機密情報の種類に関する詳細情報

organization の管理下にある機密アイテムの識別と分類は、Information Protection 規範の最初のステップです。 Microsoft Purview には、項目を分類できるように識別する方法が 3 つ用意されています。

• 手動で、ユーザーによって
• 機密情報の種類の場合と同様に、自動パターン認識を介する
• 機械学習を介して

機密情報の種類 (SIT) は、パターンベースの分類子です。 社会保障、クレジット カード、銀行口座番号などの機密情報を検出して機密アイテムを識別します。すべての SIT の完全な一覧については、「機密情報タイプのエンティティ定義」を参照してください。

Microsoft では、構成済みの SIT が多数提供されていますが、独自に作成することもできます。

ライセンス

資格情報スキャン SIT を使用するには、E5 ライセンスが必要です。 すべての資格情報スキャン SIT の一覧については、「 すべての資格情報の機密情報の種類」を参照してください。 この SIT には、ポータルで使用できるすべての資格情報スキャン SIT が含まれています。 この SIT の各メンバーは資格情報スキャン SIT であり、スタンドアロンとして使用できます。 Microsoft が作成した多くの SIT の一覧については、「 機密情報の種類のエンティティ定義」を参照してください。

機密情報の種類は、

• Microsoft Purview データ損失防止ポリシー
• 機密ラベル
• 保持ラベル
• インサイダー リスク管理
• 通信コンプライアンス
• 自動ラベル作成ポリシー
• Microsoft Priva

機密情報の種類のカテゴリ

組み込みの機密情報の種類

Microsoft がこれらの SIT を作成し、既定で Purview ポータルに表示されます。 これらの SIT は編集できませんが、コピーしてカスタムの機密情報の種類を作成することで、テンプレートとして使用できます。 すべての SIT の完全な一覧については、 機密情報の種類のエンティティ定義 を参照してください。

固有エンティティの機密情報の種類

名前付きエンティティ SIT は、既定で Purview ポータルにも表示されます。 個人の名前、住所、医療条件を検出します。 編集やコピーはできません。 詳細については、「 名前付きエンティティについて」を参照してください。

名前付きエンティティ SIT には、次の 2 つのタイプがあります。

バンドルされていない

これらの名前付きエンティティ SIT は、単一の国または地域、または単一の用語クラスなど、焦点の狭いものを持っています。 検出範囲が狭いデータ損失防止 (DLP) ポリシーが必要な場合に使用します。 「 名前付きエンティティ SIT の例」を参照してください。

バンドル済み

バンドルされた名前付きエンティティ SIT は、 すべての物理アドレスなど、クラス内のすべての一致を検出します。 これらを、機密性の高いアイテムを検出するための DLP ポリシーの広範な基準として使用します。 「 名前付きエンティティ SIT の例」を参照してください。

カスタムの機密情報の種類

事前構成された機密情報の種類がニーズを満たさない場合は、完全に定義した独自のカスタム機密情報の種類を作成するか、組み込みのものの 1 つをコピーして変更できます。 トピック

Microsoft Purview ポータルでカスタムの機密情報の種類を作成します。

機密情報の種類に完全一致する

完全一致データ一致 (EDM) ベースの SIT はすべて最初から作成されます。 これらを使用して、機密情報のデータベースで定義した正確な値を持つアイテムを検出します。 詳細については、「 完全一致ベースの機密情報の種類について」を参照してください。

機密情報タイプの基本的なパーツ

すべての機密情報の種類 (SIT) エンティティは、次のフィールドで構成されます。

• 名前: 機密情報の種類を参照する方法を示します。
• 説明: 機密情報の種類で検索されている内容の説明。
• パターン: SIT が検出する内容を定義します。 これは、主要な要素、サポート要素、信頼度、および近接性のコンポーネントで構成されます。

次の表では、機密情報の種類の定義に使用されるパターンの各コンポーネントについて説明します。

近接性について

次の図は、近接性に関連して一致検出がどのように機能するかを示しています。 この例では、プライマリ要素は SSN フィールドであり、SIT 定義では、 SSN 値の各インスタンスが、次の要素の少なくとも 1 つに対して指定した近接範囲内に存在する必要があります。

• AccountNumber
• Name
• DateOfBirth

この図では、チェックされるデータに、 SSN フィールドの 3 つの異なるインスタンス ( SSN1、 SSN2、 SSN3、 SSN4) が含まれていることがわかります。

。

近接性のしくみを理解するために、まず、いくつかのサンプル検出条件を見てみましょう。 ここでは、9 桁の社会保障番号を検出したいと考えていました。 検出条件では、9 桁の正規表現 (プライマリ要素) と、250 文字以内 (近接性) 内に表示される証拠 (AccountNumber、Name、DateOfBirth フィールド) と合わせて検索する必要があります。

