Пользовательские типы конфиденциальных сведений в Microsoft Purview: как создать работающие регулярные выражения и вспомогательные доказательства

By Mirko Peters · 2026-10-27

Освойте пользовательские типы конфиденциальных сведений в Microsoft Purview. Узнайте, как писать эффективные регулярные выражения, использовать вспомогательные доказательства и устранять ложные срабатывания.

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

Узнайте, как создавать пользовательские типы конфиденциальных сведений с высокой точностью в Microsoft Purview, комбинируя регулярные выражения, настройки близости и ключевые слова вспомогательных доказательств. Перестаньте бороться с ложными срабатываниями и научитесь проектировать точные детекторы данных, которые защищают собственную информацию компании и не заваливают ИT-команду шумными оповещениями.

Главное

• Пользовательские типы конфиденциальных сведений опираются на регулярные выражения (regex), которые распознают собственные шаблоны, например идентификаторы сотрудников, внутренние коды проектов и специализированные номера контрактов.
• Голые шаблоны без контекста не работают: сочетание regex с ключевыми словами вспомогательных доказательств и строгими правилами близости заметно снижает количество ложных срабатываний.
• Словари ключевых слов упрощают управление, позволяя объединить сотни связанных терминов в один многократно используемый объект.
• Тщательное тестирование на реальных примерах документов перед развёртыванием гарантирует, что правила выявляют фактические утечки и не блокируют обычные рабочие процессы.
• Правильный выбор уровней достоверности не даёт панели мониторинга заполняться шумом от общих числовых последовательностей, таких как номера заказов или добавочные номера телефонов.

Ограничения встроенных детекторов Microsoft Purview

Microsoft поставляет сотни готовых типов конфиденциальных сведений: от номеров кредитных карт и номеров социального страхования США до европейских IBAN и медицинских идентификаторов. Встроенные детекторы необходимы для выполнения общих требований соответствия. Однако они охватывают только те данные, которые выглядят одинаково в каждой компании на планете. Ваш бизнес опирается на уникальные внутренние структуры данных, которых не видел ни один поставщик программного обеспечения.

Когда нужно защитить собственную информацию — например, внутренние серийные номера сотрудников, ограниченные коды проектов, специализированные номера счетов клиентов или форматы билетов устаревших систем, — встроенных детекторов явно недостаточно. Здесь необходимо выйти за рамки типовых шаблонов и создать пользовательские типы конфиденциальных сведений. Их разработка требует тщательной настройки, чтобы правила точно распознавали уникальный цифровой след вашей организации и не принимали каждую случайную последовательность цифр за серьёзную угрозу безопасности.

Написание эффективных регулярных выражений для обнаружения данных

Основой любого пользовательского типа конфиденциальных сведений является регулярное выражение, или regex. Regex — это компактный код, который описывает строгую структуру строки, а не её конкретное содержимое. Например, если внутренние номера контрактов всегда начинаются с букв «CN», за которыми следуют дефис, четырёхзначный год, ещё один дефис и шесть завершающих цифр, правильно составленное регулярное выражение найдёт каждую строку, точно соответствующую этому формату.

Однако одного сопоставления с шаблоном недостаточно, и при неправильной настройке оно создаёт серьёзные риски. Слишком широкое регулярное выражение, например такое, которое находит любое семизначное число, потому что показалось быстрым и удобным при первоначальном тестировании, сразу даст сбой в работе. Как только правило будет развёрнуто, нестрогий шаблон начнёт срабатывать на номера телефонов, почтовые индексы, номера счетов и обычные финансовые таблицы. Регулярное выражение без структурной точности работает лишь как детектор случайных чисел и засоряет журналы аудита Purview лишним шумом.

Сила подтверждающих признаков и близости

Чтобы превратить простой символьный шаблон в интеллектуальный детектор данных, нужно добавить подтверждающие признаки и правила близости. Сама форма ещё не означает смысл. Внутренний идентификатор сотрудника, который состоит из буквы «E» и семи цифр, легко может совпасть с артикулами товаров поставщиков или стандартными номерами отправок.

