Aperçu de la gestion de la classification de la DSPM

Introduction

La gestion de la classification est le processus systématique d'organisation des données en catégories spécifiques sur la base de critères prédéfinis tels que la sensibilité, le type, la conformité réglementaire, l'utilisation et/ou d'autres catégories utiles à l'entreprise. De solides pratiques de gestion de la classification au sein de votre organisation sont essentielles pour plusieurs raisons :

• Data security: Mettre en œuvre des mesures de sécurité pour se protéger contre les accès non autorisés et le potentiel en classant les données en fonction de leur gravité et de leur importance.
• Regulatory compliance: Respecter les principales réglementations en veillant à ce que les données sensibles soient traitées conformément aux normes légales et sectorielles, telles que HIPAA.
• Risk management: Identifier les types de données critiques et appliquer des protections strictes pour réduire le risque de perte ou d'exposition des données.
• Efficiency and cost savings: Réduisez les coûts de stockage et de sauvegarde en éliminant les données redondantes et en rationalisant le processus de recherche et d'extraction pour une gestion plus efficace des données.
• Data lifecycle management: Ensure data at each stage is managed (eg. stored, accessed, shared, archived, and deleted) according to its classification level.
• Data accessibility and retrieval: Facilitez la recherche et l'extraction des données essentielles, ce qui est particulièrement important pour les enquêtes judiciaires et les réponses aux demandes d'information.
• Data protection policies: Fournir une compréhension claire de la sensibilité des données et des contrôles nécessaires pour mener des politiques efficaces de protection des données et des stratégies de prévention des pertes de données.

Lisez la suite pour découvrir comment Netskope DSPM gère l'échantillonnage et la classification des données, y compris les classificateurs de type de données d'entité (EDT) intégrés et personnalisés, le score de confiance, les balises de données intégrées et personnalisées, et les cas d'utilisation possibles.

Comment Netskope DSPM classe les données

Netskope DSPM échantillonne des données provenant de magasins de données numérisés afin d’identifier et de classifier les données sensibles. Entre types de données, la classification repose sur une combinaison de signaux heuristiques, incluant mais sans s’y limiter :

• Keywords
• Noms de champs ou fichiers
• Field or file content
• Dictionaries
• Proximity
• Journal des requêtes
• Regex
• Checksums

Échantillonnage pour les données structurées

Le processus d’échantillonnage et de classification par défaut de Netskope DSPM pour les données structurées consiste à obtenir 50 échantillons non nuls de chaque champ de stockage de données et à les comparer aux signaux heuristiques décrits ci-dessus. Ainsi, le processus détermine si le champ contient des données sensibles, son type et son niveau de sensibilité, ainsi que le score de confiance résultant. Cette approche est entièrement configurable, car vous pouvez déterminer la fréquence et le planning du balayage lors de la connexion au magasin de données. L’échantillonnage n’affecte pas la performance du stockage des données. 

Échantillonnage de données non structurées

En plus de la fréquence d'analyse, le taux d'échantillonnage, défini comme le pourcentage de fichiers dans un compartiment que Netskope DSPM reçoit par analyse, peut être spécifié pour les données non structurées lors de la connexion au magasin de données. L'échantillonnage s'effectue ensuite au niveau du fichier, en comparant vos fichiers scannés à des signaux heuristiques pertinents et en déterminant si le fichier contient des données sensibles, leur type et leur niveau de sensibilité, ainsi que le score de confiance résultant. Cette approche est entièrement configurable, car vous pouvez déterminer la fréquence d'analyse, la planification et le taux d'échantillonnage lors de la connexion à la base de données. L’échantillonnage n’affecte pas la performance du stockage des données. 

Lisez-en plus sur la personnalisation du taux d’échantillonnage lors de la connexion des archives de données non structurées d’AWS S3 et Google Cloud Storage.

Types de fichiers pris en charge pour l'analyse des magasins de données non structurées

DSPM supporte désormais all file types supporté par l'appliance DLP (Prévention des pertes de données) :

Entity Data Types

Netskope DSPM utilise les classificateurs et catégories Entity Data Type intégrés de DLP (Prévention des pertes de données) pour classer les données sensibles. DSPM prend en charge toutes les entités DLP (Prévention des pertes de données) (environ 3 000 à 4 000), supprimant ainsi la limitation précédente de 50 types de données. Cliquez sur chacun des onglets de catégorie ci-dessous pour obtenir la liste complète, la description et le niveau de sensibilité par défaut des classificateurs.

Tirez parti des types de données d'entités à identifiants directs et indirects pour assurer la conformité au RGPD et au CCPA .

Customization

Le processus de classification de Netskope DSPM décrit ci-dessus peut être entièrement adapté aux besoins de votre organisation grâce à des balises personnalisables, des niveaux de sensibilité, une fréquence de numérisation, une planification et des taux d'échantillonnage, y compris des expressions régulières personnalisées et des mots de contexte pour améliorer la précision de la classification. 

En savoir plus sur l'utilisation des profils et règles DLP (Prévention des pertes de données) pour créer et gérer des définitions de classification personnalisées spécifiques à votre organisation.

Confidence Scoring

Chaque type de données d'entité identifié est associé à un indice de confiance sur la page Gestion de la classification.

Le score de confiance représente la probabilité que le champ ou le fichier contienne le Entity Data Type prédit par Netskope DSPM. Plus précisément, il mesure dans quelle mesure le champ ou le fichier correspond au type de données d'entité attribué. Ce calcul repose sur plusieurs signaux, notamment les modèles de données, la validation spécifique au domaine, les métadonnées, et bien plus encore. Le score de confiance augmente à mesure que ces caractéristiques produisent davantage de correspondances avec notre modèle de classification entraîné. Nous vous recommandons d'utiliser le score de confiance lors de l'évaluation de vos résultats de classification afin de déterminer les faux positifs et les faux négatifs.

Si vous marquez manuellement un champ comme étant révisé, la note de confiance sera fixée à 100%, car l'application considérera que votre révision a la priorité sur toute autre notation effectuée par le système.

Additional Documentation

To learn more about how to fully utilize our Classification capabilities, please read the articles below:

Utilisation de la page de gestion de la classification

Data Tags

Étiquetage au niveau de l'objet