Organizações que implementam segurança de dados, privacidade e governança Os programas frequentemente enfrentam seu primeiro desafio em sabendo quais dados eles possuem. As equipes de dados precisam de classificar dados, Identificar quais dados são sensíveis.E saber onde estão seus dados mais valiosos para aplicar regras de segurança, privacidade e governança.
A BigID utiliza aprendizado de máquina avançado para classificar dados automaticamente em grande escala.Mas mesmo os melhores modelos de aprendizado de máquina podem se beneficiar do treinamento para aumentar a precisão. Os modelos de aprendizado de máquina podem retornar falsos positivos que os responsáveis pelos dados desejam remover dos resultados, e os modelos podem ser ajustados para não receberem os mesmos falsos positivos repetidamente. Até então, não havia como interagir com os resultados para ajustar facilmente os modelos de classificação sem programação complexa. O BigID resolve esse problema com um novo recurso para ajuste de classificadores.
O ajuste de classificadores combina a interação humana com aprendizado de máquina para otimizar ou orientar mecanismos automatizados, aumentando a precisão. O BigID oferece uma interface intuitiva e fácil de usar para interagir com classificadores automatizados, permitindo aceitar ou rejeitar classificadores para objetos de dados específicos sem a necessidade de programação complexa.
Como funciona:
Os administradores e proprietários de dados que trabalham no BigID visualizam uma amostra dos resultados classificados em qualquer formato. ativos de dados estruturados ou não estruturados e confirmar se os dados correspondem ao classificador atribuído.
Ajuste os classificadores realizando uma das três ações a seguir:
- Validar: Se o classificador estiver gerando resultados precisos, valide-o e adicione uma data de verificação.
- Ajuste e Modificação: Se o classificador for em grande parte preciso, mas apresentar alguns falsos positivos, ajuste-o ensinando ao modelo quais frases ele deve ignorar.
- Excluir: Se houver muitos falsos positivos, o classificador está muito ruidoso e não gera resultados úteis; os usuários podem excluir o classificador para removê-lo.
As equipes de dados agora podem revisar os resultados da classificação automática e visualizar os ativos de dados para validar facilmente se os classificadores estão gerando resultados úteis. Os gestores 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 menos falsos positivos, para iniciativas de segurança, privacidade e governança.
Agende um demonstração 1:1 Com a BigID, veja como combinar a automação de aprendizado de máquina com a interação humana para obter resultados de classificação com maior precisão.
Autor
