Weitere Informationen zu Typen vertraulicher Informationen

Das Identifizieren und Klassifizieren vertraulicher Elemente, die sich unter der Kontrolle Ihrer organization befinden, ist der erste Schritt in der Information Protection-Disziplin. Microsoft Purview bietet drei Möglichkeiten zum Identifizieren von Elementen, sodass sie klassifiziert werden können:

Manuell, von Benutzern
über automatisierte Mustererkennung, wie bei sensiblen Informationstypen
über maschinelles Lernen

Typen vertraulicher Informationen (SITs) sind musterbasierte Klassifizierer. Sie erkennen vertrauliche Informationen wie Sozialversicherungs-, Kredit Karte- oder Bankkontonummern, um vertrauliche Elemente zu identifizieren, siehe Entitätsdefinitionen für vertrauliche Informationen Eine vollständige Liste aller SITs finden Sie unter Entitätsdefinitionen für vertrauliche Informationen.

Microsoft stellt eine große Anzahl vorkonfigurierter SITs bereit, Sie können aber auch eigene SITs erstellen.

Lizenzierung

Für die Nutzung von SITs zum Scannen von Anmeldeinformationen ist eine E5-Lizenz erforderlich. Eine Liste aller SITs zum Scannen von Anmeldeinformationen finden Sie unter Alle Typen vertraulicher Informationen zu Anmeldeinformationen. Diese SIT enthält alle SITs zum Scannen von Anmeldeinformationen, die im Portal verfügbar sind. Jedes Mitglied dieses SIT ist ein SIT, das Anmeldeinformationen scannt und als eigenständiges Mitglied verwendet werden kann. Eine Liste vieler von Microsoft erstellter SITs finden Sie unter Entitätsdefinitionen für vertrauliche Informationen.

Typen vertraulicher Informationen werden in

Kategorien vertraulicher Informationstypen

Integrierte Typen vertraulicher Informationen

Microsoft hat diese SITs erstellt, und sie werden standardmäßig im Purview-Portal angezeigt. Diese SITs können nicht bearbeitet werden, aber Sie können sie als Vorlagen verwenden, indem Sie sie kopieren, um benutzerdefinierte Typen vertraulicher Informationen zu erstellen. Eine vollständige Liste aller SITs finden Sie unter Entitätsdefinitionen für vertrauliche Informationen .

Typen vertraulicher Informationen der benannten Entität

SITs für benannte Entitäten werden auch standardmäßig im Purview-Portal angezeigt. Sie erkennen Personennamen, physische Adressen und medizinische Bestimmungen. Sie können nicht bearbeitet oder kopiert werden. Weitere Informationen finden Sie unter Informationen zu benannten Entitäten.

Es gibt zwei Arten von SITs für benannte Entitäten:

entbündelt

Diese SITs für benannte Entitäten haben einen engeren Fokus, z. B. ein einzelnes Land oder eine Region oder eine einzelne Klasse von Begriffen. Verwenden Sie sie, wenn Sie eine Richtlinie zur Verhinderung von Datenverlust (Data Loss Prevention, DLP) mit einem engeren Erkennungsbereich benötigen. Weitere Informationen finden Sie unter Beispiele für SITs für benannte Entitäten.

gebündelt

Gebündelte SITs für benannte Entitäten erkennen alle möglichen Übereinstimmungen in einer Klasse, z. B. Alle physischen Adressen. Verwenden Sie sie als allgemeine Kriterien in Ihren DLP-Richtlinien für die Erkennung sensibler Elemente. Weitere Informationen finden Sie unter Beispiele für SITs für benannte Entitäten.

Tipp

Sie müssen Advanced classification scanning and protectionaktivieren, wenn Sie ein gebündeltes SIT in einer Endpunkt-DLP-Richtlinie verwenden möchten. Diese Anforderung ist spezifisch für die Kombination von gebündelten SITS- und Endpunkt-DLP-Richtlinien.

