Microsoft Purview: власні типи конфіденційної інформації. Як створити регулярні вирази та підтверджувальні докази, які дійсно працюють

By Mirko Peters · 2026-10-27

Освойте власні типи конфіденційної інформації в Microsoft Purview. Дізнайтеся, як писати ефективні регулярні вирази, використовувати підтверджувальні докази та усувати хибні спрацьовування.

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

Дізнайтеся, як створювати високоточні власні типи конфіденційної інформації в Microsoft Purview, поєднуючи регулярні вирази, налаштування близькості та ключові слова підтверджувальних доказів. Перестаньте боротися з хибними спрацьовуваннями та навчіться створювати точні детектори даних, які захищають власні дані компанії й не завалюють ваш ІТ-відділ шумними сповіщеннями.

Головне

• Власні типи конфіденційної інформації спираються на регулярні вирази (regex), щоб вловлювати специфічні для організації шаблони, як-от ідентифікатори співробітників, внутрішні коди проєктів і спеціалізовані номери контрактів.
• Окремі шаблони без контексту не працюють: поєднання regex із ключовими словами підтверджувальних доказів та суворими правилами близькості значно зменшує кількість хибних спрацьовувань.
• Словники ключових слів спрощують керування, дозволяючи об'єднати сотні пов'язаних термінів в один багаторазовий об'єкт.
• Ретельне тестування на реальних зразках документів перед розгортанням гарантує, що правила виявляють справжні витоки, не блокуючи звичайні бізнес-процеси.
• Вибір правильних рівнів довіри запобігає перевантаженню панелі керування шумом від загальних числових рядків, як-от номери замовлень або внутрішні телефонні номери.

Обмеження вбудованих детекторів Microsoft Purview

Microsoft постачає сотні готових типів конфіденційної інформації: від номерів кредитних карток і номерів соціального страхування США до європейських IBAN та медичних ідентифікаторів. Ці вбудовані детектори необхідні для загальних вимог відповідності. Проте вони охоплюють лише дані, які виглядають однаково в кожній компанії світу. Ваш бізнес покладається на унікальні внутрішні структури даних, які жоден постачальник програмного забезпечення ніколи не бачив.

Коли потрібно захистити власну інформацію, як-от внутрішні серійні номери співробітників, обмежені коди проєктів, спеціалізовані номери рахунків клієнтів або формати квитків застарілих систем, вбудовані детектори повністю не справляються. Саме тут потрібно відійти від загальних шаблонів і створити власні типи конфіденційної інформації. Побудова таких типів з нуля вимагає ретельного налаштування, щоб правила точно розпізнавали унікальний цифровий слід вашої організації й не сприймали кожен випадковий рядок цифр як серйозний ризик безпеки.

Написання ефективних регулярних виразів для виявлення даних

Основою будь-якого власного типу конфіденційної інформації є регулярний вираз, або regex. Regex — це компактний код, який описує суворо визначену структуру рядка, а не його буквальний вміст. Наприклад, якщо внутрішні номери контрактів завжди починаються з літер «CN», далі йде дефіс, чотиризначний рік, ще один дефіс і шість завершальних цифр, належно складений регулярний вираз знайде кожен рядок, що відповідає саме такому формату.

Однак саме лише зіставлення шаблонів несе серйозні ризики, якщо з ним не працювати правильно. Регулярний вираз, який занадто широкий, наприклад той, що знаходить будь-яке семизначне число, бо здавався швидким і зручним під час початкового тестування, миттєво дасть збій у продуктивному середовищі. Щойно такий шаблон запрацює, він почне позначати номери телефонів, поштові індекси, номери рахунків-фактур і звичайні фінансові таблиці. Регулярний вираз без структурної дисципліни поводиться як просто детектор випадкових чисел, який засмічує журнали аудиту Purview шумом.

Сила підтверджувальних доказів і близькості

Щоб перетворити простий символьний шаблон на розумний детектор даних, потрібно додати підтверджувальні докази та правила близькості. Сама форма ще не означає значення. Внутрішній ідентифікатор працівника, який складається з літери «E» і семи цифр, легко може збігтися з артикулами товарів постачальників або стандартними номерами відправлень.

