Ulteriori informazioni su tipi di informazioni sensibili basati sulla corrispondenza esatta dei dati

I tipi di informazioni sensibili (SIT) consentono di identificare i dati sensibili in modo da evitare che vengano condivisi inavvertitamente o inappropriatamente. Vengono anche usati per facilitare l'individuazione dei dati rilevanti in eDiscovery e per applicare azioni di governance a determinati tipi di informazioni. Una SIT personalizzata viene definita in base a:

• criteri
• evidenza delle parole chiave, ad esempio dipendente, numero di previdenza sociale o ID
• vicinanza del carattere all'evidenza in un modello specifico
• livello di probabilità

Ma cosa succede se si vuole un SIT personalizzato che usa valori di dati esatti o quasi esatti, invece di uno che trova corrispondenze in base a modelli generici? Con la classificazione basata su EDM (Exact Data Match) è possibile creare un tipo di informazioni riservate personalizzato progettato per:

• essere dinamico e facilmente aggiornabile
• Risultato in un minor numero di falsi positivi
• usare dati sensibili strutturati
• Gestire le informazioni riservate in modo più sicuro, senza condividerle con nessuno, incluso Microsoft
• essere usato con più servizi cloud Microsoft

La classificazione basata su EDM consente di creare SIT personalizzati che fanno riferimento a valori esatti in un database di informazioni riservate. Il database può essere aggiornato ogni giorno e può contenere fino a 100 milioni di righe di dati. Pertanto, con l'andirivieni di dipendenti, pazienti e clienti e con la modifica dei record, i tipi di informazioni sensibili personalizzate rimangono aggiornati e applicabili. Inoltre, è possibile usare la classificazione basata su EDM con criteri, ad esempio i criteri di prevenzione della perdita dei dati di Microsoft Purview o i criteri di file di Microsoft Cloud App Security.

Il diagramma seguente mostra il funzionamento fondamentale della classificazione EDM:

Cosa c'è di diverso in un SIT EDM

Quando si lavora con i SIT EDM, è utile comprendere alcuni concetti unici.

Schema

Uno schema è un file XML. Microsoft Purview usa lo schema per determinare se i dati contengono stringhe che corrispondono a quelle che i tipi di informazioni sensibili sono progettati per rilevare.

Il file XML dello schema definisce:

• Nome dello schema, in seguito denominato DataStore.
• Nomi dei campi contenuti nella tabella di origine delle informazioni sensibili. Esiste un mapping 1:1 dei nomi dei campi dello schema ai nomi delle colonne nella tabella di origine delle informazioni riservate.
• Quali campi di prove corroboranti richiedono la modalità di corrispondenza a più token.
• Campi dati disponibili per la ricerca.
• Indica se le corrispondenze configurabili sono supportate o meno per ogni campo. Una corrispondenza configurabile è una corrispondenza con parametri che modificano una ricerca, ad esempio ignorando i delimitatori e le maiuscole/minuscole nei valori cercati.

Tabella origine informazioni sensibili

La tabella dell'origine delle informazioni sensibili contiene i valori cercati dal sistema SIT EDM. La tabella è composta da colonne e righe. Le intestazioni di colonna sono i nomi dei campi, le righe sono le istanze di elementi e ogni cella di una riga contiene i valori relativi a tale istanza di elemento per il campo.

Ecco un semplice esempio di tabella di origine delle informazioni sensibili.

Pacchetto di regole

Per ogni tipo di informazione sensibile è associato un pacchetto di regole. È possibile utilizzare il pacchetto di regole in un SIT EDM per definire i vari componenti del SIT EDM. Nella tabella seguente viene fornita una descrizione di ogni componente.

L'utente fornisce il proprio schema e i propri dati

Microsoft Purview include molti SIT predefiniti . Questi SIT sono dotati di schemi, modelli REGEX, parole chiave e livelli di probabilità. Con i SIT EDM, tuttavia, sei responsabile della definizione dello schema, nonché dei campi primari e secondari che identificano gli elementi sensibili. Poiché lo schema e i valori dei dati primari e secondari sono tutti altamente sensibili, è possibile crittografarli tramite una funzione hash che include un valore salt generato in modo casuale o fornito automaticamente. Nel servizio vengono caricati solo i valori con hash, quindi i dati sensibili non sono mai allo scoperto.

Elementi di supporto primari e secondari

Quando si crea un SIT EDM, si definisce un campo elemento primario nel pacchetto di regole. EDM cerca quindi l'elemento principale in tutti i tuoi contenuti. Per consentire a EDM di rilevarli, gli elementi primari devono essere individuabili tramite un SIT esistente.

