Enterprise Vault™ Veritas Information Classifier を使用した分類

ポリシー条件について

条件は、Veritas Information Classifier で一致と判断されるために、アイテムが満たす必要がある基準を指定します。ポリシーには任意の数の条件を含めることができます。

すべての条件を次の基本的な形式で示す必要があります:

プロパティ、演算子、値

たとえば、次の条件の場合は、「Content」がプロパティ、「contains text」が演算子、「Stocks」が値になります。

各条件の右側で、Veritas Information Classifier で一致と判断されるためにアイテムが基準を満たす必要がある最小回数を指定できます。

組織で使用しているさまざまなアプリケーションにより、アイテムに対するカスタムプロパティ情報が追加されることがあり、これらの分類が必要になります。たとえば、Enterprise Vault がアイテムを処理する場合、アイテムのメタデータのプロパティに情報をポピュレートし、この情報をアーカイブ済みアイテムとともに格納します。情報とは、具体的には Enterprise Vault がアイテムをアーカイブした日付、付帯する添付ファイルの個数などです。

特に関心のあるプロパティの名前を知っている場合、ポリシー条件のカスタムフィールドとしてその名前を入力できます。

Enterprise Vault のプロパティについてを参照してください。

ポリシーの作成時に、プロパティリストに必要なプロパティがない場合は、カスタムプロパティフィールドを使用して新しいプロパティを作成できます。

UI のプロパティリストにカスタムプロパティを追加するには、Veritas Information Classifier の YAML ファイルを使用します。

YAML ファイルの metadataDefinitions セクションには、以下のように、プロパティリストにあるすべての既存プロパティの一覧が示されています。

次の表に、既存プロパティのデータ構造を示します。

正規表現 (regex) は、通常の文字 (a から z までの文字など) とメタ文字と呼ばれる特殊文字から成るテキストのパターンです。パターンとは、テキストを検索するときに照合する 1 つ以上の文字列です。たとえば、次の正規表現はすべての Visa カード番号で一連の数を照合します。

\b4[0-9]{12}(?:[0-9]{3})?\b

正規表現は Perl の正規表現の構文に従う必要があります。

この構文について詳しくは、Veritas Information Classifier のヘルプを参照してください。

https://regex101.com で入手できる無料のオンラインツールを使用して、正規表現を作成およびテストすると便利です。このツールでは、正規表現を入力するとその正規表現の説明が表示され、正規表現と入力したテスト文字列で一致するものがすべて一覧に表示されます。デフォルトの正規表現の種類である pcre (php) は、Veritas Information Classifier と互換性があります。

パターンの一致では、選択されたアイテムプロパティを、既存の Veritas Information Classifier パターンと比較して評価します。選択したパターンによっては、受け入れる信頼度を設定できます。信頼度を高くすると、数は少ないが関連性のより高い一致が得られる可能性があります。

パターン照合を使用して重要なデータを特定する多くの分類手法とは異なり、完全データ一致 (EDM) は、保護する必要がある実際のデータが検出されると分類応答をトリガします。正確なデータで照合することにより、誤検知率が低下し、自動分類の精度が大幅に向上します。EDM は、指紋方式を使用して、データベースやテーブルの抽出データを CSV または TXT 形式のソースファイルとして提供します。テーブルが取り込まれ、1 行の 1 つ以上の列が近接して検出されたときに一致を示すルールが作成されます。EDM は、表内に保持されている個別の顧客データ、従業員データ、その他の重要なデータリポジトリの識別が必要な場合に最適です。

YAML を使用して、完全なデータ一致を有効または無効にできます。

完全データ一致機能を使用すると、データベースから特定のデータセットを検出できます。たとえば、従業員のレコードを検出できます。1 つ以上のフィールドやオプションのフィールドについて、設定した近接値に従って照合できます。データベースレコードなどの大規模なデータセットとすべての言語のテキストをサポートし、格納されたデータをハッシュ化することでデータを保護します。完全データ一致を使用する主なメリットは、(パターンベースの照合と異なり) データとの完全な一致を照合することで誤検知を抑えられることです。

たとえば、分類対象の文書に次のコンテンツが含まれているとします。

Name: Teresa M. Brown

Employee ID: 624828

この文書を、次の EDM ソース文書に対して照合します。

この場合、一致がトリガされます。

EDM ベースのポリシーに対して文書のテストを行うと、Veritas Information Classifier に結果が表示されます。また、一致する行の最初の列が強調表示されます。

例 1:

ソース文書のコンテンツが次のとおりであるとします。

完全データ一致オプションを次のように設定します。

また、テスト対象文書のコンテンツが次のとおりであるとします。

分類結果には、2 件のレコード (Stuart と James) に対する一致が表示されます。

例 2:

前の例と同じソース文書とテスト対象文書について、［最小列数］値を次のように 3 に設定します。

分類結果には、1 件のレコード (Stuart) に対する一致が表示されます。これは、テスト対象文書には最初のレコードの 3 フィールドがすべて含まれているためです。

例 3:

前の例と同じソース文書とテスト対象文書について、［近接］値を次のように 50 に設定します。

この場合、指定した近接距離である 50 文字以内に目的の単語が存在していません。そのため、結果には一致が表示されません。

ポリシーの照合を特定の言語のアイテムに制限する条件を設定できます。たとえば、主要な言語がフランス語であるアイテムを検索するには次のような条件を設定します。

言語のリストに［Multiple languages detected］というオプションがあります。このオプションは、2 つ以上の言語を含むアイテムと一致します。

Veritas Information Classifier が主要な言語を特定できないためにアイテムを無視することを防ぐには、［Or Primary Language Unknown］を選択します。Veritas Information Classifier でアイテムの主要な言語を特定できない最も一般的な理由は、アイテムのコンテンツが非常に少ないことです。

ポリシーの照合をユーザー名または場所を含むコンテンツに制限する条件を設定できます。

たとえば、ユーザー名を含むコンテンツを検索するには、次のような条件を設定します。

リリース 3.2.0 以降では、分類されたアイテムごとのリスクスコアとリスクレベルが、この情報を使用するアプリケーションに送信されます。この情報を使用するアプリケーションでは、この情報を分析でき、リスクスコアまたはリスクレベル (またはその両方) に基づくアイテムの並べ替え、フィルタ、検索、レポートなどの機能をサポートできます。リスクレベルについて理解することで、データ管理、レビュー、制御にかける労力を最適化できます。リスクが最も高いアイテムに対するアクティビティとリソースを優先することをお勧めします。

リスクスコアとリスクレベルは、パターンまたはポリシー条件のヒット数に基づきます。ヒット数が多いアイテムは高リスクに分類されます。ヒット数が少ないアイテムは低リスクに分類されます。

YAML を設定することで、リスクスコアの計算時におけるパターンの重みを下げることができます。詳しくは、YAML でのヒット数の重みの設定 を参照してください。

分類 API 応答のリスクスコアとリスクレベルの情報

次の条件が満たされた場合にのみ、分類応答の一部としてリスク情報が送信されます。

リスクスコアの計算

重要な可能性のあるコンテンツについてのリスク計算は、パターンまたはポリシー条件に対するヒットの度合いに基づいて行われます。

たとえば以下の例では、パターンを 5 つ含むポリシーに対して文書を分析し、パターンあたりのヒット数が次のようになりました。

文書のリスクスコアは、パターンのヒット数をすべて足したものです。したがって、今回のリスクスコアは 7+2+4+0+3 = 16 になります。

リスクレベル

リスクは、次のようにリスクスコアごとのリスクレベルに分類されます。

前の例では、リスクスコアは 16 です。したがって、リスクはリスクレベル「最高」に分類されます。

重要性が低いパターンについては、実際のヒット数にかかわらずリスクスコア計算におけるパターンの重みを下げることができます。

アプリケーション固有の YAML を使用して、実際のヒット数がいくつであっても常に 1 とみなすパターンのリストを設定します。YAML の lowerRiskRuleNameParts フィールドの下にパターンのリストを追加します。この設定はすべてのテナントに共通であることに注意してください。

たとえば、YAML の lowerRiskRuleNameParts にパターン 1 を追加した場合のリスクスコア全体への影響を示した次の表をご覧ください。

したがって、今回のリスクスコアは 1+2+4+0+3 = 10 になります。

リスクスコアの実態と制限事項:

［All of］グループの場合にのみ、各条件が指定した文字数内に出現する場合を検索することができます。たとえば、次の条件グループでは、「Goodbye」という単語が「Hello」という単語の 20 文字以内に出現する場合を検索します。

テキスト文字列「You say Goodbye and I say Hello」は、「Hello」の最初の文字と「Goodbye」の最初の文字の間が 20 文字より少ないため、これらの条件と一致します。同様に、テキスト文字列「You say Hello and I say Goodbye」も、2 つの単語の終わりの間の文字数が 20 文字を下回るため、一致します。どちらの場合も、スペースが文字としてカウントされます。

［from the first condition］オプションを選択するのではなく、［in a sliding window］を選択できます。このオプションでは、指定した数の連続する文字列内で条件が一致する場合を探します。たとえば、「Goodbye」という単語が「Hello」という単語から連続した 20 文字内に出現する場合を検索する条件グループの場合、「You say Goodbye and I say Hello」は一致しません。「Goodbye」という単語の開始時点から「Hello」という単語の終了時点までが 23 文字あるためです。