Додаючи ключові слова-підтвердження, як-от «табельний номер», «запис у кадровій службі» чи «профіль працівника», ви надаєте механізму виявлення семантичний контекст. Крім того, потрібно визначити правила близькості, які задають, наскільки близько до знайденого шаблону мають розташовуватися ці ключові слова. Якщо ключове слово з'являється в нижньому колонтитулі документа на відстані трьох сторінок від числового рядка, спрацьовування не має відбуватися. Звуження вікна близькості гарантує, що контекст справді пов'язаний зі значенням даних.

Використання словників ключових слів для масштабування

Керувати великими списками термінів безпосередньо в окремих правилах швидко стає адміністративним кошмаром. Замість того щоб вводити десятки чи сотні окремих слів у кожне користувацьке правило, організаціям варто використовувати словники ключових слів. Словник ключових слів об'єднує великий перелік пов'язаних термінів, як-от внутрішні кодові назви систем, теги конфіденційних проєктів або клієнтів, що перебувають під чинною угодою про нерозголошення, в один легко керований об'єкт.

Під час створення словників якість важить набагато більше за кількість. Додавання двох тисяч загальних слів на кшталт «план», «підсумок» і «огляд» зіпсує точність виявлення, адже ці слова щодня трапляються в звичайному корпоративному листуванні. Кожен термін у словнику має бути достатньо конкретним, щоб у поєднанні з базовим шаблоном явно вказувати на чутливість даних.

Тестування та перевірка перед розгортанням у продуктивному середовищі

Найбільша помилка, яку припускаються команди з відповідності вимогам, полягає в тому, щоб розгорнути нововведений власний тип конфіденційної інформації безпосередньо в політиці забезпечення без емпіричного тестування. Ніколи не покладайтеся лише на вигадані тестові приклади, які ви самі написали, щоб довести, що правило працює. Натомість зберіть реальні документи та листи з робочого середовища.

Microsoft Purview дозволяє завантажувати зразки файлів безпосередньо в портал, щоб перевірити, що ваш власний тип ловить і що пропускає. Сформуйте збалансований тестовий набір, який містить документи, що мають збігатися, документи, що явно не мають збігатися, і прикордонні випадки. Якщо ваш власний детектор позначає те, що не мало б позначатися, з'ясуйте причину: зазвичай проблема полягає в надто широкому регулярному виразі, помилковому вікні близькості або ключовому слові, яке надто часто трапляється в стандартному діловому листуванні. Уточніть правило, повторно протестуйте його і ітеруйте, доки співвідношення сигналу до шуму не стане бездоганно точним. Ширше розуміння того, як ці користувацькі елементи вписуються в комплексні стратегії розгортання, ви знайдете в матеріалі Слухайте повний епізод, де також пояснюється, як проєктувати політики, які справді захищають вашу хмарну інфраструктуру і не відштовхують співробітників.

Поширені запитання

Яке основне призначення власного типу конфіденційної інформації в Microsoft Purview?

Власні типи конфіденційної інформації дозволяють організаціям виявляти та захищати унікальні для їхнього бізнесу формати даних, як-от внутрішні ідентифікатори працівників, власні коди проєктів або спеціалізовані номери рахунків, які не охоплені вбудованою бібліотекою виявлення Microsoft.

Як налаштування близькості запобігають хибним спрацьовуванням у правилах на основі регулярних виразів?

Налаштування близькості обмежують відстань, на якій ключові слова-підтвердження мають бути розташовані від знайденого шаблону регулярного виразу. Вимагаючи, щоб ключові слова з'являлися в межах певної кількості символів, механізм уникає спрацьовувань на нерелевантних словах, розкиданих по різних розділах документа.

Чому варто уникати загальних слів у словнику ключових слів?

Загальні слова трапляються у звичайному щоденному листуванні дуже часто. Якщо додати поширені терміни до словника ключових слів, механізм виявлення постійно спрацьовуватиме хибно. Це підриває довіру користувачів і створює зайвий адміністративний шум.

Як протестувати власний тип конфіденційної інформації перед розгортанням?

Microsoft Purview дозволяє завантажувати в портал реальні зразки документів і листів, щоб оцінити роботу. Перевірте власні правила на сукупності позитивних, негативних і граничних файлів, щоб переконатися в точності, перш ніж вмикати політику для кінцевих користувачів.