Saiba mais sobre os tipos de informações confidenciais com base na correspondência exata de dados

Os tipos de informações confidenciais (SITs) são usados para ajudar a identificar dados confidenciais para que você possa impedir que eles sejam compartilhados inadvertidamente ou inadequadamente. Eles também são usados para ajudar a localizar dados relevantes na Descoberta Eletrônica e para aplicar ações de governança a determinados tipos de informações. Você define um SIT personalizado com base em:

• padrões
• evidências de palavra-chave, como funcionário, número do seguro social ou ID
• proximidade de um caractere da evidência em um padrão específico
• níveis de confiança

Mas e se você quiser um SIT personalizado que use valores de dados exatos ou quase exatos, em vez de um que encontre correspondências com base em padrões genéricos? Com a classificação baseada em Correspondência Exata de Dados (EDM), você pode criar um tipo de informação confidencial personalizado projetado para:

• ser dinâmica e facilmente atualizada
• resultam em menos falsos positivos
• trabalhar com dados confidenciais estruturados
• lidar com informações confidenciais com mais segurança, sem compartilhá-las com ninguém, incluindo a Microsoft
• ser usado com vários serviços de nuvem da Microsoft

A classificação baseada em EDM permite que você crie SITs personalizados que se referem a valores exatos em um banco de dados de informações confidenciais. O banco de dados pode ser atualizado diariamente e pode conter até 100 milhões de linhas de dados. Assim, à medida que funcionários, pacientes e clientes vêm e vão, e à medida que os registros mudam, seus tipos de informações confidenciais personalizadas permanecem atuais e aplicáveis. E você pode usar a classificação baseada em EDM com políticas, como políticas de Prevenção Contra Perda de Dados do Microsoft Purview ou políticas de arquivo do Microsoft Cloud App Security.

O diagrama a seguir mostra o funcionamento fundamental da classificação EDM:

O que há de diferente em um SIT de EDM

Ao trabalhar com SITs de EDM, é útil entender alguns conceitos exclusivos deles.

Esquema

Um esquema é um arquivo XML. O Microsoft Purview usa o esquema para determinar se seus dados contêm ou não cadeias de caracteres que correspondem àquelas que seus tipos de informações confidenciais foram projetados para detectar.

O arquivo XML de esquema define:

• O nome do esquema, posteriormente conhecido como Armazenamento de Dados.
• Os nomes de campo contidos na tabela de fonte de informações confidenciais. Há um mapeamento 1:1 de nomes de campos de esquema para os nomes de coluna na tabela de fonte de informações confidenciais.
• Quais campos de evidência corroborativa exigem o modo de correspondência de vários tokens.
• Quais campos de dados são pesquisáveis.
• Se há ou não suporte para correspondências configuráveis para cada campo. Uma correspondência configurável é aquela com parâmetros que modificam uma pesquisa, como ignorar delimitadores e maiúsculas e minúsculas em valores pesquisados.

Tabela de fonte de informações confidenciais

A tabela de fonte de informações confidenciais contém os valores que o EDM SIT procura. A tabela é composta de colunas e linhas. Os cabeçalhos de coluna são os nomes de campo, as linhas são instâncias de itens e cada célula em uma linha contém os valores dessa instância de item para esse campo.

Aqui está um exemplo simples de uma tabela de fonte de informações confidenciais.

Pacote de regras

Cada tipo de informação confidencial tem um pacote de regras. Você usa o pacote de regras em um EDM SIT para definir os vários componentes do seu EDM SIT. A tabela a seguir fornece uma descrição de cada componente.

Você fornece seu próprio esquema e dados

O Microsoft Purview vem com muitos SITs internos que são predefinidos. Esses SITs vêm com esquemas, padrões REGEX, palavras-chave e níveis de confiança. No entanto, com os SITs do EDM, você é responsável por definir o esquema, bem como os campos primário e secundário que identificam itens confidenciais. Como o esquema e os valores de dados primários e secundários são altamente confidenciais, você os criptografa por meio de uma função de hash que inclui um valor salt gerado aleatoriamente ou fornecido automaticamente. Somente os valores com hash são carregados no serviço, para que seus dados confidenciais nunca fiquem à vista.

Elementos de suporte primários e secundários

Ao criar um EDM SIT, você define um campo de elemento primário no pacote de regras. Em seguida, o EDM pesquisa todo o seu conteúdo para o elemento principal. Para que o EDM possa detectá-los, os elementos primários devem ser detectáveis por meio de um SIT existente.

