Tipos de información confidencial personalizados en Microsoft Purview: cómo crear expresiones regulares y pruebas de respaldo que funcionan de verdad

By Mirko Peters · 2026-10-27

Domina los tipos de información confidencial personalizados de Microsoft Purview. Aprende a escribir expresiones regulares eficaces, a usar pruebas de respaldo y a eliminar los falsos positivos.

Automatically translated with AI from the original post. Read the English original

Descubre cómo crear tipos de información confidencial personalizados de alta precisión en Microsoft Purview combinando expresiones regulares, valores de proximidad y palabras clave de respaldo. Deja de lidiar con falsos positivos y aprende a diseñar detectores de datos precisos que protegen la información propietaria de tu empresa sin saturar a tu equipo de TI con alertas ruidosas.

Puntos clave

• Los tipos de información confidencial personalizados se basan en expresiones regulares (regex) para capturar patrones propios de la organización, como IDs de empleados, códigos de proyectos internos y números de contrato especializados.
• Los patrones sin contexto no funcionan: combinar la regex con palabras clave de respaldo y reglas de proximidad estrictas reduce drásticamente los falsos positivos.
• Los diccionarios de palabras clave simplifican la gestión, ya que te permiten agrupar cientos de términos relacionados en un único objeto reutilizable.
• Probar a fondo con documentos de muestra reales antes de la implementación garantiza que tus reglas detecten fugas reales sin bloquear las operaciones habituales del negocio.
• Elegir los niveles de confianza adecuados evita que tu panel se llene de ruido procedente de cadenas numéricas genéricas, como números de pedido o extensiones telefónicas.

Los límites de los detectores integrados de Microsoft Purview

Microsoft incluye cientos de tipos de información confidencial listos para usar, desde números de tarjetas de crédito y números de la Seguridad Social de EE. UU. hasta IBAN europeos e identificadores médicos. Estos detectores integrados son esenciales para cumplir los requisitos generales de cumplimiento normativo. Sin embargo, solo cubren datos que tienen el mismo formato en cualquier empresa del mundo. Tu negocio depende de estructuras de datos internas únicas que ningún proveedor de software ha visto jamás.

Cuando necesitas proteger información propietaria, como números de serie internos de empleados, códigos de proyecto restringidos, números de cuenta de clientes especializados o formatos de tickets de sistemas heredados, los detectores integrados se quedan completamente cortos. Ahí es donde debes ir más allá de las plantillas genéricas y diseñar tipos de información confidencial personalizados. Crearlos desde cero requiere un ajuste cuidadoso para que tus reglas reconozcan con precisión la huella digital única de tu organización sin tratar cada cadena aleatoria de dígitos como una brecha de seguridad de alto riesgo.

Escribir expresiones regulares eficaces para la detección de datos

El núcleo de cualquier tipo de información confidencial personalizado es una expresión regular, o regex. Una regex es un código compacto que describe la estructura exacta de una cadena en lugar de su contenido literal. Por ejemplo, si tus números de contrato internos siempre empiezan por las letras "CN" seguidas de un guion, un año de cuatro dígitos, otro guion y seis dígitos finales, una expresión regular bien estructurada capturará todas las cadenas que coincidan con ese formato exacto.

Sin embargo, la coincidencia de patrones por sí sola conlleva riesgos graves si no se gestiona correctamente. Escribir una expresión regular demasiado permisiva, como una que detecte cualquier número de siete dígitos porque parecía rápida y cómoda durante las pruebas iniciales, fallará de inmediato en producción. Una vez desplegado, un patrón permisivo marcará números de teléfono, códigos postales habituales, números de factura y hojas de cálculo financieras rutinarias. Una expresión regular sin disciplina estructural funciona solo como un detector de números aleatorios, y llena de ruido tus registros de auditoría de Purview.

El poder de la evidencia de respaldo y la proximidad

Para convertir un patrón de caracteres básico en un detector de datos inteligente, debes incorporar evidencia de respaldo y reglas de proximidad. La forma por sí sola no equivale a significado. Un identificador de empleado interno con la estructura de la letra "E" seguida de siete números puede coincidir fácilmente con los SKU de productos de proveedores o con referencias de envío habituales.