Benutzerdefinierten Typen vertraulicher Informationen

Wenn die vorkonfigurierten Typen vertraulicher Informationen nicht Ihren Anforderungen entsprechen, können Sie eigene benutzerdefinierte Typen vertraulicher Informationen erstellen, die Sie vollständig definieren, oder Sie können einen der integrierten Typen kopieren und ändern. Weitere Informationen finden Sie unter

Erstellen Sie einen benutzerdefinierten Typ vertraulicher Informationen im Microsoft Purview-Portal.

Genaue Datenübereinstimmung mit vertraulichen Informationstypen

Alle EDM-basierten SITs (Exact Data Match) werden von Grund auf neu erstellt. Sie verwenden sie, um Elemente mit genauen Werten zu erkennen, die Sie in einer Datenbank mit vertraulichen Informationen definieren. Weitere Informationen finden Sie unter Informationen zu exakten Datenübereinstimmungen, die auf vertraulichen Informationstypen basieren.

Grundlegende Bestandteile eines Typs vertraulicher Informationen

Jede SIT-Entität (Sensitive Information Type, vertrauliche Informationen) besteht aus den folgenden Feldern:

Bezeichnung: Gibt an, wie auf den Typ vertraulicher Informationen Bezug genommen wird.
Beschreibung: Erläuterung der Suchbegriffe des Typs vertraulicher Informationen.
Muster: Definiert, was ein SIT erkennt. Sie besteht aus folgenden Komponenten: Primärelement, unterstützende Elemente, Konfidenzniveau und Nähe.

In der folgenden Tabelle werden die einzelnen Komponenten der Muster beschrieben, die beim Definieren vertraulicher Informationstypen verwendet werden.

Musterkomponente	Beschreibung
Primäres Element	Das Hauptelement, nach dem der Typ vertraulicher Informationen sucht. Es kann sich um einen regulären Ausdruck mit oder ohne Prüfsummenüberprüfung, eine Schlüsselwort(keyword)-Liste, ein Schlüsselwort(keyword)-Wörterbuch oder eine Funktion handeln. Jeder dieser Elementtypen kann entweder aus der Liste der vorhandenen SITs ausgewählt oder von einem Benutzer mit Administratorberechtigungen benutzerdefiniert festgelegt werden. Sobald ein Element definiert ist, wird es in der Liste der vorhandenen Elemente angezeigt, zusammen mit den integrierten Elementen.
Tragendes Element	Ein Element, das als bestätigender Beweis dient. Wenn enthalten, tragen unterstützende Elemente dazu bei, das Konfidenzniveau in Bezug auf die Genauigkeit der erkannten Übereinstimmungen zu erhöhen. Wenn beispielsweise das primäre Element als `SSN` (bestehend aus neun Ziffern) definiert ist und das Schlüsselwort (keyword) Sozialversicherungsnummer (SSN) als unterstützendes Element verwendet wird, wenn es in der Nähe von `SSN`gefunden wird, ist die Sicherheit, dass es sich bei dem `SSN` erkannten Element wirklich um eine Sozialversicherungsnummer handelt, höher, als wenn das Schlüsselwort (Schlüsselwort (Schlüsselwort) Sozialversicherungsnummer (SSN) nicht vorhanden ist. Ein unterstützendes Element kann ein regulärer Ausdruck (mit oder ohne Prüfsummenüberprüfung), eine Liste von Schlüsselwörtern (Keyword) oder ein Schlüsselwort (Keyword)-Wörterbuch sein.
Zuverlässigkeitsstufe	Es gibt drei Konfidenzniveaus in Bezug auf erkannte Übereinstimmungen: hoch, mittel und niedrig. Das Konfidenzniveau spiegelt wider, wie viele unterstützende Beweise zusammen mit dem primären Element nachgewiesen werden. Je mehr unterstützende Beweise ein erkanntes Element enthält, desto höher ist die Sicherheit, dass ein übereinstimmendes Element die vertraulichen Informationen enthält, nach denen Sie suchen. Weitere Informationen zu Konfidenzniveaus finden Sie im Video weiter unten in diesem Artikel.
Näherung	Gibt an, wie nah ein unterstützendes Element an einem primären Element hinsichtlich der Anzahl von Zeichen zwischen ihnen ist.

