ファイル分類子

ファイル分類器を訓練するには、少なくとも20個の正例となる訓練ファイルを追加する必要があります。

ファイル分類子を作成するには：

1. Netskope UI でPolicies > Profiles > DLP > File Classifiersに移動してください。
2. New File Classifierをクリックしてください。
3. Upload Training Filesの下にファイルをドラッグ＆ドロップするか、 Select Filesにドラッグして分類器に追加します。
4. Click Save.

Positive training data アップロードされているファイルと類似したファイルを識別するようにモデルを訓練します。

Negative training data 分類器のモデルと一致しないとみなされるものを識別できるようにモデルを訓練します。この機能は、カスタム分類器が正常にセットアップされ、トレーニングが完了した後にのみ利用可能です。

Percent Match ファイル分類器がファイルを評価するためには、ファイル内の何パーセントが分類器に一致する必要があるかを指定します。

モデルの有効性がNetskopeの基準を下回る場合、警告と説明が表示されます。

警告が発生するシナリオは以下の5つです。

1. モデルの有効性を評価する必要がある
2. 偽陽性率が高すぎる
3. 真陽性率が低すぎる
4. Maximum number of tests met
5. モデル評価は現在実行中です

パッケージのインストール

TYOC パッケージ ファイルのインストールはrequired.です。このページにはハッシュ生成を実行する手順も含まれています。

パッケージは以下の順序でインストールしてください。

1. keyview.ns
2. dlpcicontent.ns
3. dlpdata.ns
4. dplib.ns
5. dlptools.ns

sudo dpkg -i --force-overwrite package_file.deb

ハッシュ生成

Fingerprint 2.0 API は、事前に生成されたhash .
の直接アップロードをサポートしています。仮想マシン上でhashを生成し、実際のアーティファクト（元のファイルや画像）の代わりにハッシュをNetskopeにアップロードすることができます。
ソースファイルとネガティブハッシュのハッシュ生成手順は同じです。

ハッシュファイルが10MBを超える場合は、JSONを分割します。 改行を複数パートのJSONファイルに分割します。

JSONファイルを分割するためのPythonスクリプトは、サポートポータルで提供されています。

フィンガープリンティング（またはハッシュ抽出）を行うすべてのファイルを、例えば「/myFolder」のようなフォルダに格納してください。zipファイルの場合は、フォルダ名の代わりにzipファイル名を指定してください。

/opt/ns/bin/nsdlp/dlp-fingerprint20 -c classification_1 -f /myFolder/ -o ~/temp/fp/output/ -e ~/temp/fp/extract/ -

これにより出力ファイルが作成されます。 ~/temp/fp/output/fingerprint20_211_1.json

詳細な手順については、サポートポータルのユーザーガイドを参照してください。

管理コンソールから、 Settings > Tools > REST API v2に移動します。

Single File Upload

curl -X POST "https://your-tenant.goskope.com/api/v2/services/dlp/classifiers/custom/5590549391965102994/hashes" \
-H "Netskope-Api-Token: 38cxxxxxxxxxxeeef2f1" \
-H "x-netskope-user-email: user@example.com" \
-H "Content-Type: multipart/form-data" \
-F "hashfile=@/path/to/your/hashfile.json

Multi-Part Upload

1. 最初のチャンクをアップロード

   curl -X POST "https://your-tenant.goskope.com/api/v2/services/dlp/classifiers/custom/5590549391965102994/hashes?txid=1
   -H "Netskope-Api-Token: 38c9a700980fb009f9bb8a303eeef2f1" \
   -H "x-netskope-trid: 1234567890123456789" \ 
   -H "x-netskope-user-email: user@example.com" \
   -H "Content-Type: multipart/form-data" \
   -F "hashfile=@/path/to/hashfile_part1.json

2. 2番目のチャンクをアップロードします

   curl -X POST "https://your-tenant.goskope.com/api/v2/services/dlp/classifiers/custom/5590549391965102994/hashes?txid=2
   -H "Netskope-Api-Token: 38c9a700980fb009f9bb8a303eeef2f1" \
   -H "x-netskope-trid: 1234567890123456789" \
   -H "x-netskope-user-email: user@example.com" \
   -H "Content-Type: multipart/form-data" \
   -F "hashfile=@/path/to/hashfile_part2.json"

3. 最終チャンクをアップロード

   curl -X POST "https://your-tenant.goskope.com/api/v2/services/dlp/classifiers/custom/5590549391965102994/hashes?txid=3
   -H "Netskope-Api-Token: 38c9a700980fb009f9bb8a303eeef2f1" \
   -H "x-netskope-trid: 1234567890123456789" \
   -H "x-netskope-user-email: user@example.com" \
   -H "Content-Type: multipart/form-data" \
   -F "hashfile=@/path/to/hashfile_part3.json"
   

   最後のアップロード時にsessionend=trueを設定すると、セッション内でアップロードされたすべてのファイルの処理が開始されます。

ネガティブハッシュをアップロードする

カール -X POST「https://your-tenant.goskope.com/api/v2/services/dlp/classifiers/custom/5590549391965102994/hashes?negati
-H "Netskope-Api-Token: 38c9a700980fb009f9bb8a303eeef2f1" \
-H 「x-Netskope-user-電子メール: user@example.com」 \
-H 「コンテンツタイプ:マルチパート/フォームデータ」\
-F 「negative_hashes.json=@/path/to/negative_hashes.json」

