Hvordan Data & More anvender falske positive og falske negative til at forbedre klassificeringen
Dataklassificering
Data & Mores dataklassificeringsteam arbejder løbende på at forbedre klassificeringen af persondata. Det er afgørende præcist at identificere og klassificere alle typer af persondata eller sikkerhedsdata, samtidig med at antallet af fejlklassificerede elementer minimeres. For at understøtte dette mål har Data & More etableret følgende metoder til håndtering af to typer fejlklassificerede data:falske positive ogfalske negative
Sådan håndteres: Falskepositive
Definition:Filer, som Data & More harklassificeret som persondata eller sikkerhedsdata men somikke er faktiske persondata eller sikkerhedsdata — dvs."fejlklassificerede".
Proces:
I D&M's oprydningsproces kan brugeremarkere en klassificeret fil som "fejlklassificeret."At markere en klassificeret fil som fejlklassificeret betyder, at den er enfalsk positiv.
Disse "fejlklassificerede" filer udelukkes fra oprydningsrapporten. Under vedligeholdelse vil Data & More-teametgennemgå disse filer.
Bemærk: Dataeneflyttes eller kopieres ikke fra installationen. D&M-teametgennemgår udelukkende dataene for at forbedre den generelle klassificeringslogik.
Sådan håndteres: Falske negative
Definition:Filer, som Data & Moreikke har klassificeret som persondata eller sikkerhedsdata, men somburde have været klassificeret — dvs."fejlklassificerede."
Proces:
Falske negative er sværere at opdage, da de ikke oprindeligt blev markeret. Det er filer, der burde have været identificeret/klassificeret, men ikke blev det — kaldetfalske negative.Opret en mappe i lagersystemet.Kopiér eksempler på sådanne data ind i mappen.Navngiv mappen:DM false negatives.
For at hjælpe med at identificere falske negative uden at kopiere data ud af systemet bør brugere:
Data & More-teamet vil gennemgå disse data under vedligeholdelse og anvende dem til at forbedre den overordnede klassificeringsproces.