Grundlegendes zur Nähe

Das folgende Diagramm zeigt, wie die Übereinstimmungserkennung in Bezug auf die Nähe funktioniert. In diesem Beispiel ist das primäre Element das SSN Feld, und die SIT-Definition erfordert, dass jede Instanz eines SSN Werts innerhalb einer angegebenen Nähe zu mindestens einem der folgenden Elemente liegen muss:

AccountNumber
Name
DateOfBirth

Im Diagramm sehen wir, dass die zu überprüfenden Daten drei verschiedene Instanzen des SSN Felds enthalten: SSN1, SSN2, SSN3und SSN4.

Um zu verstehen, wie Nähe funktioniert, sehen wir uns zunächst einige Beispielerkennungskriterien an. Hier wollten wir neunstellige Sozialversicherungsnummern erkennen. Die Erkennungskriterien erfordern, dass ein neunstelliger regulärer Ausdruck (primäres Element) in Verbindung mit unterstützenden Nachweisen (zwischen den AccountNumberFeldern , Name, und DateOfBirth ) gefunden wird, der innerhalb von 250 Zeichen vorkommt (die Nähe).

Wie im Diagramm dargestellt, erfüllen nur die Primärelemente SSN1 und SSN4 erfüllen die beschriebenen Erkennungskriterien. Lassen Sie uns näher darauf eingehen.

Im Fall von SSN1liegt der AccountNumber Wert innerhalb des angegebenen Näherungsfensters von 250 Zeichen, sodass eine Übereinstimmung erkannt wird.
In beiden Fällen von SSN2 und SSN3kommt keines der unterstützenden Elemente innerhalb von 250 Zeichen vom primären Element vor, sodass diese Werte nicht als Übereinstimmung erkannt werden. Wenn Sie sich jedoch das Proximity-Fenster SSN2 im Diagramm ansehen, fragen Sie sich möglicherweise: Warum gibt es keine Übereinstimmung für SSN2? Erstreckt sich das SSN2 Proximity-Fenster nicht auf das Name Element? Das ist eine gute Frage. Die Antwort lautet: Nicht ganz. Das Proximity-Fenster erstreckt sich zwar auf den Name Wert, umfasst aber nicht den gesamten Wert, sodass das Muster nicht übereinstimmt.
Schließlich gibt es im Fall von SSN4gibt es zwei unterstützende Elemente innerhalb des Proximity-Fensters, beide Name und DateOfBirth, sodass auch dieses Muster übereinstimmt.

Erfahren Sie mehr über das Selbstvertrauen in diesem kurzen Video.

Beispiel für einen Typ vertraulicher Informationen

Argentinische nationale Identitätsnummer (DNI)

Format

Acht Ziffern, durch Punkte getrennt

Muster

Acht Ziffern:

Zwei Ziffern
A Punkt
drei Ziffern
A Punkt
Drei Ziffern

Prüfsumme

Nein

Definition

Eine DLP-Richtlinie hat eine mittlere Sicherheit, dass sie diese Art von vertraulichen Informationen erkannt hat, wenn in einer Nähe von 250 Zeichen:

Die Regex_argentina_national_id des regulären Ausdrucks findet Inhalte, die dem Muster entsprechen.
Es wird ein Schlüsselwort (keyword) von Keyword_argentina_national_id gefunden.

