Exportar dados de origem para tipos de informações confidenciais baseados em correspondência de dados exata

Este artigo explica como preparar e exportar sua tabela de dados confidenciais para uso com tipos de informações confidenciais baseados em correspondência exata de dados (EDM) no Microsoft Purview. Você aprende a escolher campos primários e secundários, estruturar seus dados e salvá-los em um formato compatível para que possa criar um esquema EDM.

Produtos e serviços aos quais este procedimento de exportação se aplica

A tabela de dados confidenciais é um arquivo de texto que contém linhas de valores com os quais você compara o conteúdo de seus documentos para identificar dados confidenciais. Esses valores podem ser informações de identificação pessoal, registros de produtos ou outros dados confidenciais em forma de texto que você deseja detectar em seu conteúdo e proteger.

Depois de exportar os dados em sua tabela (em um dos formatos com suporte), você pode criar um esquema EDM.

Definir o tipo de informação confidencial EDM

Quando você define o tipo sensível de EDM, uma das decisões mais críticas é definir quais campos são seus campos primários. Os campos primários precisam seguir um padrão detectável e ser definidos como campos pesquisáveis (colunas) no seu esquema EDM. Os campos secundários não precisam seguir nenhum padrão, pois serão comparados com todo o texto ao redor das correspondências com os campos primários.

Use estas regras para ajudá-lo a decidir quais colunas você deve usar como campos primários:

  • Se você precisar detectar dados confidenciais com base na presença de um único valor correspondente a um campo em sua tabela de dados confidenciais, independentemente da presença de quaisquer outros dados confidenciais ao seu redor, essa coluna deverá ser definida como um elemento primário para um EDM SIT.
  • Se várias combinações de campos diferentes na tabela de dados confidenciais devem ser detectadas no conteúdo, identifique as colunas comuns à maioria dessas combinações e designe-as como elementos primários. Designar combinações dos outros campos como elementos secundários.
  • Se uma coluna que você deseja usar como elemento primário não seguir um padrão detectável, gostar any text string ou seguir padrões detectáveis que estariam presentes em algum lugar em uma grande porcentagem de documentos ou emails, escolha outras colunas mais bem estruturadas como elementos primários.

Por exemplo, se você tiver as colunas full name, date of birth, account numbere Social Security Number, mesmo que o nome e o sobrenome sejam as colunas comuns às diferentes combinações de dados que você deseja detectar, essas cadeias de caracteres não seguirão padrões facilmente identificáveis e podem ser difíceis de definir como um tipo de informação confidencial. Há uma série de razões para isso:

  • Alguns nomes podem não começar com um caractere maiúsculo
  • alguns podem ser formados por duas, três ou mais palavras/strings
  • Alguns podem conter números ou outros caracteres não alfabéticos. As datas de nascimento podem ser identificadas mais facilmente, mas, como todos os emails e a maioria dos documentos conterão pelo menos uma data, um DateOfBirth campo também não é um bom candidato. Em vez disso, use campos como números de CPF e números de contas, que são bons candidatos para campos primários.

Modelos de arquivo de exemplo

Para facilitar a seleção dos campos principais, reunimos alguns modelos de arquivo de exemplo para:

Esses são arquivos de valores separados por vírgula (.csv) que têm os valores mais comumente usados nessas verticais do setor como cabeçalhos de coluna, juntamente com valores sintéticos gerados pela Microsoft nas linhas. Use os cabeçalhos de coluna para ajudá-lo a decidir sobre seus campos primários. A prática recomendada é exportar apenas os dados de origem necessários. Os cabeçalhos de coluna sugerem os campos mais relevantes.

Para saber como usar os modelos de arquivo de exemplo, consulte Como usar os modelos de arquivo de exemplo.

Salvar dados confidenciais no formato.csv, .tsv ou separado por pipes

Salve seus dados confidenciais como um formato de texto suportado seguindo estas etapas:

  1. Identifique as informações confidenciais que deseja usar. Exporte os dados para um aplicativo, como o Microsoft Excel, e salve o arquivo como um arquivo de texto. O arquivo pode ser salvo em qualquer um dos seguintes formatos: formato.csv (valores separados por vírgula), .tsv (valores separados por tabulação) ou (|)(separados por tubos). O formato .tsv é recomendado nos casos em que os valores de dados podem incluir vírgulas, como endereços. O arquivo de dados pode incluir um máximo de:

    • Até 100 milhões de linhas de dados confidenciais
    • Até 32 colunas (campos) por fonte de dados
    • Até 10 colunas (campos) marcados como pesquisáveis

  2. Estruture os dados confidenciais no arquivo .csv ou .tsv de modo que a primeira linha inclua os nomes dos campos usados para classificação baseada em EDM. No arquivo, você pode ter nomes de campos como "ssn", "data de nascimento", "nome", "sobrenome". Os nomes de cabeçalhos de coluna não podem conter espaços ou sublinhados. Por exemplo, um arquivo de .csv de exemplo chamado PatientRecords.csve suas colunas incluem PatientID,MRN, LastName, FirstName, SSN e muito mais.

  3. Preste atenção ao formato dos campos de dados confidenciais; em particular, campos que podem conter vírgulas em seu conteúdo. Por exemplo, um endereço que contenha o valor "Seattle, WA" será analisado como dois campos separados se o formato .csv for selecionado. Para evitar isso, use o formato .tsv ou coloque os valores entre aspas duplas na tabela de dados confidenciais. Se valores contendo vírgula também contiverem espaços, você precisará criar um SIT personalizado que corresponda ao formato correspondente. Por exemplo, um SIT que detecta cadeia de caracteres de várias palavras com vírgulas e espaços.

Próximas etapas

Escolha o próximo artigo com base na experiência que você está usando:

ou

Confira também

  • Last updated on