使用英语阅读

通过

了解如何在数据丢失防护策略中使用正则表达式 (正则表达式)

  • 项目

正则表达式（通常称为正则表达式）是定义搜索模式的字符序列。 正则表达式主要用于与字符串的模式匹配和字符串匹配;例如，在“查找和替换”操作中。 可以使用 Microsoft Purview 数据丢失防护 (DLP) 中的正则表达式来定义有助于识别敏感数据和分类的模式，或帮助检测内容中的模式。 Microsoft Purview DLP 中最常见的正则表达式用途是：

本文介绍使用正则表达式时出现的常见问题以及如何解决这些问题。

将正则表达式与 DLP 配合使用时的潜在验证问题

  • 模式的基本单位（如文本字符、数字、空格和标点符号）可以自行表示，也可以由称为元字符的特殊符号表示，例如 \d ，对于任何数字、 \s 任何空格或 \. 文本点。
  • 基本单位与限定符结合使用时，指定在匹配中可以或必须发生的次数。 例如， * 表示零或更多，+表示一个或多个，?表示零或一，表示{n,m}和 m 时间之间n。 例如， \d+ 表示一个或多个数字， \s? 表示可选的空格，表示 a{3,5} 文本字符 a 的三到五 个实例。
  • 正则表达式要么使用正面外观，要么使用负面外观。 lookbehind 用于检查输入字符串中某个位置之前是否有匹配项，而不包括匹配中的实际字符。 正外观隐藏用于 在存在外观 模式时进行匹配，而负外观隐藏用于在 不存在 外观模式时进行匹配。
  • 请考虑此示例： (?<=^|\s|_)。 此示例演示了一个外观，其中包含三种可能性：
    1. ^ 断言位置。 在这种情况下，它要求模式匹配从行的开头开始。
    2. \s 将任何空格字符检测为匹配项。
    3. _ 匹配文本下划线字符 ( _ ) 。
  • 在前面的示例中，可能性 #2 和 #3 将分别匹配单个字符。 但是，可能性 #1 仅指示匹配应从何处开始。 它不会生成任何字符匹配的结果。
  • 以第二个示例为例 ^\d+$。 此正则表达式将仅检测完全由数字组成的字符串（从头到尾）。

如何获取提取的文本

正则表达式在内容的提取文本上匹配，而不是在内容本身上匹配。 因此，即使模式出现在内容上，在评估 DLP 策略时也可能不匹配。

若要确保捕获适当的匹配项，请执行以下步骤：

  1. 使用 Test-TextExtraction cmdlet 获取提取的文本，该文本将包含字符串流。
  2. 接下来，使用提取的文本来匹配正则表达式。

例如：

PowerShell 
$data = ([System.IO.File]::ReadAllBytes('<FilePath>'))
$tr = Test-TextExtraction -FileData $data
$tr.ExtractedResults.ExtractedStreamText | Format-List

如何验证敏感信息类型检测

若要验证敏感信息类型 (SIT) 检测，我们需要获取刚刚提取的文本，然后在其中运行 Test-DataClassification cmdlet 来验证检测。 运行 cmdlet 的结果将指示正则表达式是否有任何 SIT 匹配项。

例如：

PowerShell 
$textStream = $tr.ExtractedResults.ExtractedStreamText | Out-String
$result = Test-DataClassification -TextToClassify $textStream
$result.ClassificationResults | Format-List

在 DLP 策略规则中使用正则表达式的示例

在此示例中，我们将阻止包含以 ABC 开头、后跟数字的字符串的电子邮件。

使用的正则表达式：^ABC\d

DLP 规则示例：New-DlpComplianceRule -Name "Rule_00" -Policy "Policy_00" -SubjectOrBodyMatchesPatterns "^ABC\d" - BlockAccess $True

示例电子邮件

正则表达式匹配的示例电子邮件

虽然正则表达式似乎将检测与此邮件项的匹配项，但提取的文本如下所示：

Regex Test Email ABC123

可以看到，提取的文本以电子邮件主题行中的内容开头，而不是电子邮件正文中的内容。 但是，在正则表达式的开头包含断言字符 ^，要求 ABC... 字符串必须位于提取的文本的开头才能检测到匹配项。

若要解决此问题，可以将正则表达式更改为 ABC\d。

详细了解正则表达式