<!-- Argentina National Identity (DNI) Number -->
<Entity id="00aa00aa-bb11-cc22-dd33-44ee44ee44ee" recommendedConfidence="75" patternsProximity="250">
   <Pattern confidenceLevel="75">
      <IdMatch idRef="Regex_argentina_national_id"/>
      <Match idRef="Keyword_argentina_national_id"/>
  </Pattern>
</Entity>

Schlüsselwörter

Keyword_argentina_national_id

Argentina National Identity number
Identität
Identifizierung Nationaler Personalausweis
DNI
Nationales Personenregister (NIC)
Documento Nacional de Identidad
Registro Nacional de las Personas
Identidad
Identificación

Mehr zum Thema Konfidenzniveau

In der Definition einer Entität vom Typ "vertrauliche Informationen" gibt das Konfidenzniveau an, wie viele unterstützende Beweise zusätzlich zum primären Element erkannt werden. Je mehr unterstützende Beweise ein Element enthält, desto höher ist die Sicherheit, dass ein übereinstimmendes Element die vertraulichen Informationen enthält, nach denen Sie suchen. So enthalten Übereinstimmungen mit einem hohen Konfidenzniveau mehr unterstützende Beweise in unmittelbarer Nähe des primären Elements, während Übereinstimmungen mit einem niedrigen Konfidenzniveau wenig bis gar keine unterstützenden Beweise in unmittelbarer Nähe enthalten würden.

Ein hohes Konfidenzniveau liefert die wenigsten falsch positiven Ergebnisse, kann jedoch zu mehr falsch negativen Ergebnissen führen. Niedrige oder mittlere Konfidenzniveaus liefern mehr falsch positive Ergebnisse, aber wenige bis null falsch negative Ergebnisse.

Geringe Konfidenz: Übereinstimmende Elemente enthalten die wenigsten falsch negativen, aber die meisten falsch positiven Ergebnisse. Mit geringer Konfidenz werden alle Übereinstimmungen mit niedriger, mittlerer und hoher Konfidenz zurückgegeben. Das niedrige Konfidenzniveau hat einen Wert von 65.
mittlere Konfidenz: Übereinstimmende Elemente enthalten eine durchschnittliche Anzahl von falsch positiven und falsch negativen Ergebnissen. Bei mittlerer Konfidenz werden alle Übereinstimmungen mit mittlerem und hohem Konfidenzniveau zurückgegeben. Das mittlere Konfidenzniveau hat einen Wert von 75.
Hohe Konfidenz: Übereinstimmende Elemente enthalten die wenigsten falsch positiven, aber die meisten falsch negativen Ergebnisse. Hohe Konfidenz gibt nur Übereinstimmungen mit hoher Konfidenz zurück und hat einen Wert von 85.

Sie sollten Muster mit hohem Konfidenzniveau mit niedrigen Anzahlen, sagen wir fünf bis 10, und Muster mit niedrigem Konfidenzniveau mit höheren Anzahlen, sagen wir 20 oder mehr, verwenden.

Hinweis

Wenn Sie über vorhandene Richtlinien oder benutzerdefinierte SITs (Sensitive Information Types) verfügen, die mithilfe zahlenbasierter Konfidenzniveaus (auch als Genauigkeit bezeichnet) definiert wurden, werden diese automatisch den drei diskreten Konfidenzniveaus zugeordnet. niedrige, mittlere und hohe Zuverlässigkeit über die Security @ Compliance Center-Benutzeroberfläche hinweg.

Alle Richtlinien mit minimaler Genauigkeit oder benutzerdefinierte SIT-Muster mit Konfidenzniveaus zwischen 76 und 100 werden einer hohen Konfidenz zugeordnet.
Alle Richtlinien mit minimaler Genauigkeit oder benutzerdefinierte SIT-Muster mit Konfidenzniveaus zwischen 66 und 75 werden einem mittleren Konfidenzniveau zugeordnet.
Alle Richtlinien mit minimaler Genauigkeit oder benutzerdefinierte SIT-Muster mit Konfidenzniveaus kleiner oder gleich 65 werden einer niedrigen Konfidenz zugeordnet.

Benutzerdefinierte Typen vertraulicher Informationen erstellen

Sie können aus mehreren Optionen wählen, um benutzerdefinierte Typen vertraulicher Informationen zu erstellen.

