Organizações que implementam segurança de dados, privacidade e governança os programas muitas vezes enfrentam seu primeiro desafio em sabendo quais dados eles têm. As equipes de dados precisam classificar dados, identificar quais dados são sensíveis, e saber onde estão seus dados mais valiosos para aplicar regras de segurança, privacidade e governança.
O BigID usa ML avançado para classificar dados automaticamente em escala, mas mesmo o melhor ML pode se beneficiar do treinamento para aumentar a precisão. Modelos de ML podem retornar falsos positivos que os administradores de dados desejam remover dos resultados e ajustar os modelos para que não recebam os mesmos resultados falsos positivos repetidamente. Antes, não havia como interagir com os resultados para ajustar facilmente os modelos de classificação sem codificação complexa. O BigID resolve esse problema com um novo recurso para ajuste de classificador.
O Ajuste de Classificadores combina interação humana com ML para ajustar ou orientar mecanismos automatizados para maior precisão. O BigID oferece uma interface intuitiva e fácil de usar para interagir com classificadores automatizados e aceitar ou rejeitar classificadores para objetos de dados específicos sem codificação complexa.
Como funciona:
Os administradores de dados e proprietários de dados que trabalham no BigID visualizam uma amostra dos resultados classificados em qualquer ativos de dados estruturados ou não estruturados e confirme se os dados correspondem ao classificador atribuído.
Ajuste os classificadores realizando uma das três ações:
- Validar: Se o classificador estiver gerando resultados precisos, valide o classificador e adicione uma data de verificação
- Ajustar e modificar: Se o classificador for bastante preciso, mas tiver alguns falsos positivos, ajuste o classificador ensinando ao modelo quais frases ele deve ignorar
- Excluir: Se houver muitos falsos positivos, o classificador estará muito barulhento e não gerará resultados úteis. Os usuários podem excluir o classificador para removê-lo.
As equipes de dados agora podem revisar as descobertas da classificação automática e visualizar ativos de dados para validar facilmente se os classificadores estão gerando resultados úteis. Os administradores de dados podem ajustar os classificadores que estão gerando muitos falsos positivos, ensinando ao modelo quais frases ignorar. As partes interessadas se beneficiam de resultados de classificação mais precisos, com redução de falsos positivos, para iniciativas de segurança, privacidade e governança.
Agende uma Demonstração 1:1 com BigID para ver como combinar automação de ML com interação humana para resultados de classificação com maior precisão.
Autor