Al añadir palabras clave de evidencia de respaldo, como "número de personal", "registro de RR. HH." o "perfil de empleado", le das al motor de detección un contexto semántico. Además, debes definir reglas de proximidad que determinen lo cerca que deben estar esas palabras clave del patrón detectado. Si una palabra clave aparece en el pie de página de un documento, a tres páginas de una cadena numérica, no debería activar una coincidencia. Ajustar con precisión la ventana de proximidad garantiza que el contexto esté realmente vinculado al valor de los datos.

Aprovechar los diccionarios de palabras clave para escalar

Gestionar listas extensas de términos directamente dentro de reglas individuales se convierte rápidamente en una pesadilla administrativa. En lugar de escribir decenas o cientos de palabras en cada regla personalizada, las organizaciones deben aprovechar los diccionarios de palabras clave. Un diccionario de palabras clave consolida una lista amplia de términos relacionados, como nombres en clave de sistemas internos, etiquetas de proyectos confidenciales o entidades de clientes bajo un acuerdo de confidencialidad vigente, en un único objeto fácil de gestionar.

Al crear diccionarios, la calidad importa mucho más que la cantidad. Añadir dos mil palabras genéricas como "plan", "resumen" y "revisión" arruinará la precisión de tu detección, porque esas palabras aparecen todo el día en la redacción corporativa normal. Cada término que añadas a un diccionario debe ser lo bastante específico como para indicar sensibilidad de forma significativa cuando se combine con el patrón subyacente.

Pruebas y validación antes del despliegue en producción

El error más grave que cometen los equipos de cumplimiento es desplegar un tipo de información confidencial personalizado recién creado directamente en una directiva de aplicación sin pruebas empíricas. Nunca confíes únicamente en ejemplos de prueba inventados por ti mismo para demostrar que la regla funciona. En su lugar, recopila documentos y correos reales del entorno de la empresa.

Microsoft Purview te permite cargar archivos de muestra directamente en el portal para comprobar qué detecta y qué pasa por alto tu tipo personalizado. Crea un conjunto de pruebas equilibrado que incluya documentos que deberían coincidir, documentos que explícitamente no deberían coincidir y casos límite. Si tu detector personalizado marca algo que no debería, analiza el motivo: normalmente, el problema se debe a una expresión regular demasiado amplia, a una ventana de proximidad incorrecta o a una palabra clave que aparece con demasiada frecuencia en las comunicaciones empresariales habituales. Ajusta la regla, vuelve a probarla e itera hasta que la relación señal-ruido sea impecable. Para una visión más amplia de cómo encajan estos elementos personalizados en las estrategias de despliegue completas, escucha el episodio completo y descubre cómo diseñar directivas que protejan de verdad tu entorno en la nube sin alienar a tu personal.

Preguntas frecuentes

¿Cuál es la finalidad principal de un tipo de información confidencial personalizado en Microsoft Purview?

Los tipos de información confidencial personalizados permiten a las organizaciones detectar y proteger formatos de datos propios de su negocio, como identificadores de empleados internos, códigos de proyectos específicos o números de cuenta especializados, que no están cubiertos por la biblioteca de detección integrada de Microsoft.

¿Cómo evitan los ajustes de proximidad los falsos positivos en las reglas basadas en expresiones regulares?

Los ajustes de proximidad limitan la distancia a la que deben estar las palabras clave de evidencia de respaldo respecto al patrón de expresión regular detectado. Al exigir que las palabras clave aparezcan dentro de una distancia de caracteres determinada, el motor evita activar coincidencias con palabras no relacionadas que aparecen dispersas en distintas secciones de un documento.

¿Por qué debo evitar las palabras genéricas en un diccionario de palabras clave?

Las palabras genéricas aparecen con frecuencia en las comunicaciones cotidianas normales. Incluir términos comunes en un diccionario de palabras clave hace que el motor de detección active falsos positivos constantemente, lo que erosiona la confianza de los usuarios y genera ruido administrativo innecesario.

¿Cómo puedo probar un tipo de información confidencial personalizado antes de implementarlo?

Microsoft Purview te permite cargar en el portal documentos y correos electrónicos de muestra del mundo real para evaluar su rendimiento. Puedes probar tus reglas personalizadas con una mezcla de archivos positivos, negativos y límite para comprobar su precisión antes de habilitar la directiva para los usuarios finales.