Étape 1 : Configurer la détection des données sensibles basée sur des modèles

Ce guide est divisé en quatre étapes :

Capture d’écran de Réduire les faux positifs à l’aide de SIT et de classifieurs avancés - Blueprint.

Pour utiliser des types d’informations sensibles (SIT) pour la sécurité des données dans votre entreprise numérique, il est important d’avoir une vue complète de votre patrimoine de données. Mappez d’abord les données sensibles pour identifier les types de données sensibles présentes dans votre entreprise et leur emplacement.

Choisissez parmi les SIT intégrés et personnalisez-les si nécessaire

Commencez par les SIT intégrés fournis par Microsoft. S’ils ne répondent pas à vos besoins tels quels, clonez-les et modifiez-les pour les rendre précisément pertinents pour votre contexte d’entreprise.

  • Utiliser des SIT intégrés : commencez par les SIT fournis par Microsoft Purview. Pour plus d’informations, consultez En savoir plus sur les types d’informations sensibles.
  • Cloner et modifier : si les SIT intégrés ne répondent pas entièrement à vos besoins, clonez-les et personnalisez-les. Pour plus d’informations, consultez Personnaliser un type d’informations sensibles intégré.
  • Créer des SIT personnalisés : créez vos propres SIT à partir de zéro pour répondre aux besoins uniques de votre organisation en matière de classification des données. Utilisez plusieurs modèles dans une seule définition SIT pour garantir une identification complète. Par exemple, un SIT créé pour identifier la date de naissance doit tenir compte de différents formats (JJ/MM/AAAA, JJ/MM/AAAA, etc.). Pour plus d’informations, voir Créer des types d’informations sensibles personnalisés.
  • Testez des SIT personnalisés, puis actualisez la classification si nécessaire : Utilisez des tests de fichiers téléchargés avec des exemples représentatifs correspondant et non correspondants. Pour les fichiers SharePoint et OneDrive historiques nécessitant une classification mise à jour, utilisez la classification à la demande après avoir examiné l’étendue, les estimations, les frais et les stratégies actives. Une analyse peut déclencher des actions à partir de stratégies de correspondance actives ; Ce n’est pas une simulation de politique non mutante. Voir Concepts de classification et de simulation d’étiquetage automatique.
  • Utiliser plusieurs SIT dans les règles de stratégie DLP : créez une stratégie de détection plus complète et plus précise en utilisant plusieurs SIT. Par instance, lors de la détection des PII, choisissez une combinaison de SIT qui couvre le SSN, le numéro de permis de conduire, le numéro de passeport, etc., avec une condition OR au lieu de dépendre uniquement d’un SIT.

Identifier le type d’élément primaire approprié dans la configuration SIT

Lorsque vous définissez l’élément principal, choisissez parmi quatre options : expression régulière (regex), liste de mots clés, dictionnaire de mots clés ou fonction. Suivez ces recommandations pour chaque type :

Type d’élément primaire Recommandations clés
Expression régulière Utilisez des assertions de recherche pour garantir le contexte et réduire les correspondances non pertinentes. Validez des modèles d’expression régulière par rapport à divers ensembles de données. Si vous devez détecter des chaînes isolées, utilisez \b au début et à la fin, ou sélectionnez « correspondance de mots » au lieu de « correspondance de chaînes ». Vous pouvez améliorer la détection à l’aide d’autres validateurs intégrés avec une logique qui n’est pas possible en utilisant uniquement des expressions régulières.
Liste de mots clés Utilisez la capacité de tubage en fonction de la nécessité d’un tubage exact. Dans les langues délimitées par des espaces, utilisez « word match » au lieu de « string match » pour une meilleure précision. Pour les langues non délimitées par des espaces comme le chinois, le japonais, le thaï et le coréen, la « correspondance de chaîne » améliore la précision de la classification en détectant les mots clés incorporés dans des mots plus grands.
Dictionnaire de mots clés Utilisez ce type sur la liste de mots clés lorsque vous avez besoin d’une gestion simplifiée des mots clés à plus grande échelle. N’oubliez pas la limite de 1 Mo de texte compressé dans tous les dictionnaires du client. Les dictionnaires de mots clés ne sont toujours pas sensibles à la casse.
Fonction Identifiez la fonction appropriée dans une liste de fonctions prédéfinies. Ces fonctions se comportent de la même manière que les expressions régulières, mais avec davantage de fonctionnalités de programmation.

Pour plus d’informations, consultez En savoir plus sur les types d’informations sensibles.

Affiner à l’aide d’éléments de proximité, du niveau de confiance et des exclusions

  • Ajouter des éléments à l’appui : Fournir des éléments à l’appui à titre de preuve corroborante à côté de l’élément principal. Par exemple, le simple fait de faire correspondre un format de date pour la date de naissance peut entraîner des faux positifs massifs dans les en-têtes et les horodatages des e-mails. L’ajout de mots clés de prise en charge (Date de naissance, Date de naissance) garantit uniquement des correspondances à haut niveau de fiabilité.
  • Définir des limites de proximité : Définissez la limite de proximité à 300 caractères pour tout nouveau SIT personnalisé. Évitez de configurer une proximité illimitée (« n’importe où dans le document »), car cela conduit à trop de faux positifs. Pour les données tabulaires de grande taille, utilisez l’option configurable à l’aide de RelaxProximity PowerShell.
  • Configurer les niveaux de confiance : spécifiez un niveau de confiance plus élevé pour les modèles avec plus d’éléments de prise en charge ou des expressions régulières plus restrictives. Réglez le niveau de confiance sur faible si le SIT a peu ou pas d’éléments de soutien.
  • Exclusions d’utilisation : incluez ou excluez du texte et des modèles, des préfixes ou des suffixes spécifiques pour améliorer encore la précision de la correspondance.
  • Testez votre configuration : utilisez la fonctionnalité de test pour valider la précision de votre SIT et utilisez Content Explorer pour examiner les correspondances détectées.

Pour plus d’informations, consultez Tester un type d’informations sensibles.

Fournir des commentaires sur la correspondance et la non-correspondance des éléments identifiés

Envoyez régulièrement vos commentaires sur tous les éléments correspondants afin d’aider Microsoft à optimiser ses SITs. Pour chaque élément dans SharePoint et OneDrive, Microsoft Purview vous permet de fournir des commentaires indiquant s’il s’agit d’une correspondance (vrai positif) ou non (faux positif). Vous pouvez également choisir d’envoyer une version expurgée de l’élément à Microsoft pour vous aider à améliorer la précision des SIT intégrés.

Résumé

À la fin de cette étape, votre organisation dispose des éléments suivants :

  • Types d’informations sensibles (SIT) intégrés et personnalisés configurés pour les besoins de classification des données de votre organisation.
  • Éléments primaires définis avec des expressions régulières, des mots clés, des dictionnaires ou des modèles de fonction appropriés.
  • Limites de proximité, niveaux de confiance et exclusions affinés pour réduire les faux positifs.
  • Boucle de rétroaction établie pour améliorer continuellement la précision du SIT.

Étape suivante

Étape 2 : Mettre en œuvre la correspondance exacte des données pour une correspondance précise

  • Dernière mise à jour :