Verwenden der Benutzeroberfläche – Sie können einen benutzerdefinierten Typ vertraulicher Informationen über die Benutzeroberfläche des Purview-Portals einrichten. Mit dieser Methode können Sie reguläre Ausdrücke, Schlüsselwörter und Schlüsselwörterbücher verwenden. Weitere Informationen finden Sie unter Erstellen eines benutzerdefinierten Typs vertraulicher Informationen.
EDM verwenden – Sie können benutzerdefinierte Typen vertraulicher Informationen einrichten, indem Sie die EDM-basierte Klassifizierung (Exact Data Match) verwenden. Mit dieser Methode können Sie anhand einer sicheren Datenbank, die sie regelmäßig aktualisieren können, einen dynamischen Typ vertraulicher Informationen erstellen. Weitere Informationen finden Sie unter Informationen zu exakten Datenübereinstimmungen, die auf vertraulichen Informationstypen basieren.
Verwenden von PowerShell – Sie können benutzerdefinierte Typen vertraulicher Informationen mit PowerShell einrichten. Diese Methode ist zwar komplexer als die Verwendung der Benutzeroberfläche, Sie haben aber mehr Konfigurationsoptionen. Weitere Informationen finden Sie unter Erstellen eines benutzerdefinierten Typs vertraulicher Informationen in Security & Compliance PowerShell.

Optimieren trainierbarer Klassifizierer

Endpunkt-DLP klassifiziert Dateien basierend auf allen im Mandanten verfügbaren Typen vertraulicher Informationen, einschließlich benutzerdefinierter Typen vertraulicher Informationen, unabhängig von deren Verwendung in DLP-Richtlinien. Dies kann zu übermäßigem Klassifizierungsdatenverkehr führen, wenn die Typen vertraulicher Informationen nicht gut abgestimmt sind und am Ende mit vielen Dateien übereinstimmen. Sie sollten alle benutzerdefinierten Typen vertraulicher Informationen optimieren. Entfernen Sie dazu nicht verwendete Typen vertraulicher Informationen und entwerfen Sie SITs neu, wenn sie mit den meisten Dateien in Ihrer organization übereinstimmen. Anleitungen zur Verwendung von SIT-Regex-Validatoren zum Optimieren von SITs finden Sie unter: Typ vertraulicher Informationen REGEX-Validatoren und zusätzliche Überprüfung

Unterstützung für Doppelbyte-Zeichensätze

Verbesserte Konfidenzniveaus stehen zur sofortigen Verwendung in den Diensten von Microsoft Purview Data Loss Prevention, Informationsschutz, Kommunikationscompliance, Data Lifecycle Management und Datensatzverwaltung zur Verfügung.

Information Protection unterstützt jetzt Doppelbyte-Zeichensatzsprachen für:
Chinesisch (vereinfacht)
Chinesisch (traditionell)
Koreanisch
Japanisch

Diese Unterstützung ist für vertrauliche Informationstypen verfügbar. Weitere Informationen finden Sie unter Information Protection-Unterstützung für Doppelbyte-Zeichensätze – Versionshinweise

Unterstützung für Einzelbyte-Zeichensätze

Um Muster zu erkennen, die chinesische/japanische Zeichen und einzelne Bytezeichen enthalten, oder um Muster zu erkennen, die Chinesisch/Japanisch und Englisch enthalten, definieren Sie zwei Varianten des Schlüsselworts oder regulären Ausdrucks.

Verwenden Sie z. B. zwei Varianten des Schlüsselworts, um ein Schlüsselwort wie „机密的document“ zu erkennen; eine mit einem Leerzeichen zwischen dem japanischen und dem englischen Text und eine andere ohne Leerzeichen zwischen dem japanischen und dem englischen Text. Daher sollten die Schlüsselwörter, die in SIT hinzugefügt werden sollen, „机密的 document“ und „机密的document“ lauten. Ebenso sollten zwei Varianten verwendet werden, um den Ausdruck „東京オリンピック2020“ zu erkennen; „東京オリンピック 2020“ und „東京オリンピック2020“.

