Esportare i dati di origine per la corrispondenza esatta dei dati in base ai tipi di informazioni sensibili

Questo articolo spiega come preparare ed esportare la tabella dati sensibili per l'uso con i tipi di informazioni riservate basati su EDM (Exact Data Match) in Microsoft Purview. Informazioni su come scegliere i campi primari e secondari, strutturare i dati e salvarli in un formato supportato in modo da poter creare uno schema EDM.

Prodotti e servizi a cui si applica il presente regime di esportazione

La tabella dati sensibili è un file di testo contenente righe di valori con cui confrontare il contenuto dei documenti per identificare i dati riservati. Questi valori possono essere informazioni di identificazione personale, record di prodotti o altri dati sensibili in formato testo che vuoi rilevare nel tuo contenuto e proteggere.

Dopo aver esportato i dati nella tabella (in uno dei formati supportati), è possibile creare uno schema EDM.

Definire il tipo di informazioni sensibili EDM

Quando si definisce il tipo sensibile EDM, una delle decisioni più critiche è definire quali campi sono i campi primari. I campi primari devono seguire un modello rilevabile ed essere definiti come campi ricercabili (colonne) nello schema EDM. I campi secondari non devono seguire uno schema perché vengono confrontati con tutto il testo che circonda le corrispondenze con i campi primari.

Usare queste regole per decidere quali colonne usare come campi primari:

  • Se è necessario rilevare dati sensibili in base alla presenza di un singolo valore corrispondente a un campo nella tabella dati sensibili, indipendentemente dalla presenza di altri dati sensibili circostanti, tale colonna deve essere definita come elemento primario per un SIT EDM.
  • Se nel contenuto devono essere rilevate più combinazioni di campi diversi nella tabella dati sensibili, identificare le colonne comuni alla maggior parte di queste combinazioni e designarle come elementi primari. Designare combinazioni degli altri campi come elementi secondari.
  • Se una colonna che si vuole usare come elemento primario non segue uno schema rilevabile, come any text string o segue schemi rilevabili che sarebbero presenti da qualche parte in una grande percentuale di documenti o messaggi di posta elettronica, scegliere altre colonne meglio strutturate come elementi primari.

Ad esempio, se le colonne full name, date of birth, account number, e Social Security Number, anche se il nome e il cognome sono le colonne comuni alle diverse combinazioni di dati che si desidera rilevare, tali stringhe non seguono modelli facilmente identificabili e potrebbero essere difficili da definire come tipo di informazioni riservate. Ci sono una serie di ragioni per questo:

  • Alcuni nomi potrebbero non iniziare con un carattere maiuscolo
  • alcuni potrebbero essere formati da due, tre o più parole/stringhe
  • alcuni possono contenere numeri o altri caratteri non alfabetici. Le date di nascita possono essere identificate più facilmente ma, poiché ogni messaggio di posta elettronica e la maggior parte dei documenti contengono almeno una data, un DateOfBirth campo non è un buon candidato. Usare invece campi come i codici fiscali e i numeri di conto, che sono buoni candidati per i campi primari.

Modelli di file di esempio

Per semplificare la selezione dei campi principali, abbiamo raccolto alcuni modelli di file di esempio per:

Si tratta di file con valori delimitati da virgole (.csv) che contengono i valori più comunemente usati in questi settori verticali come intestazioni di colonna, insieme a valori sintetici generati da Microsoft nelle righe. Usare le intestazioni di colonna per scegliere i campi principali. È consigliabile esportare solo i dati di origine obbligatori. Le intestazioni di colonna suggeriscono i campi più rilevanti.

Per informazioni su come usare i modelli di file di esempio, vedere Come usare i modelli di file di esempio.

Salvare i dati sensibili in formato.csv, .tsv o pipe-separated

Salvare i dati sensibili in un formato testo supportato seguendo questa procedura:

  1. Identificare le informazioni sensibili da usare. Esporta i dati in un'app, ad esempio Microsoft Excel, e salva il file come file di testo. Il file può essere salvato in uno dei formati seguenti: .csv (valori delimitati da virgole), .tsv (valori delimitati da tabulazioni) o (|)(formato delimitato da pipe). Il formato .tsv è consigliato nei casi in cui i valori dei dati possono contenere virgole, ad esempio gli indirizzi stradali. Il file di dati può includere al massimo:

    • Fino a 100 milioni di righe di dati sensibili
    • Fino a 32 colonne (campi) per origine dati
    • Fino a 10 colonne (campi) contrassegnate come ricercabili

  2. Struttura i dati riservati nel file .csv o .tsv in modo che la prima riga includa i nomi dei campi usati per la classificazione basata su EDM. Il file potrebbe contenere nomi di campo come "ssn", "data di nascita", "nome", "cognome". I nomi delle intestazioni di colonna non possono includere spazi o caratteri di sottolineatura. Ad esempio, un file di .csv di esempio denominato PatientRecords.csve le relative colonne includono PatientID, MRN, LastName, FirstName, SSN e altro ancora.

  3. Prestare attenzione al formato dei campi dati sensibili; in particolare, i campi che potrebbero contenere virgole nel contenuto. Ad esempio, un indirizzo che contiene il valore "Seattle, WA" verrebbe analizzato come due campi separati se è selezionato il formato .csv. Per evitare questo problema, utilizzare il formato .tsv o racchiudere la virgola contenente i valori tra virgolette nella tabella dati sensibili. Se la virgola contenente valori contiene anche spazi, è necessario creare un SIT personalizzato corrispondente al formato corrispondente. Ad esempio, un SIT che rileva una stringa a più parole contenente virgole e spazi.

Passaggi successivi

Scegli l'articolo successivo in base all'esperienza che stai usando:

o

Vedere anche

  • Ultimo aggiornamento: