Etapa 2: Implementar a correspondência exata de dados para uma correspondência precisa

Este guia é dividido em quatro etapas:

Captura de tela de Reduzir falsos positivos usando SITs e classificadores avançados - Blueprint.

O Microsoft Purview ajuda você a identificar dados confidenciais conhecidos específicos em seu patrimônio de dados usando a Correspondência Exata de Dados (EDM). O EDM minimiza falsos positivos sinalizando apenas dados que correspondem exatamente às entradas em uma tabela de dados de referência carregada.

Para saber mais sobre o EDM e como ele funciona, consulte Saiba mais sobre tipos de informações confidenciais baseados na correspondência exata de dados.

Use informações conhecidas para definir o esquema EDM

Carregue um arquivo de exemplo e use a automação fornecida pelo Microsoft Purview para definir o esquema. O esquema define a estrutura da tabela de dados de referência, incluindo as colunas que contêm dados confidenciais e as colunas que fornecem evidências comprobatórias.

Para saber mais, consulte Introdução aos tipos de informações confidenciais baseados na correspondência exata de dados.

Mapear o elemento primário para um SIT fortemente definido

Selecione como elementos primários colunas que contenham dados fortemente padronizados, como SSNs ou números de card de crédito, e use um SIT (tipo de informações confidenciais) fortemente definido como o SIT base para elementos primários. Quando você mapeia o campo primário para um SIT vagamente definido que abrange uma ampla gama de valores, o desempenho do classificador EDM é prejudicado, resultando em cenários de limitação ou tempo limite que causam detecções perdidas.

Evite os seguintes exemplos de SITs "soltos":

  • Números simples com menos de cinco dígitos (muito comuns).
  • Endereço de Email SIT que não exclui o domínio da empresa (corresponde em todos os emails).
  • Data de Nascimento SIT que não exclui datas recentes ou futuras.
  • Todos os Nomes Completos SIT (produz muitas correspondências e captura superstrings).
  • Um regex para detectar GUIDs (correspondências nos cabeçalhos de cada email).
  • Um regex que não isola uma única palavra ou sequência - por exemplo, o regex \d{6} corresponde em um número de seis dígitos, mas também em números com mais de seis dígitos. Um regex melhor seria \b\d{6}\b.
  • SIT do endereço (detecta muitas variações na escrita).

Ignorar delimitadores e pontuação para melhorar a precisão da correspondência

Selecione a opção para ignorar delimitadores e pontuação nos dados sempre que aplicável ao definir as colunas de esquema. Por exemplo, um número de telefone dos EUA pode ser escrito como +11234567890 ou (+1) 123 456 7890 ou +1 123-456-7890. Ao optar por ignorar delimitadores e pontuação, você pode garantir que cada formato seja identificado como uma correspondência válida.

Para saber mais, consulte Criar um esquema EDM SIT e pacote de regras.

Usar colunas adicionais como evidência correlacionada para correspondências de maior confiança

Selecione o modo de correspondência apropriado para cada coluna entre as três opções disponíveis: token único, token múltiplo ou SIT. Se você puder mapear com precisão qualquer um dos campos de evidência de suporte para um SIT interno ou personalizado, faça isso para garantir maior precisão e latência aprimorada. Evite usar a correspondência de vários tokens para um campo que contém consistentemente apenas dados de token único.

  • Para correspondências de alta confiança, inclua um número maior de elementos de suporte no intervalo de proximidade de caracteres definido.
  • Opcionalmente, crie um padrão de baixa confiança com apenas um número menor de elementos de suporte ou nenhum se o elemento principal for preciso o suficiente por conta própria.
  • Selecione o modo amplo ou estreito como o modo de detecção de proximidade com base em como você deseja que os elementos de suporte sejam verificados.

Para saber mais, consulte Criar um esquema EDM SIT e pacote de regras.

Resumo

No final desta etapa, sua organização tem:

  • Um esquema EDM definido com base em dados de referência conhecidos.
  • Elementos primários mapeados para SITs fortemente definidos para evitar problemas de desempenho.
  • Delimitadores e pontuação configurados para melhorar a precisão da correspondência entre formatos de dados.
  • Colunas adicionais configuradas como evidência correlacionada para correspondências de maior confiança.

Próxima etapa

Etapa 3: Usar classificadores treináveis para conteúdo complexo

  • Last updated on