Etapa 3: Usar classificadores treináveis para conteúdo complexo

Este guia é dividido em quatro etapas:

• Introdução
• Etapa 1: Configurar a detecção de dados confidenciais baseada em padrão
• Etapa 2: Implementar a correspondência exata de dados para uma correspondência precisa
• Etapa 3: Usar classificadores treináveis para conteúdo complexo (este artigo)
• Etapa 4: aplicar a impressão digital de documento para modelos

Use classificadores treináveis quando precisar identificar conteúdo proprietário ou específico da organização que os SITs (tipos de informações confidenciais) internos ou classificadores pré-treinados pela Microsoft não podem detectar com segurança. Os classificadores treináveis usam o aprendizado de máquina para identificar padrões de documentos, fornecendo uma abordagem personalizável e inteligente para tipos de dados complexos.

Escolha entre classificadores pré-treinados internos

Use os classificadores treináveis pré-treinados e prontos para uso fornecidos pela Microsoft. Identifique qual classificador treinável é adequado ao seu caso de uso, teste-o com seus dados de amostra para validar se ele atende aos seus requisitos e comece a usá-lo em suas políticas sem nenhum esforço extra de configuração manual e ajuste fino.

Se os classificadores treináveis internos não atenderem às suas necessidades, crie seus próprios classificadores personalizados com base em documentos relevantes da sua organização.

Para saber mais, consulte Saiba mais sobre classificadores treináveis.

Semeie classificadores personalizados com um conjunto grande e diversificado de amostras

Treine seu classificador personalizado com um número adequado de amostras positivas e negativas do tipo de conteúdo que você deseja detectar. Se alguns dos classificadores treináveis que a Microsoft fornece no Microsoft Purview forem relevantes para suas necessidades, mas não fornecerem a precisão necessária em seu ambiente, use-os para detectar um grande conjunto de documentos que correspondam corretamente. Colete-os em um único local (removendo os falsos positivos e adicionando documentos relevantes identificados manualmente). Use documentos não relacionados e documentos que foram incorretamente correspondidos pelo classificador original como exemplos negativos.

Essa abordagem garante que o conjunto de treinamento leve em conta seu jargão específico, nomes e outros aspectos relevantes de suas informações.

Para saber mais, confira Introdução aos classificadores treináveis.

Fornecer comentários de correspondência e não correspondência para itens identificados

Como no caso dos SITs, forneça feedback regular para cada item correspondente a um classificador treinável para melhorar a precisão do classificador. Se o classificador detectar muitos falsos positivos, remova o classificador personalizado e crie-o novamente com um conjunto de dados de amostra maior e mais preciso.

Combine classificadores treináveis com SITs para obter mais precisão

Use a abordagem híbrida de combinação de aprendizado de máquina (com classificador treinável) e correspondência de padrões baseada em regras (com SIT) para obter maior precisão. Por exemplo, para identificar contratos comerciais confidenciais que excedem o valor de US$ 100 mil, emparelhe o classificador treinável pré-treinado Business Context com um SIT personalizado que detecta somas de contrato acima de US$ 100 mil. Você pode usar esses classificadores em políticas DLP para proteção abrangente de dados.

Resumo

No final desta etapa, sua organização tem:

• Classificadores pré-treinados internos avaliados e implantados quando aplicável.
• Classificadores treináveis personalizados criados com um conjunto diversificado de amostras positivas e negativas.
• Ciclo de feedback estabelecido para melhorar continuamente a precisão do classificador.
• Abordagem híbrida que combina classificadores treináveis com SITs para maior precisão.

Próxima etapa