Más información sobre el reconocimiento óptico de caracteres en Microsoft Purview

Mediante el examen óptico de reconocimiento de caracteres (OCR), Microsoft Purview puede examinar imágenes en busca de información confidencial. El examen de OCR es una característica opcional que debe habilitar en el nivel de inquilino. Después de habilitarlo, seleccione las ubicaciones donde desea examinar las imágenes. Puede examinar imágenes en dispositivos Exchange, SharePoint, OneDrive, Teams, Windows y macOS. Al configurar los valores de OCR, Microsoft Purview aplica las directivas existentes para la prevención de pérdida de datos (DLP), la administración de registros y la administración de riesgos internos (IRM) a imágenes y contenido basado en texto. Por ejemplo, si configura el contenido de la condición DLP contiene información confidencial e incluye un clasificador de datos como el tipo de información confidencial de tarjeta de crédito (SIT), Microsoft Purview examina los números de tarjeta de crédito en texto e imágenes en todas las ubicaciones elegidas.

Flujo de trabajo de un vistazo

Fase Requisitos
Crear Azure suscripción si es necesario Si su organización aún no tiene una suscripción de pago por uso Azure para su inquilino, el administrador global debe empezar creando una cuenta de Azure.
Estimación de los cargos de examen de OCR Use el estimador de costos de OCR para calcular los cargos esperados para los casos de uso específicos.
Configure la facturación de pago por uso para habilitar OCR. El administrador global o de SharePoint debe seguir las instrucciones de Configuración de la facturación de Microsoft Syntex en Azure para agregar una suscripción para OCR.
Configuración del examen de OCR El administrador de cumplimiento de su organización configura los valores de OCR para el inquilino.

Requisitos previos

Para usar el examen de OCR, el administrador global de la organización debe comprobar que hay una suscripción de pago por uso Azure. Si no es así, deben configurar la suscripción siguiendo las instrucciones de Creación de las suscripciones de Azure iniciales.

Configuración de la facturación

Al habilitar OCR, todos los tipos de información confidencial y clasificadores que se pueden entrenar pueden detectar caracteres que se encuentran en imágenes.

Dado que es una característica opcional, el administrador global debe configurar la facturación de pago por uso para habilitar OCR. Consulte las instrucciones de Configuración de la facturación de Microsoft Syntex en Azure para agregar una suscripción para OCR.

Nota:

Después de especificar la información de facturación en Microsoft Syntex, el administrador de cumplimiento puede configurar OCR en Microsoft Purview sin necesidad de configurar ni conceder licencias adicionales.

Puede encontrar información de precios de pago por uso de OCR en la página Configurar Microsoft Syntex facturación en Azure.

Estimación de los cargos de examen de OCR

Cada imagen examinada cuenta como una transacción. Este precio significa que las imágenes independientes (JPEG, JPG, PNG, BMP o TIFF) cuentan cada una como una sola transacción. También significa que cada página de un archivo PDF se cobra por separado. Por ejemplo, si hay 10 páginas en un archivo PDF, un examen OCR del archivo PDF cuenta como 10 exámenes independientes. Para obtener información sobre el uso del estimador de costos de OCR, consulte Estimación de los costos de OCR.

Nota:

Para reducir los costos de OCR, el servicio usa los siguientes mecanismos de almacenamiento en caché: las imágenes pequeñas, como logotipos y firmas que se envían por correo electrónico a través de Microsoft Exchange, se examinan y facturan solo una vez por imagen única entre todos los usuarios del inquilino durante una ventana móvil de cinco días. En el caso del punto de conexión, la memoria caché se mantiene durante 30 días. El almacenamiento en caché es local para cada dispositivo de punto de conexión y solo se almacenan los clasificadores identificados en la imagen y el hash de imagen. Los datos del cliente no se almacenan. No hay ningún mecanismo de almacenamiento en caché para imágenes independientes en SharePoint y OneDrive. Sin embargo, en los tipos de archivo incrustados, si solo se actualiza texto, las imágenes no se examinan de nuevo.

El servicio comprueba varios parámetros, incluidos el hash de secuencia de imágenes y el tamaño de la imagen, para ver si puede usar la memoria caché. Si algún parámetro no coincide, los OCR de servicio vuelven a usar la imagen.

Además, puede usar cada imagen escaneada en cualquier número de directivas en la prevención de pérdida de datos, la administración de riesgos internos, el etiquetado automático y la administración de registros sin cargo adicional.

Importante

Para obtener información sobre los requisitos de Adobe para usar características de Prevención de pérdida de datos de Microsoft Purview (DLP) con archivos PDF, consulte este artículo de Adobe: Microsoft Purview Information Protection Support in Acrobat.

Configuración de los valores de OCR

Para configurar el examen de OCR para el inquilino, siga estos pasos:

  1. Inicie sesión en el portal de Microsoft Purview.
  2. Seleccione Configuración.
  3. Seleccione Reconocimiento óptico de caracteres (OCR) para especificar los valores de configuración de OCR.
  4. Seleccione las ubicaciones donde desea examinar las imágenes.
  5. Seleccione los grupos que quiera incluir o excluir de los exámenes OCR.
  6. Seleccione Listo.

Para obtener la lista completa de ubicaciones en las que OCR examina las imágenes y las soluciones que actúan en función de los resultados, consulte Ubicaciones y soluciones admitidas.

