Microsoft Purview のカスタム機密情報の種類：実際に機能する正規表現と補足証拠の構築

By Mirko Peters · 2026-10-27

Microsoft Purview のカスタム機密情報の種類を使いこなしましょう。効果的な正規表現の書き方、補足証拠の活用方法、誤検出の排除方法を解説します。

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

正規表現、近接性の設定、補足証拠のキーワードを組み合わせて、精度の高いカスタム機密情報の種類を Microsoft Purview で構築する方法を解説します。誤検出に悩まされることなく、ノイズの多いアラートで IT チームを疲弊させずに、自社の独自データを保護する精密な検出ルールを設計する方法を学びましょう。

重要なポイント

• カスタム機密情報の種類は、従業員 ID、社内プロジェクトコード、特殊な契約番号などの独自パターンを捉えるために、正規表現 (regex) に依存します。
• 文脈のないパターンだけでは機能しません。正規表現と補足証拠のキーワード、厳密な近接性ルールを組み合わせることで、誤検出を大幅に減らせます。
• キーワード辞書を使うと、関連する数百の用語を再利用可能な1つのオブジェクトにまとめられるため、管理が効率化します。
• デプロイ前に実際のサンプル文書で入念にテストすることで、ルールが実際の情報漏えいを捉えつつ、通常の業務を妨げないことを確認できます。
• 適切な信頼度レベルを選ぶことで、注文 ID や内線番号のような一般的な数字の並びによるノイズでダッシュボードが埋め尽くされることを防げます。

組み込みの Microsoft Purview 検出機能の限界

Microsoft には、クレジット カード番号、米国の社会保障番号、欧州の IBAN、医療識別子など、すぐに使える機密情報の種類が数百種類用意されています。これらの組み込み検出機能は、一般的なコンプライアンス要件を満たすうえで欠かせません。ただし、対象は世界中の どの会社でも同じ形で現れるデータに限られます。ビジネスで使われる独自の社内データ構造は、どのソフトウェア ベンダーも想定していません。

社内従業員のシリアル番号、制限付きのプロジェクトコード、特殊な顧客口座番号、レガシー システムのチケット形式など、独自の情報を保護する必要がある場合、組み込みの検出機能では完全に不十分です。ここで、汎用テンプレートを超えてカスタム機密情報の種類を設計する必要があります。これを一から構築するには慎重な調整が求められます。ルールが、ランダムな数字の並びをすべて高リスクのセキュリティ侵害とみなすことなく、自社特有のデジタルな痕跡を正確に認識できるようにしなければなりません。

データ検出に効果的な正規表現の書き方

カスタム機密情報の種類の中核となるエンジンは、正規表現 (regex) です。正規表現は、文字列の具体的な内容ではなく、厳密な構造の形を記述する簡潔なコードです。たとえば、社内の契約番号が常に「CN」という文字の後にハイフン、4桁の年、別のハイフン、そして末尾の6桁の数字で構成されているとします。適切に構造化された正規表現であれば、その形式に一致するすべての文字列を捉えることができます。

しかし、パターンマッチングだけでは、適切に扱わなければ深刻なリスクが生じます。初期テストで素早く便利に見えたという理由で、7桁の数字すべてに一致するほど緩い正規表現を書くと、本番環境ではすぐに裏目に出ます。いったん本番に展開すると、緩いパターンは電話番号、郵便番号、請求書番号、日常的な財務スプレッドシートまで検出してしまいます。構造的な規律のない正規表現は、単なるランダムな数字の検出器として機能し、Purview の監査ログをノイズで埋め尽くします。

裏付けとなる根拠と近接性の力

基本的な文字パターンを賢いデータ検出器に変えるには、裏付けとなる根拠と近接性のルールを組み込む必要があります。形が一致しても、意味が一致するとは限りません。「E」の文字に7桁の数字が続く社員 ID は、サプライヤーの製品 SKU や一般的な出荷参照番号と容易に衝突する可能性があります。