Você precisa encontrar um SIT integrado que detecte as informações confidenciais que você deseja que seu EDM SIT detecte. Por exemplo, se o esquema SIT do EDM tiver o número do seguro social dos EUA como elemento principal, ao criar o esquema do EDM, você o associará ao SIT do Número do Seguro Social (SSN) dos EUA . Os elementos primários devem seguir um padrão definido para serem detectados.

Quando o elemento primário é encontrado em um item digitalizado, o EDM procura elementos secundários (também chamados de elementos de suporte ). Ao contrário dos elementos primários, os elementos secundários têm a opção de seguir um padrão. Se os elementos secundários contiverem vários tokens, esses elementos precisarão ser associados a um SIT que possa detectar esse conteúdo ou que possa ser configurado para correspondência de vários tokens. Em todos os casos, os elementos secundários devem estar dentro de uma certa proximidade com o elemento primário para que uma correspondência seja detectada.

Como funciona a correspondência

O EDM funciona comparando cadeias de caracteres em seus documentos e emails com valores na tabela de fonte de informações confidenciais. Ele usa essa comparação para determinar se os valores no conteúdo verificado estão presentes na tabela. A determinação é feita comparando hashes criptográficos unidirecionais.

Como os elementos de suporte funcionam com EDM

Conforme discutido em O que há de diferente em um EDM SIT, os elementos de apoio são elementos que, quando encontrados, fornecem evidências que ajudam a aumentar a confiança da correspondência.

Com suporte para EDM SITs, você pode procurar e detectar elementos de suporte compostos por vários campos. As correspondências de elementos de suporte podem consistir em listas de palavras-chave, dicionários de palavras-chave, cadeias de caracteres alfanuméricas únicas ou cadeias de caracteres de vários tokens.

Vejamos um exemplo. Suponha que você deseja detectar os números da Previdência Social dos EUA. Para aumentar a confiança na partida, seus elementos de apoio incluem first name, last name, e date of birth (DoB). Portanto, sua tabela de origem é mais ou menos assim:

Ao procurar elementos de suporte correspondentes em um arquivo protegido, seu EDM SIT verifica cada elemento de suporte (individualmente e em combinação) assim que o elemento principal é detectado.

Por exemplo, digamos que o primeiro número de seguro social seja detectado. Em seguida, a funcionalidade de correspondência exata de dados procura combinações de elementos de suporte em todas as colunas da tabela de origem:

• Isaías
• Langer
• 05-05-1960
• Isaiah Langer
• Isaías 05-05-1960
• Langer 05-05-1960
• Isaías Langer 05-05-1960

Correspondência de vários tokens

A correspondência de vários tokens foi projetada para ser usada quando seu campo de evidência corroborativa contém valores de vários tokens, mas a correspondência desses valores a um SIT não é facilmente realizada. Por exemplo, quando você tem um Address campo contendo valores como 1 Microsoft Way, Redmond, WA ou 123 Main Street, New York, NY.

Esse recurso permite que o EDM compare os hashes de palavras consecutivas no conteúdo com os hashes dos campos de vários tokens em sua fonte de dados. Se forem idênticos, o EDM produzirá uma correspondência. Dessa forma, o EDM pode detectar campos de vários tokens, como nomes, endereços, condições médicas ou quaisquer outros campos de evidência corroborativa que possam conter mais de uma palavra, desde que estejam marcados como vários tokens em seu esquema EDM.

Por exemplo, se você selecionar a correspondência de vários tokens como a opção de correspondência, obterá dois benefícios adicionais:

1. Suas políticas detectarão conteúdo que corresponde a vários campos nas colunas da tabela de origem.
2. Sua tabela de origem pode incluir campos com valores de cadeia de caracteres que consistem em um número pré-configurado de palavras. A tabela a seguir mostra uma tabela de origem de exemplo:

Com a correspondência de vários tokens, os campos Nome e Endereço são combinados como strings de elementos de suporte independentes e em combinação como campos individuais. Portanto, quando combinadas como cadeias de caracteres de vários tokens como elementos de suporte para o número da Previdência Social 987-65-4320, as correspondências são:

• Isaiah Langer
• 1432 Lincoln Road

Quando combinada em combinação, a correspondência é assim:

• Isaías Langer + 1432 Lincoln Road

A correspondência de vários tokens também é compatível com conjuntos de caracteres de byte duplo, que geralmente não usam espaços para separar palavras.

Serviços compatíveis com o EDM

Confira também

• Introdução com a correspondência exata de dados com base em tipos de informações confidenciais