È necessario trovare un SIT integrato che rilevi le informazioni riservate che si vuole che il SIT EDM rilevi. Ad esempio, se lo schema SIT EDM ha come elemento primario il numero di previdenza sociale statunitense , quando si crea lo schema EDM è stato associato al SIT del numero di previdenza sociale (SSN) statunitense . Gli elementi primari devono seguire uno schema definito per essere rilevati.

Quando l'elemento primario viene trovato in un elemento scansionato, EDM cerca quindi gli elementi secondari (chiamati anche elementi di supporto ). A differenza degli elementi primari, gli elementi secondari hanno la possibilità di seguire uno schema. Se gli elementi secondari contengono più token, tali elementi devono essere associati a un SIT in grado di rilevare tale contenuto o che possono essere configurati per la corrispondenza di più token. In tutti i casi, gli elementi secondari devono trovarsi entro una certa vicinanza all'elemento primario affinché venga rilevata una corrispondenza.

Come funziona la corrispondenza

EDM funziona confrontando le stringhe nei documenti e nei messaggi di posta elettronica con i valori nella tabella di origine delle informazioni sensibili. Usa questo confronto per determinare se i valori del contenuto digitalizzato sono presenti nella tabella. La determinazione viene eseguita confrontando hash crittografici unidirezionali.

Come funzionano gli elementi di supporto con l'EDM

Come discusso in Cosa c'è di diverso in un SIT EDM, gli elementi di supporto sono elementi che, una volta trovati, forniscono prove che aiutano ad aumentare la sicurezza della corrispondenza.

Grazie al supporto dei SIT EDM, è possibile cercare e rilevare gli elementi di supporto composti da più campi. Le corrispondenze degli elementi di supporto possono essere costituite da elenchi di parole chiave, dizionari di parole chiave, singole stringhe alfanumeriche o stringhe con più token.

Di seguito è riportato un esempio. Si supponga di voler rilevare i numeri di previdenza sociale degli Stati Uniti. Per aumentare la sicurezza della partita, i tuoi elementi di supporto includono first name, last name, e date of birth (DoB). La tabella di origine ha quindi un aspetto simile al seguente:

Quando si cercano elementi di supporto corrispondenti in un file protetto, SIT EDM verifica la presenza di ogni elemento di supporto (sia singolarmente che in combinazione) una volta rilevato l'elemento primario.

Ad esempio, supponiamo che venga rilevato il primo numero di previdenza sociale. La funzionalità di corrispondenza esatta dei dati cerca quindi combinazioni di elementi di supporto in tutte le colonne della tabella di origine:

• Isaia
• Langer
• 05-05-1960
• Isaiah Langer
• Isaia 05-05-1960
• Langer 05-05-1960
• Isaiah Langer 05-05-1960

Corrispondenza con più token

La corrispondenza multi-token è progettata per essere usata quando il campo di prova corroborativo contiene valori multi-token, ma la corrispondenza di tali valori a un SIT non è facile. Ad esempio, quando si dispone di un Address campo contenente valori come 1 Microsoft Way, Redmond, WA o 123 Main Street, New York, NY.

Questa funzionalità consente a EDM di confrontare gli hash di parole consecutive nel contenuto con gli hash dei campi multi-token nell'origine dati. Se sono identici, EDM produce una corrispondenza. In questo modo, EDM può rilevare campi multi-token come nomi, indirizzi, condizioni mediche o qualsiasi altro campo di prova corroborativa che potrebbe contenere più di una parola, purché siano contrassegnati come multi-token nello schema EDM.

Ad esempio, se si seleziona l'abbinamento multi-token come opzione di corrispondenza, si ottengono due vantaggi aggiuntivi:

1. I criteri rileveranno il contenuto che corrisponde a più campi nelle colonne della tabella di origine.
2. La tabella di origine può includere campi con valori stringa costituiti da un numero preconfigurato di parole. La tabella seguente mostra una tabella di origine di esempio:

Con la corrispondenza di più token, i campi Nome e Indirizzo vengono abbinati sia come stringhe di elementi di supporto indipendenti sia in combinazione come campi singoli. Quindi, se abbinate come stringhe multi-token come elementi di supporto per il numero di previdenza sociale 987-65-4320, le corrispondenze sono:

• Isaiah Langer
• 1432 Lincoln Road

Quando vengono abbinati in combinazione, la corrispondenza è simile alla seguente:

• Isaiah Langer + 1432 Lincoln Road

La corrispondenza multi-token è supportata anche per i set di caratteri a doppio byte, che in genere non usano spazi per separare le parole.

Servizi supportati da EDM

Vedere anche

• Introduzione ai tipi di informazioni sensibili basati sulla corrispondenza esatta dei dati