File Classifierが正常に作成されたら、 Positive training dataまたはNegative training dataを含めるように編集できます。Percent Match値も変更できます。これはTraining Your Own Classifier (TYOC)とも呼ばれます。

既存のFile Classifier編集するには：

1. Click Edit.
2. 既存のFile Classifierの…をクリックしてください。

既存のファイル分類子を削除するには：

既存のFile Classifierの…をクリックしてください。

Deleteをクリックしてください。

定義済みのファイル分類器を編集することで、定義済みの分類結果の動作を変更できます。これにより、誤検出を減らす（誤検出ファイルをアップロードしたり、一致の閾値を上げたりする）か、場合によっては誤検出を適切に検出する（閾値を下げる）ことができます。

1. 定義済みセクションにある既存のFile Classifierの…をクリックします。
2. Click Edit.
3. Confidence LevelをSelect 。
4. Select your files または、それらをFalse Positive Filesセクションにドラッグアンドドロップしてください。
5. Saveをクリックしてください。

Confidence Level – この設定では、モデルの感度レベル／閾値を変更できます。信頼度レベルがlower 場合、分類器のリコール率が高くなります。これは、分類器のモデルがより多くの真陽性に一致することを意味しますが、同時に偽陽性も多くなる可能性も高くなります。信頼度レベルがhigher場合、分類器の精度が高くなります。これは、分類器のモデルでは偽陽性が少なくなる一方で、真陽性も少なくなることを意味する。

• 銀行取引明細書
• ローン契約書
• ローン申請
• 株式購入プログラム
• 税務申告書（米国）
• 内定通知書
• *Resume
• コンサルティング契約
• 合併・買収（M&A）に関する書類
• 秘密保持契約書（英語）
• パートナー契約
• Patent
• 医療フォーム
• 医療代理権委任状（POA）
• *ソースコード（すべて）

• Check
• 支払いカード（クレジットカード、デビットカード）
• 医療画像
• Screenshot
• Whiteboard
• 運転免許証（全種類）
• 運転免許証（米国）
• 健康IDカード
• パスポートブック
• 写真付き身分証明書
• 社会保障カード（米国）

DLPは、大規模言語モデル（LLM）技術を活用することで、数百もの分類器に基づいてファイルを正確に分類できるようになりました。 管理者は、事前に定義されたファイルクラスのリストから選択し、検査要求に関連する特定のクラスを検出するように選択できます。DLP検査要求に1つ以上のLLMベースのファイル分類ルールが含まれている場合、抽出されたファイルテキストの一部が処理のためにAIファイル分類サービスに送信されます。AIファイル分類サービスは、定義済みのファイルクラスの包括的なリストをローカルに保持しています。

AIファイル分類器を作成するには：

1. Policies > DLP > File Classifiers > Customへ移動してAIを選択してください。

2. Click New AI File Classifier

   

3. AI File Classifierに追加したい分類タイプを確認してください。それらはSelected AI File Classifier下部に表示されます。

4. 名前を入力してSaveをクリックしてください。

5. 新しいAI File Classifierは、 File ClassifierセクションのContent Rulesの下に新しいDLP Profileを作成するときに今使うことができます。

   

指紋グループまたはカスタム分類子が DLP プロファイルに含まれている場合、WebUI では FP グループ/カスタム分類子の削除は許可されません。 ただし、ユーザーが「誤って」API を直接削除してしまう可能性があります。 この場合、DLPプロファイルは「未定義」のFPグループ/カスタム分類子を参照し、検査時には、DLPはそのような未定義のFPグループ/カスタム分類子をまるで存在しないかのように無視します。ユーザーは、このような未定義のルールを削除できます。この抜け穴は現状ではDLPスキャンに大きな悪影響を与えていませんが、データの完全性を保つためには避けるべきです。

この問題は、参照整合性統合を含む次期リリースで修正される予定です。

NEW 事前定義済みプロファイル、ルール、エンティティ、列分類ルール、およびファイル分類子に関する制限事項

Netskopeは、サービスの一環として一般的なメンテナンスを実施しており、これにはDLP Standard（L2）、DLP Advanced（L3）の各契約機能に対する新しい Predefined Profiles 、 Rules 、 Entities 、 Columnar Classification Rules 、 File Classifiersの導入が含まれます。

お客様には、これらの新しく導入されたもののみを使用することをお勧めします。

• Predefined Profiles,
• Rules,
• Entities,
• Columnar Classification Rules
• File Classifier

検出の不整合の可能性を軽減するため、すべての管理プレーン（MP）およびデータプレーン（DP）への展開が完了した後にのみ実行します。DLP オンデマンド アプライアンス、DLP アプライアンス with DSPM 、または DLP アプライアンス with AI Gatewayなどのアプライアンスを利用しているお客様は、新しい機能を容易にするために DLP アプライアンスが更新されていることも確認する必要があります。

• Predefined Profiles,
• Rules,
• Entities,
• Columnar Classification Rules
• File Classifiers

Existing Predefined ProfilesRules 、 Entities 、 Columnar Classification Rules 、 File Classifiers 、およびCustom Profiles 、 Rules 、 Entities 、 Columnar Classification Rules 、 File Classifiersは、この制限の対象ではありません。