O que é Investigações de Segurança de Dados (pré-visualização)?
Investigações de Segurança de Dados do Microsoft Purview (pré-visualização) é uma ferramenta para os profissionais de cibersegurança analisarem de forma rápida e exaustiva os dados da sua organização após um incidente de segurança de dados. Cada investigação inclui os dados organizacionais específicos (ficheiros, e-mails, mensagens, etc.) que um investigador decide incluir. Em seguida, utiliza a IA para gerar categorias de dados para impulsionar a pesquisa, a identificação de riscos e as classificações para ajudar na atribuição de prioridades e recomendações no final do processo para ajudar a mitigar a falha.
O que pode fazer Investigações de Segurança de Dados (pré-visualização)?
Investigações de Segurança de Dados (pré-visualização) tem a funcionalidade de IA em três áreas main:
- Pesquisa de vetores: Investigações de Segurança de Dados (pré-visualização) utiliza inteligência artificial para criar incorporações de pesquisa de vetores em dados de utilizador. A pesquisa de vetores permite que os utilizadores utilizem contexto e significado para melhorar a relevância dos resultados da pesquisa.
- Categorização: assim que os utilizadores identificarem os dados para a investigação, Investigações de Segurança de Dados (pré-visualização) fornece funcionalidade para categorizar dados com IA. Com esta funcionalidade, os utilizadores selecionam categorias que consideram relevantes para a investigação. Depois de concluídas algumas pesquisas de vetores, os utilizadores são apresentados com categorias sugeridas por IA. Estas categorias também incluem classificação de risco e impacto para ajudar a priorizar a investigação.
- Exame: após filtrar dados de investigação com ferramentas de análise, os utilizadores escolhem entre várias funcionalidades incorporadas do Modelo de Linguagem Grande (LLM) para obter uma compreensão mais profunda dos potenciais riscos nos seus dados.
Qual é a utilização pretendida para Investigações de Segurança de Dados (pré-visualização)?
Investigações de Segurança de Dados (pré-visualização) destina-se a ser utilizado como um produto de investigação e mitigação pós-violação. Os analistas de segurança de dados também podem utilizar Investigações de Segurança de Dados (pré-visualização) para compreender o risco de conteúdo em torno de utilizadores de utilizadores de risco, partilha excessiva de dados ou eventos de transposição de dados e uma razão rápida sobre dados potencialmente violados para descobrir riscos e compreender o impacto total do incidente de segurança de dados.
Como foi avaliada Investigações de Segurança de Dados (pré-visualização)? Quais métricas são usadas para medir o desempenho?
Investigações de Segurança de Dados (pré-visualização) foi avaliado com um conjunto abrangente de métricas para garantir um desempenho e fiabilidade ideais. As principais métricas incluem precisão de IA, relevância dos resultados e clareza. Estas métricas são rigorosamente testadas através de uma mistura de agrupamento vermelho manual e classificação humana, garantindo que o sistema cumpre elevados padrões de precisão e eficácia. Esta abordagem multifacetada permite-nos refinar e melhorar continuamente as capacidades de Investigações de Segurança de Dados (pré-visualização), proporcionando soluções de segurança de dados robustas e fiáveis.
Quais são algumas limitações e como podem os utilizadores minimizar o impacto das limitações ao utilizar Investigações de Segurança de Dados (pré-visualização)?
Investigações de Segurança de Dados (pré-visualização) utiliza inteligência artificial (IA), modelos de linguagem grandes e orquestração na análise de dados na sua organização. Os resultados gerados pela IA podem nem sempre ser precisos ou completos. Embora nos esforcemos por fornecer informações fiáveis e úteis, os sistemas de IA podem produzir resultados incorretos ou falsos. É importante verificar as informações e utilizá-la com cuidado.
A Microsoft não concede garantias, expressas, implícitas ou estatutárias relativamente às informações fornecidas pelos sistemas de IA. Os modelos de voz também podem variar em termos de precisão em diferentes dados demográficos e idiomas. Os utilizadores devem ser cautelosos e considerar o contexto ao interpretar estes resultados.