図に示されているように、一次要素だけが、説明した検出基準を満たしSSN1SSN4。 詳しく見てみましょう。

• SSN1 の場合、AccountNumber値は指定された近接 (250 文字) 内にあるため、一致が検出されます。
  
• SSN2 と SSN3 のどちらの場合も、サポート要素はいずれもプライマリ要素から 250 文字以内に存在しないため、これらの値は一致として検出されません。 しかし、図の SSN2 の近接ウィンドウを見ると、「 なぜ SSN2に一致するものがないのか」と疑問に思うかもしれません。 SSN2 近接ウィンドウは Name 要素まで拡張されませんか? これは良い質問です。 答えは、 そうではありません。 近接ウィンドウはName値まで拡張されますが、値全体は含まれないので、パターンは一致しません。
• 最後に、 SSN4 の場合、近接ウィンドウ内に Name と DateOfBirth の両方の 2 つのサポート要素があるので、このパターンも一致します。

この短いビデオで信頼度について詳しく学びましょう。

機密情報タイプの例

アルゼンチンの国民識別 (DNI) 番号

フォーマット

ピリオドで区切られた 8 桁の数字

パターン

8 桁の数字:

• 2 桁の数字
• ピリオド
• 3 桁の数字
• ピリオド
• 3 桁の数字

チェックサム

不要

定義

DLP ポリシーがこの種の機密情報を検出したとの信頼度は中程度です。250 文字以内にある場合:

• 正規表現Regex_argentina_national_idは、パターンに一致するコンテンツを検索します。
• Keyword_argentina_national_id からのキーワード (keyword)が見つかります。

<!-- Argentina National Identity (DNI) Number -->
<Entity id="00aa00aa-bb11-cc22-dd33-44ee44ee44ee" recommendedConfidence="75" patternsProximity="250">
   <Pattern confidenceLevel="75">
      <IdMatch idRef="Regex_argentina_national_id"/>
      <Match idRef="Keyword_argentina_national_id"/>
  </Pattern>
</Entity>

キーワード

Keyword_argentina_national_id

• Argentina National Identity number
• ID
• ID: 国民 ID カード
• DNI
• National Registry of Persons (NIC)
• Documento Nacional de Identidad
• Registro Nacional de las Personas
• Identidad
• Identificación

信頼度に関する詳細

機密情報タイプのエンティティ定義では、 信頼度 はプライマリ要素に加えて検出された裏付けとなる証拠の量を反映します。 アイテムに含まれる裏付けとなる証拠が多いほど、一致したアイテムに探している機密情報が含まれているという信頼度が高くなります。 たとえば、信頼度が高い一致には、主要要素に近接したより多くの裏付けとなる証拠が含まれているのに対し、信頼度が低い一致には、近接した裏付けとなる証拠がほとんどまたはまったく含まれていません。

信頼度が高いほど、返される誤検出は最少になりますが、検出漏れが増える可能性があります。 信頼度が低または中の場合、誤検出は少なくなりますが、検出漏れはほとんど発生しません。

• 低い信頼度: 一致したアイテムの検出漏れは最も少ないですが、誤検出は最も多いです。 信頼度が低い場合、信頼度が低、中、高のすべての一致を返します。 低い信頼水準の値は 65 です。
• 信頼度が中: 一致したアイテムに含まれる誤検出と検出漏れの平均値。 信頼度が中の場合は、信頼度が中、高までであれば、すべての信頼度の一致が返されます。 信頼度が中程度の場合、値は 75 です。
• 高い信頼度: 一致したアイテムに含まれる誤検出は最も少ないが、検出漏れは最も多い。 「高い信頼度」では、高い信頼度の一致のみが返され、値は 85 です。

カウントが 5 から 10 などの低い信頼度の高いパターンと、20 以上のカウントが高い信頼度パターンを使用する必要があります。

カスタムの機密情報の種類を作成する

カスタムの機密情報タイプを作成するために、いくつかのオプションから選択できます。

• UI を使用する - Purview ポータル UI を使用してカスタム機密情報の種類を設定できます。 この方法では、正規表現、キーワード、キーワード辞書を使用することができます。 詳細については、「カスタムの機密情報の種類を作成する」を参照してください。

• EDM の使用 - 完全データ一致 (EDM) ベースの分類を使用して、カスタム機密情報の種類を設定できます。 この方法では、定期的に更新できる安全なデータベースを使用して、動的な機密情報の種類を作成することができます。 完全データ一致ベースの機密情報の種類についての説明を参照してください。

• PowerShell を使用する - PowerShell を使用してカスタムの機密情報の種類を設定できます。 この方法は、UI を使用する場合よりも複雑ですが、より多くの構成オプションがあります。 セキュリティ & コンプライアンス PowerShell でカスタム機密情報の種類を作成するを参照してください。

トレーニング可能な分類器の調整

エンドポイント DLP は、DLP ポリシーでの使用状況に関係なく、カスタム機密情報タイプを含む、テナントで使用可能なすべての機密情報の種類に基づいてファイルを分類します。 これにより、機密情報の種類が適切に調整されていないため、多くのファイルと一致してしまうと、過剰な分類トラフィックが発生する可能性があります。 すべてのカスタム機密情報の種類を最適化する必要があります。 これを行うには、使用されていない機密情報の種類を削除し、organization 内のほとんどのファイルと一致する場合は SIT を再設計します。 SIT 正規表現バリデーターを使用して SIT を調整する方法については、以下を参照してください。 機密情報の種類 正規表現検証ツールと追加のチェック

