Meer informatie over typen gevoelige informatie

Het identificeren en classificeren van gevoelige items die onder uw organisatiebeheer vallen, is de eerste stap in de discipline Informatiebeveiliging. Microsoft 365 biedt drie manieren om items te identificeren, zodat ze kunnen worden geclassificeerd:

• handmatig door gebruikers
• geautomatiseerde patroonherkenning, zoals gevoelige informatietypen
• machine learning

Gevoelige informatietypen zijn classificaties op basis van patronen. Ze detecteren gevoelige informatie, zoals sociale zekerheid, creditcard- of bankrekeningnummers om gevoelige items te identificeren, zie Entiteitsdefinities van gevoelige informatietypen

Gevoelige informatietypen worden gebruikt in

• Preventiebeleid voor gegevensverlies
• Gevoeligheidslabels
• Retentielabels
• Insider-risicobeheer
• Communicatiecompliance
• Binnen risicobeheer
• Beleid voor automatisch labelen
• Privacybeheer

Basisonderdelen van een type gevoelige informatie

Elke entiteit van het type gevoelige informatie wordt gedefinieerd door deze velden:

• naam: de manier waarop naar het type gevoelige informatie wordt verwezen
• beschrijving: beschrijft wat het type gevoelige informatie zoekt
• patroon: Een patroon definieert wat een gevoelige informatietype detecteert. Deze bestaat uit de volgende onderdelen
  • Primair element: het hoofdelement dat het gevoelige informatietype zoekt. Het kan een normale expressie zijn met of zonder een checksumvalidatie, een trefwoordlijst, een woordenlijst met trefwoorden of een functie.
  • Ondersteunend element: elementen die fungeren als ondersteunend bewijs dat helpt bij het vergroten van het vertrouwen van de overeenkomst. Trefwoord 'SSN' bijvoorbeeld in de nabijheid van een SSN-getal. Het kan een normale expressie zijn met of zonder een checksumvalidatie, trefwoordlijst, trefwoordwoordenlijst.
  • Betrouwbaarheidsniveau: betrouwbaarheidsniveaus (hoog, gemiddeld, laag) geven aan hoeveel ondersteunend bewijs samen met het primaire element is gevonden. Hoe meer ondersteunend bewijs een item bevat, hoe groter het vertrouwen dat een overeenkomend item de gevoelige informatie bevat die u zoekt.
  • Nabijheid: aantal tekens tussen primair en ondersteunend element

Meer informatie over betrouwbaarheidsniveaus in deze video

Voorbeeld van het type gevoelige informatie

Argentinië national identity (DNI) number

Opmaak

Acht cijfers gescheiden door perioden

Patroon

Acht cijfers:

• twee cijfers
• een punt
• drie cijfers
• een punt
• drie cijfers

Checksum

Nee

Definitie

Een DLP-beleid heeft een gemiddeld vertrouwen dat dit type gevoelige informatie is gedetecteerd als dit binnen een nabijheid van 300 tekens:

• De normale expressie Regex_argentina_national_id inhoud die overeenkomt met het patroon.
• Er wordt een trefwoord Keyword_argentina_national_id gevonden.

<!-- Argentina National Identity (DNI) Number -->
<Entity id="eefbb00e-8282-433c-8620-8f1da3bffdb2" recommendedConfidence="75" patternsProximity="300">
   <Pattern confidenceLevel="75">
      <IdMatch idRef="Regex_argentina_national_id"/>
      <Match idRef="Keyword_argentina_national_id"/>
  </Pattern>
</Entity>

Trefwoorden

Keyword_argentina_national_id

• Nationale identiteitsnummer argentinië
• Identiteit
• Identificatie nationale identiteitskaart
• DNI
• NIC National Registry of Persons
• Documento Nacional de Identidad
• Registro Nacional de las Personas
• Identidad
• Identificación

Meer informatie over betrouwbaarheidsniveaus

In een entiteitsdefinitie van het type gevoelige informatie geeft betrouwbaarheidsniveau aan hoeveel ondersteunend bewijs wordt gedetecteerd naast het primaire element. Hoe meer ondersteunend bewijs een item bevat, hoe groter het vertrouwen dat een overeenkomend item de gevoelige informatie bevat die u zoekt. Overeenkomsten met een hoog betrouwbaarheidsniveau bevatten bijvoorbeeld meer ondersteunend bewijs in de nabijheid van het primaire element, terwijl overeenkomsten met een laag betrouwbaarheidsniveau in de nabijheid weinig tot geen ondersteunend bewijs bevatten.

Een hoog betrouwbaarheidsniveau retourneert de minste onwaar-positieven, maar kan leiden tot meer onwaar negatieven. Lage of gemiddelde betrouwbaarheidsniveaus retourneert meer onwaar-positieve waarden, maar weinig tot nul onwaar negatieven.

• weinig vertrouwen: waarde van 65, overeenkomende items bevat de minste onwaar negatieven, maar de meeste onwaar positieven. Lage betrouwbaarheid retourneert alle overeenkomsten met lage, gemiddelde en hoge betrouwbaarheid.
• gemiddeld vertrouwen: waarde van 75, overeenkomende items bevat een gemiddelde hoeveelheid onwaar-positieven en onwaar negatieven. Gemiddeld vertrouwen retourneert alle gemiddelde en hoge betrouwbaarheids matches.
• hoog vertrouwen: waarde van 85, overeenkomende items bevat de minste onwaar-positieven, maar de meeste onwaar negatieven. Hoog vertrouwen geeft alleen overeenkomsten met een hoog vertrouwen als rendement.

Gebruik patronen met een hoog betrouwbaarheidsniveau met lage tellingen, bijvoorbeeld vijf tot tien, en lage betrouwbaarheidspatronen met hogere tellingen, bijvoorbeeld 20 of meer.

Aangepaste gevoelige informatietypen maken

Als u aangepaste gevoelige informatietypen wilt maken in het beveiligings- & compliancecentrum, kunt u kiezen uit verschillende opties:

• De gebruikersinterface gebruiken U kunt een aangepast type gevoelige informatie instellen met behulp van de gebruikersinterface & compliancecentrum. Met deze methode kunt u gewone expressies, trefwoorden en woordenlijsten voor trefwoorden gebruiken. Zie Een aangepast type gevoelige informatie maken voor meer informatie.

• EDM gebruiken U kunt aangepaste gevoelige informatietypen instellen met de classificatie Exact Data Match (EDM). Met deze methode kunt u een dynamisch type gevoelige informatie maken met behulp van een beveiligde database die u regelmatig kunt vernieuwen. Zie Meer informatie over exacte gegevens die overeenkomen met op basis van gevoelige informatietypen.

• PowerShell gebruiken U kunt aangepaste gevoelige informatietypen instellen met PowerShell. Hoewel deze methode complexer is dan het gebruikersinterface, hebt u meer configuratieopties. Zie Een aangepast type gevoelige informatie maken in Security & Compliance Center PowerShell.

Voor meer informatie

• Entiteitsdefinities voor het type gevoelige informatie
• Een aangepast type gevoelige informatie maken
• Een aangepast type gevoelige informatie maken in PowerShell

Zie Informatiebeveiliging implementeren voor privacyregels voor gegevens met Microsoft 365 (aka.ms/m365dataprivacy).