Добавляя ключевые слова-подтверждения, такие как «табельный номер», «запись в кадровом учёте» или «профиль сотрудника», вы даёте механизму обнаружения смысловой контекст. Кроме того, нужно задать правила близости, которые определяют, насколько близко эти ключевые слова должны находиться от найденного шаблона. Если ключевое слово появляется в нижнем колонтитуле документа на расстоянии трёх страниц от числовой строки, совпадение не должно срабатывать. Более узкое окно близости гарантирует, что контекст действительно связан с значением данных.

Использование словарей ключевых слов для масштабирования

Управление большими списками терминов непосредственно внутри отдельных правил быстро превращается в административный кошмар. Вместо того чтобы вводить десятки или сотни отдельных слов в каждое пользовательское правило, организациям следует использовать словари ключевых слов. Словарь ключевых слов объединяет большой список связанных терминов, например внутренних кодовых названий систем, конфиденциальных меток проектов или клиентов, на которых распространяется действующее соглашение о неразглашении, в один легко управляемый объект.

При создании словарей качество важнее объёма. Если добавить в словарь две тысячи общих слов вроде «план», «сводка» и «обзор», точность обнаружения сильно пострадает, потому что эти слова постоянно встречаются в обычной деловой переписке. Каждый термин, добавленный в словарь, должен быть достаточно конкретным, чтобы в сочетании с базовым шаблоном действительно указывать на конфиденциальность.

Тестирование и проверка перед развёртыванием в производственной среде

Самая большая ошибка, которую допускают команды по соблюдению требований, это развёртывание новосозданного пользовательского типа конфиденциальных сведений непосредственно в политике применения без эмпирической проверки. Никогда не полагайтесь только на придуманные вами же примеры, чтобы доказать, что правило работает. Вместо этого соберите реальные документы и письма из рабочей среды.

Microsoft Purview позволяет загружать образцы файлов прямо на портал, чтобы проверить, что именно находит и что пропускает ваш пользовательский тип. Составьте сбалансированный тестовый набор: документы, которые должны совпадать, документы, которые явно не должны совпадать, и пограничные случаи. Если ваш пользовательский детектор срабатывает там, где не должен, разберитесь, почему. Обычно причина в слишком широком регулярном выражении, неверном окне близости или ключевом слове, которое слишком часто встречается в обычной деловой переписке. Уточните правило, повторите тест и продолжайте итерации, пока соотношение сигнала и шума не станет безупречным. Более широкий взгляд на то, как пользовательские элементы вписываются в комплексные стратегии развёртывания, вы найдёте в статье Listen to the full episode. Там же показано, как проектировать политики, которые действительно защищают облачную среду и не отпугивают сотрудников.

Часто задаваемые вопросы

Каково основное назначение пользовательского типа конфиденциальных сведений в Microsoft Purview?

Пользовательские типы конфиденциальных сведений позволяют организациям обнаруживать и защищать уникальные для их бизнеса форматы данных, например внутренние идентификаторы сотрудников, пользовательские коды проектов или специализированные номера счетов, которые не входят в встроенную библиотеку обнаружения Microsoft.

Как настройки близости предотвращают ложные срабатывания в правилах на основе регулярных выражений?

Настройки близости ограничивают расстояние, на котором ключевые слова-подтверждения должны находиться от найденного по регулярному выражению шаблона. Требуя, чтобы ключевые слова появлялись в пределах определённого количества символов, механизм не срабатывает на несвязанные слова, разбросанные по разным разделам документа.

Почему не следует использовать общие слова в словаре ключевых слов?

Общие слова часто встречаются в обычной повседневной переписке. Если включить распространённые термины в словарь ключевых слов, механизм обнаружения будет постоянно выдавать ложные срабатывания, что подрывает доверие пользователей и создаёт лишнюю административную нагрузку.

Как протестировать пользовательский тип сведений, защищаемых от раскрытия, перед развёртыванием?

Microsoft Purview позволяет загрузить в портал реальные примеры документов и писем, чтобы оценить работу правил. Проверьте свои пользовательские правила на наборе положительных, отрицательных и пограничных файлов, чтобы убедиться в точности, прежде чем включать политику для конечных пользователей.