Permissions

Para crear e implementar directivas, la cuenta debe ser miembro de uno de estos grupos de roles:

  • Administrador de cumplimiento
  • Administrador de datos de cumplimiento
  • Administrador global
  • Protección de la información
  • Administrador de Information Protection

Nota:

En general, la configuración de OCR surte efecto aproximadamente una hora después de activarlas.

Nota:

Para obtener información sobre la funcionalidad de OCR en Cumplimiento de comunicaciones de Microsoft Purview, consulte Creación y administración de directivas de cumplimiento de comunicaciones.

Ubicaciones y soluciones admitidas

Ubicación Soluciones admitidas
Exchange Prevención de pérdida de datos

Protección de la información: directivas de etiquetado automático

Administración de registros: directivas de etiquetas de retención de aplicación automática1
Sitios de SharePoint Prevención de pérdida de datos

Administración de riesgosinternos 2

Administración de registros: directivas de etiquetas de retención de aplicación automática1
Cuentas de OneDrive Prevención de pérdida de datos

Administración de registros: directivas de etiquetas de retención de aplicación automática1
Mensajes de canales y chats de Teams Prevención de pérdida de datos

Administración de riesgosinternos 2
Dispositivos Prevención de pérdida de datos

Administración de riesgosinternos 2

1 Admite palabras clave y tipos de información confidencial.
2 Tiene en cuenta los tipos de información confidencial y los clasificadores entrenables presentes en las imágenes para la puntuación de riesgos.

Tipos de archivo compatibles

Esta funcionalidad admite el examen de imágenes en los siguientes tipos de archivo, con los requisitos indicados:

Ubicaciones Tipos de archivo compatibles
Exchange JPEG, JPG, PNG, BMP, TIFF y ARCHIVOS PDF (escaneados). Imágenes incrustadas en DOCX, PPTX, XLSX, RAR, TAR, ZIP, 7z y archivos PDF híbridos (que contienen texto e imágenes que se pueden buscar) con un límite de 20 imágenes incrustadas examinadas por archivo.
SharePoint y OneDrive BMP, PNG, JPEG, JPG, JFIF, ARW, CR2, CRW, ERF, GIF, MEF, MRW, NEF, NRW, ORF, PEF, RAW, RW2, RW1, SR2, TIF, TIFF, HEIC, HEIF, ARI, BAY, CAP, CR3, DCS, DCR, DRF, EIP, FFF, IIQ, K25, KDC, MOS, PTX, PXN, RAF, RWL, SRF, SRW, X3F, DNG, ARCHIVOS PDF (digitalizados e híbridos que contienen texto e imágenes que se pueden buscar) Imágenes incrustadas en DOCX, PPTX, XLSX
Punto de conexión de Teams, Windows y macOS JPEG, JPG, PNG, BMP, TIFF y PDF (solo imagen)

Requisitos de imagen

Requisito Límite
Tamaño de archivo (Exchange, Teams) 20 MB como máximo
Tamaño de archivo (puntos de conexión de SharePoint, OneDrive, Windows y macOS) 50 MB como máximo
Resolución de imágenes 50 × 50 px como mínimo, 16 000 × 16 000 px como máximo

Importante

  • Solo se examinan las imágenes cargadas después de habilitar OCR.
  • OCR extrae solo los primeros 2 millones de caracteres de texto.
  • De forma predeterminada, el correo electrónico entrante (correo electrónico de usuarios fuera de la organización), los correos internos (correo electrónico compartido dentro de los usuarios de la organización) y el correo electrónico saliente (enviado a usuarios fuera de la organización) están sujetos al examen de OCR. Para excluir los correos entrantes del examen OCR, cambie la configuración de OCR del ámbito predeterminado de Todos los grupos de remitentes a los grupos de remitentes específicos y especifique los grupos internos que desea que OCR examine. Para restringir los exámenes ocres a los correos enviados fuera de la organización únicamente, seleccione la opción en Configuración avanzada (solo Exchange). Después de seleccionar esta casilla, ni los correos entrantes ni las comunicaciones internas son OCRed. Para obtener información sobre cómo cambiar las configuraciones, consulte Configuración de OCR.
  • Las sugerencias de directivas de prevención de pérdida de datos no se admiten para imágenes en Exchange.
  • Si excluye una ruta de acceso en la configuración de prevención de pérdida de datos del punto de conexión, OCR no examina las imágenes de esas carpetas.
  • Cuando OCR está activado para dispositivos Windows y macOS, los dispositivos comienzan a enviar mensajes a la nube para su examen. El límite de ancho de banda predeterminado es de 1024 MB de datos por dispositivo y día. OCR deja de escanear imágenes una vez alcanzado este límite diario. Si desea continuar escaneando imágenes, puede aumentar el límite de ancho de banda.
  • En Dispositivo de punto de conexión, asegúrese de que la configuración de red no obstruye el OCR y que debe haber un carácter comodín que permita blob.core.windows.net puntos de conexión.
  • Para Exchange, la característica admite imágenes incrustadas en DOCX, PPTX, XLSX, RAR, TAR, ZIP, 7z y ARCHIVOS PDF híbridos (que contienen texto e imágenes que se pueden buscar) con un límite de 20 imágenes incrustadas examinadas por archivo.

Idiomas admitidos

El examen ocr admite más de 150 idiomas.

Resumen

Vea también

  • Last updated on