2 バイト文字セットのサポート

改善された信頼度レベルは、Microsoft Purview データ損失防止サービス、情報保護、通信コンプライアンス、データ ライフサイクル管理、およびレコード管理内ですぐに使用できます。

• Information Protection では、次の 2 バイト文字セット言語がサポートされるようになりました。
• 中国語 (簡体字)
• 中国語 (繁体字)
• 韓国語
• 日本語

このサポートは、機密情報の種類で使用できます。 詳しくは、 2 バイト文字セットのリリース・ノートの情報保護サポートを参照してください。

1 バイト文字セットのサポート

中国語/日本語の文字と 1 バイト文字を含むパターンを検出する、または中国語/日本語と英語を含むパターンを検出するには、キーワードまたは正規表現の 2 つのバリエーションを定義します。

たとえば、「机密的ドキュメント」のようなキーワードを検出するには、キーワードの 2 つのバリエーションを使用します。 1 つは日本語と英語のテキストの間にスペースがあり、もう 1 つは日本語と英語のテキストの間にスペースがありません。 したがって、SITに追加するキーワードは、"机密的 document" と "机密的document" である必要があります。 同様に、"東京オリンピック2020" というフレーズを検出するには、"東京オリンピック 2020" と "東京オリンピック2020" の 2 つのバリエーションを使用する必要があります。

中国語/日本語/2 バイト文字に加えて、キーワード/語句のリストに中国語/日本語以外の単語も含まれている場合 (たとえば、英語のみ)、2 つの辞書/キーワード (keyword) リストを作成する必要があります。 1 つは中国語/日本語/2 バイト文字を含むキーワード用で、もう 1 つは英語のみのキーワード用です。 たとえば、「機密性の高い」、「機密性が高い」、「机密的ドキュメント」の 3 つのフレーズを含むキーワード (keyword) 辞書/リストを作成する場合は、2 つのキーワード (キーワード) リストを作成する必要があります。

• Highly confidential
• 機密性が高い, 机密的document and 机密的document 2 バイトのハイフンまたは 2 バイトのピリオドを使用して正規表現を作成するときは、正規表現のハイフンまたはピリオドをエスケープする場合と同様に、両方の文字をエスケープしてください。 参照用の正規表現のサンプルを次に示します。 (?<!\d)([4][0-9]{3}[\-?\-\t]*[0-9]{4}

キーワード (keyword) リストでは、単語一致ではなく文字列一致を使用することをお勧めします。

ワークロード間の検出の違い

同じ機密情報の種類でも、コンテンツが評価される場所 (送信中の電子メール (Exchange)、保存中のファイル (SharePoint と OneDrive)、管理対象デバイス上のファイル (エンドポイント DLP) などに応じて異なる結果が生成される可能性があります。 エンドポイント DLP は、テナントで使用可能な すべての 機密情報の種類に対してファイルを分類し、エンドポイント DLP ポリシーでバンドルされた SIT を使用するには、 高度な分類スキャンと保護が必要です。

運用環境でカスタム SIT を利用する 前に、メール フロー ルール、SharePoint または OneDrive ポリシー、エンドポイント ポリシーなど、使用する予定の各ワークロードでテストして検出を検証します。 検出は、最大ファイル サイズやスキャンされる文字数などのコンテンツ抽出制限によっても影響を受ける可能性があります。 DLP プラットフォームの考慮事項を参照してください。

機密情報の種類をテストする

サンプル ファイルをアップロードして SIT をテストできます。 検定結果には、各信頼水準の一致する数が表示されます。 組み込みの SIT、カスタム SIT、トレーニング可能な分類器、完全データ一致をテストできます。

組み込み情報とカスタム機密情報の種類をテストする

機密情報の種類と完全に一致するデータをテストします。

カスタムまたは既定の SIT テナントをテストするには、少なくとも 1 つの Exchange Online ライセンスがテナントに追加されている必要があります。 それ以外の場合、SIT が選択されている場合に [テスト SIT] オプションが灰色表示されます。

機密情報タイプで一致/一致しない精度のフィードバックを提供する

機密 情報の種類 と コンテンツ エクスプローラーで、SIT の一致の数を表示できます。 また、Match Nota Match フィードバック メカニズムを使用して、アイテムが実際に一致するかどうかに関するフィードバックを提供し、そのフィードバックを使用して SIT を調整することもできます。 詳細については、「 分類子の精度の向上」を参照してください。

詳細情報

• 機密情報の種類のエンティティ定義
• カスタムの機密情報の種類を作成する
• PowerShell でカスタム機密情報の種類を作成する

機密情報の種類を使用してデータ プライバシー規制に準拠する方法については、「 Microsoft 365 (aka.ms/m365dataprivacy) を使用したデータ プライバシー規制のための情報保護の展開 」を参照してください。