Wenn die Liste der Schlüsselwörter/Ausdrücke auch nicht-chinesische/japanische oder japanische Wörter enthält (instance nur Englisch), sollten Sie neben chinesischen/japanischen/Doppelbyte-Zeichen auch zwei Wörterbücher/Schlüsselwort-(Schlüsselwort-(Keyword)-Listen erstellen. Einer für Keywords mit chinesischen/japanischen/Doppelbyte-Zeichen, und ein weiterer für rein englische Keywords. Wenn Sie z. B. ein Wörterbuch/eine Liste für Schlüsselwörterwörterbücher (Keyword) mit den drei Ausdrücken "Hoch vertraulich", "機密性が高い" und "机密的Dokument" erstellen möchten, sollten Sie zwei Schlüsselwortlisten (Keyword) erstellen.

Highly confidential
機密性が高い, 机密的document and 机密的document Achten Sie beim Erstellen eines regulären Ausdrucks mit einem Doppelbyte-Bindestrich oder einem Doppelbytepunkt darauf, dass beide Zeichen so maskiert werden, wie Sie es bei einem regulären Ausdruck mit einem Bindestrich oder Punkt tun würden. Hier ist ein Beispiel für einen regulären Ausdruck als Referenz: (?<!\d)([4][0-9]{3}[\-?\-\t]*[0-9]{4}

Es wird empfohlen, in einer Liste mit Schlüsselworten (Keyword) eine Zeichenfolgenübereinstimmung anstelle einer Wortübereinstimmung zu verwenden.

Erkennungsunterschiede zwischen Workloads

Derselbe Typ vertraulicher Informationen kann zu unterschiedlichen Ergebnissen führen, je nachdem, wo der Inhalt ausgewertet wird, z. B. E-Mails während der Übertragung (Exchange), ruhende Dateien (SharePoint und OneDrive) und Dateien auf verwalteten Geräten (Endpunkt-DLP). Endpunkt-DLP klassifiziert Dateien anhand aller im Mandanten verfügbaren Typen vertraulicher Informationen, und die Verwendung einer gebündelten SIT in einer Endpunkt-DLP-Richtlinie erfordert erweiterte Klassifizierungsüberprüfungen und -schutz.

Bevor Sie sich in der Produktion auf ein benutzerdefiniertes SIT verlassen, testen und überprüfen Sie die Erkennung in jedem Workload, in dem Sie es verwenden möchten, z. B. eine Nachrichtenflussregel, eine SharePoint- oder OneDrive-Richtlinie und eine Endpunktrichtlinie. Die Erkennung kann auch durch Grenzwerte für die Inhaltsextraktion beeinträchtigt werden, z. B. die maximale Dateigröße und die Anzahl der gescannten Zeichen. siehe Überlegungen zur DLP-Plattform.

Testen des Typs vertraulicher Informationen

Sie können das SIT testen, indem Sie eine Beispieldatei hochladen. Die Testergebnisse zeigen die Anzahl der Übereinstimmungen für jedes Konfidenzniveau. Sie können integrierte SITs, benutzerdefinierte SITs, trainierbare Klassifizierer und exakte Datenübereinstimmungen testen.

Integrierten und benutzerdefinierten Typ vertraulicher Informationen testen

Exakte Datenübereinstimmung testen Typ vertraulicher Informationen.

Um einen benutzerdefinierten oder Standard-SIT-Mandanten testen zu können, muss dem Mandanten mindestens eine Exchange Online-Lizenz hinzugefügt werden. Andernfalls wird die Option "Test SIT" ausgegraut, wenn eine SIT ausgewählt ist.

Feedback zur Übereinstimmungs-/Nichtübereinstimmungsgenauigkeit in vertraulichen Informationstypen bereitstellen

Sie können die Anzahl der Übereinstimmungen einer SIT in den Typen vertraulicher Informationen und im Inhalts-Explorer anzeigen. Sie können auch Feedback dazu geben, ob ein Element tatsächlich übereinstimmt oder nicht, indem Sie den Feedbackmechanismus " Match, Not a Match " verwenden, und dieses Feedback verwenden, um Ihre SIT zu optimieren. Weitere Informationen finden Sie unter Erhöhen der Klassifizierergenauigkeit.