Les organisations qui mettent en œuvre sécurité des données, vie privée et gouvernance les programmes sont souvent confrontés à leur premier défi sachant quelles données ils ont. Les équipes de données doivent classer les données, identifier quelles données sont sensibles, et savoir où se trouvent leurs données les plus précieuses pour appliquer des règles de sécurité, de confidentialité et de gouvernance.
BigID utilise un ML avancé pour classer automatiquement les données à grande échelle, mais même le meilleur ML peut bénéficier d'un entraînement pour gagner en précision. Les modèles ML peuvent renvoyer des faux positifs que les gestionnaires de données souhaitent supprimer des résultats et ajuster les modèles pour éviter de se voir proposer les mêmes faux positifs à répétition. Auparavant, il n'existait aucun moyen d'interagir avec les résultats pour ajuster facilement les modèles de classification sans codage complexe. BigID résout ce problème avec une nouvelle fonctionnalité pour le réglage du classificateur.
Le réglage des classificateurs combine l'interaction humaine avec le ML pour ajuster ou guider les moteurs automatisés et accroître leur précision. BigID offre une interface intuitive et conviviale permettant d'interagir avec les classificateurs automatisés et d'accepter ou de rejeter des classificateurs pour des objets de données spécifiques, sans codage complexe.
Comment ça marche :
Les gestionnaires de données et les propriétaires de données travaillant dans BigID prévisualisent un échantillon des résultats classés dans n'importe quel actifs de données structurés ou non structurés et confirmer que les données correspondent au classificateur attribué.
Ajustez les classificateurs en effectuant l'une des 3 actions suivantes :
- Valider: Si le classificateur génère des résultats précis, validez le classificateur et ajoutez une date de vérification
- Régler et modifier : Si le classificateur est généralement précis mais présente quelques faux positifs, ajustez le classificateur en enseignant au modèle les phrases qu'il doit ignorer.
- Supprimer: S'il y a trop de faux positifs, le classificateur est trop bruyant et ne génère pas de résultats utiles. Les utilisateurs peuvent supprimer le classificateur pour le supprimer.
Les équipes de données peuvent désormais examiner les résultats de la classification automatique et prévisualiser les données pour valider facilement l'utilité des classificateurs. Les gestionnaires de données peuvent ajuster les classificateurs générant trop de faux positifs en indiquant au modèle les phrases à ignorer. Les parties prenantes bénéficient de résultats de classification plus précis et d'une réduction des faux positifs pour les initiatives de sécurité, de confidentialité et de gouvernance.
Planifier un Démonstration 1:1 avec BigID pour voir comment combiner l'automatisation ML avec l'interaction humaine pour des résultats de classification avec une plus grande précision.
Auteur