「社員番号」「人事記録」「従業員プロファイル」などの裏付けキーワードを追加することで、検出エンジンに意味的な文脈を与えられます。さらに、パターンに対してキーワードがどの程度近くにある必要があるかを定義する近接性ルールも設定する必要があります。ドキュメントのフッターに書かれたキーワードが、数字の文字列から3ページ離れていれば、一致としてトリガーすべきではありません。近接ウィンドウを狭くすることで、その文脈が確実にデータ値と結び付いていることを保証できます。

大規模運用のためのキーワード辞書の活用

個々のルール内に多数の用語を直接管理すると、すぐに管理の負担が大きくなります。カスタムルールごとに数十から数百の単語を入力する代わりに、組織はキーワード辞書を活用すべきです。キーワード辞書は、社内システムのコードネーム、機密プロジェクトのタグ、NDA の対象となっている顧客名など、関連する用語の大規模なリストを1つの管理しやすいオブジェクトにまとめます。

キーワード辞書を作成する際は、量より質がはるかに重要です。「plan」「summary」「review」といった一般的な単語を2,000個辞書に入れると、これらの単語は日常的な業務文書に一日中現れるため、検出精度が大きく損なわれます。辞書に追加するすべての用語は、基盤となるパターンと組み合わせたときに機密性を意味のある形で示せるほど具体的である必要があります。

本番展開前のテストと検証

コンプライアンスチームが犯す最大の間違いは、十分な実証テストを行わずに、新しく作成したカスタム機密情報の種類を適用ポリシーにそのままデプロイすることです。ルールが機能することを証明するために自分で作った架空のテスト例だけに頼ってはいけません。代わりに、実際の業務環境から文書やメールを収集してください。

Microsoft Purview では、サンプルファイルをポータルに直接アップロードして、カスタムの種類が何を検出し、何を見逃すかをテストできます。一致すべき文書、明確に一致してはいけない文書、境界線上のエッジケースを含むバランスの取れたテストセットを作成してください。カスタム検出器が誤って何かを検出した場合は、原因を分析してください。多くの場合、問題は正規表現パターンが広すぎること、近接ウィンドウに欠陥があること、または標準的な業務用のコミュニケーションに頻繁に現れるキーワードがあることに起因します。ルールを改善して再テストを繰り返し、シグナル対ノイズ比が十分に鋭くなるまで調整してください。これらのカスタム要素が包括的な展開戦略にどのように適合するかについて詳しくは、エピソード全編をご覧いただき、従業員の負担を増やすことなく、クラウド環境を確実に保護するポリシーの設計方法をご確認ください。

よくある質問

Microsoft Purview でカスタム機密情報の種類を作成する主な目的は何ですか。

カスタム機密情報の種類を使用すると、組織は社員 ID、カスタムのプロジェクトコード、専用のアカウント番号など、Microsoft の組み込みの検出ライブラリではカバーされていない、自社のビジネス固有の独自データ形式を検出して保護できます。

近接性の設定は、正規表現ベースのルールで誤検出をどのように防ぎますか。

近接性の設定では、裏付けとなるキーワードが検出された正規表現パターンからどの程度近くにある必要があるかを制限します。特定の文字数の範囲内にキーワードが出現することを求めることで、エンジンはドキュメントの異なるセクションに散在する無関係な単語に反応して一致と判定することを避けられます。

キーワード辞書で一般的な単語を避けるべきなのはなぜですか。

一般的な単語は日常のコミュニケーションで頻繁に登場します。キーワード辞書に一般的な用語を含めると、検出エンジンが絶えず誤検知を起こし、ユーザーの信頼を損なうとともに、不要な管理作業を増やしてしまいます。

カスタムの機密情報の種類は、展開する前にどのようにテストすればよいですか?

Microsoft Purviewでは、実際の文書やメールのサンプルをポータルにアップロードして、精度を評価できます。エンドユーザーに対してポリシーを有効にする前に、カスタムルールを陽性、陰性、境界線上のファイルを組み合わせて検証し、正確性を確かめることができます。