyaux). Le format .tsv est recommandé dans les cas où vos valeurs de données peuvent inclure des virgules, comme des adresses postales. Le fichier de données peut inclure au maximum :

    • 100 millions de lignes de données sensibles
    • 32 colonnes (champs) par source de données
    • Jusqu’à 10 colonnes (champs) marquées comme pouvant faire l’objet d’une recherche

  2. Structurez les données sensibles dans le fichier .csv ou .tsv de sorte que la première ligne inclue les noms des champs utilisés pour la classification basée sur EDM. Votre fichier peut contenir des noms de champs tels que « ssn », « datenaissance », « prénom », « nom ». Les noms d’en-tête de colonne ne peuvent pas contenir des espaces ni des traits de soulignement. Par exemple, un exemple de fichier .csv nommé PatientRecords.csvet ses colonnes incluent PatientID,MRN,LastName, FirstName, SSN, etc.

  3. Faire attention au format des champs de données sensibles ; en particulier, les champs dont le contenu peut contenir des virgules. Par exemple, une adresse postale qui contient la valeur « Seattle, WA » serait analysée comme deux champs distincts si le format .csv est sélectionné. Pour éviter cela, utilisez le format .tsv ou entourez les valeurs contenant des virgules de guillemets doubles dans la table de données sensibles. Si une virgule contenant des valeurs contient également des espaces, vous devez créer un SIT personnalisé qui correspond au format correspondant. Par exemple, un SIT qui détecte une chaîne de plusieurs mots contenant des virgules et des espaces.

Étapes suivantes

Choisissez l’article suivant en fonction de l’expérience que vous utilisez :

ou

Voir aussi

  • Dernière mise à jour :