Utilisez les entités personnalisées lorsque les identificateurs prédéfinis ne correspondent pas tout à fait à vos données ou lorsque vous devez détecter des modèles spécifiques à votre organisation. Il existe deux types d'entités personnalisées : un identificateur de données personnalisé et un dictionnaire personnalisé.
Custom Data Identifier
Un identificateur de données personnalisé est une règle de détection unique construite à partir d'un mot-clé, d'une expression régulière ou d'une référence à un identificateur prédéfini.
Custom Dictionary
Un dictionnaire personnalisé est un fichier CSV contenant des mots-clés, des expressions ou des expressions régulières, téléchargé et réutilisé comme une entité unique.
Selecting Custom Entities in a Rule
- Dans la page Entities du workflow de la règle New DLP (Prévention des pertes de données), développez Custom Entities dans la colonne Catégories, puis cliquez sur Data Identifier ou Dictionary.
- La colonne Entités répertorie les identifiants ou dictionnaires personnalisés que vous avez déjà créés. Vous pouvez également cliquer sur New dans l'en-tête de la colonne pour en créer un en ligne.
- Cliquer sur Next une fois terminé.
Creating a Custom Data Identifier
- Sous l'onglet Entities, cliquez sur New Entity. La boîte de dialogue Créer une entité est définie par défaut sur l'option Data Identifier.
- Nommez l'identifiant, ajoutez éventuellement une description et choisissez si la correspondance doit être sensible à la casse.
- Définissez ce à quoi cela correspond en utilisant l'une des options suivantes :
- Une référence à un identifiant prédéfini, tel que {{Full Names (US)}}
- Un mot-clé, comme Nom
- Une expression régulière, telle que [0-9]{5,10}
Utilisez Validate Regex pour vérifier la syntaxe avant l’enregistrement.
- Affectez un Data Type, existant ou nouveau.
- Assigner un Sensitivity Level.
- Optionnellement, configurez Advanced Options pour restreindre les correspondances.
Creating a Custom Dictionary
- On the Entities tab, click New Entity.
- Select Dictionary, puis choisissez Keyword Dictionary ou RegEx Dictionary.
- Nommez le dictionnaire et choisissez s'il est sensible à la casse.
- Cliquez sur Select File et chargez un fichier CSV. Remarque :
- Inclure un mot-clé, une phrase ou une expression régulière par ligne.
- Un seul fichier de dictionnaire contient soit des mots-clés et des phrases, soit des expressions régulières, mais pas les deux.
- Les dictionnaires RegEx sont limités à 25 entrées.
- Facultativement, configurer Advanced Options.
Weighted Keyword Dictionaries
Les dictionnaires de mots-clés prennent en charge les pondérations par entrée, qui déterminent le score de violation DLP (Prévention des pertes de données).
- Formatez chaque ligne comme suit : [keyword],[weight]. La pondération est facultative et comprise entre -100 et 100.
- Si vous ne spécifiez pas de poids, Netskope applique un poids par défaut de 1.
- Les poids positifs augmentent le score d'infraction ; les poids négatifs le diminuent.
- Les poids ne sont pas pris en charge pour les expressions régulières.
- Le score de violation correspond à la somme des pondérations de toutes les règles correspondantes, et ce score détermine si une règle se déclenche suite à une violation.
Example: AWS access key dictionary
identifiant de clé d'accès, 50
AWS, 10
clé d'accès AWS, 100
AWSAccessKeyId, 100
clés d'accès
accès, -20
Cloud public, -100
Associé à une règle C0 NEAR D0, où C0 est un identifiant d'expression régulière personnalisé \b[A-Z0-9]{20}\b et D0 est le dictionnaire ci-dessus :
- Le contenu ne contenant que « Generate the access key » produit un nombre de règles de 0, car aucune correspondance sous forme de clé n'apparaît à proximité.
- Le contenu contenant « Enter the AWS access key ID AKIAIVLZMKR5WZSQO5ZA » produit un compte de règles de 1, contribuant à un score de violation de 100.
Data Type and Sensitivity Level
Chaque entité, prédéfinie ou personnalisée, comporte deux attributs de classification.
| Attribute | Objectif |
|---|---|
| Data Type | Regroupe les entités en catégories définies, existantes ou nouvellement créées, à des fins d'organisation et de rapport. |
| Sensitivity Level | Définit le caractère critique de l'entité, utilisé en aval dans la logique de politique et le reporting. |
Advanced Options
Les Options avancées permettent d'affiner la correspondance d'une entité lorsqu'elle est utilisée dans une règle.
| Option | Ce que cela fait |
|---|---|
| Begins with / Ends with / Does not match | Inclut ou exclut des correspondances en fonction des mots-clés ou des expressions régulières environnants. |
| Use Filters, Common-Sense | Rejette les correspondances qui sont principalement des caractères répétitifs ou séquentiels, tels que aabbcc ou 22222. |
| Use Filters, Unlikely Matches | Rejette les correspondances invraisemblables compte tenu des caractères environnants, comme 80*125752000=10060160000 pour un SSN américain à 9 chiffres. |
| Use Validators for Regex | Applique un algorithme de somme de contrôle, Luhn, Elfproef ou Verhoeff, pour rejeter les correspondances regex qui échouent à la validation. |
La disponibilité des filtres dépend de l'entité prédéfinie sélectionnée :
- Si aucun filtre n’est défini, Use Filters et Use Validator for Regex sont grisés.
- Si un filtre est défini, Use Validator for Regex est grisé et le validateur par défaut de l’entité s’applique automatiquement.
- Si les deux filtres sont définis, que Use Filters et que les deux cases à cocher de filtre sont pré-cochées, Use Validator for Regex est grisé.
Netskope applique également la normalisation de texte lors de l'extraction, couvrant les polices, les couleurs, les sauts de ligne et les espacements, afin d'améliorer la précision de la détection. Cela permet également de lutter contre la stéganographie textuelle.