Hur Data & More använder falska positiva och falska negativa för att förbättra klassificeringen
Dataklassificering
Data & Mores team för dataklassificering arbetar kontinuerligt med att förbättra integritetsklassificeringen. Det är av avgörande betydelse att korrekt identifiera och klassificera alla typer av integritets- eller säkerhetsdata, samtidigt som antalet felklassificerade objekt minimeras. För att stödja detta mål har Data & More fastställt följande metoder för hantering av två typer av felklassificerade data:falska positiva ochfalska negativa
Hur man hanterar: Falskapositiva
Definition:Filer som Data & More harklassificerat som integritets- eller säkerhetsdata men sominte faktiskt utgör integritets- eller säkerhetsdata — d.v.s."felklassificerade".
Process:
I D&M:s rensningsprocess kan användaremarkera en klassificerad fil som "felklassificerad."Att markera en klassificerad fil som felklassificerad innebär att den är ettfalskt positivt.
Dessa "felklassificerade" filer undantas från rensningsrapporten. Under underhållsarbetet kommer Data & More-teamet attgranska dessa filer.
Observera: Datanflyttas eller kopieras inte från installationen. D&M-teametgranskar endast datan i syfte att förbättra den allmänna klassificeringslogiken.
Hur man hanterar: Falska negativa
Definition:Filer som Data & Moreinte har klassificerat som integritets- eller säkerhetsdata men somborde ha klassificerats — d.v.s."felklassificerade."
Process:
Falska negativa är svårare att upptäcka eftersom de inte flaggades från början. Det rör sig om filer som borde ha identifierats/klassificerats men som inte gjorde det — så kalladefalska negativa.Skapa en mapp i repositoriet.Kopiera exempel på sådan data till den mappen.Namnge mappen:DM false negatives.
För att hjälpa till att identifiera falska negativa utan att kopiera data utanför systemet bör användare:
Data & More-teamet kommer att granska denna data under underhållsarbetet och använda den för att förbättra den övergripande klassificeringsprocessen.