Klassificering

Privacy & Security Classification

Sådan bygger og vedligeholder Data & More, med hjælp fra mere end 200.000 mennesker, verdens bedste privatlivs- og sikkerhedsklassificering: taksonomier, sprogmodeller, OCR og ID-genkendelse, med fejl 0,003277 % af gangene.

Prøv gratis nuSe benchmarken

Klassificeret

28

sprog, efter lokal lovgivning, ikke oversættelse

  1. Classify (denne side)Afgør hvad dataene faktisk er.
  2. VerifyVerificeret af et menneske, før noget sker.
  3. DeleteBloker, rens, ommærk eller slet.

Gennemgang af klassificeringen

EU satte målestokken med GDPR og NIS2. Data & More har brugt ni år på privatlivsklassificering og tre på sikkerhedsklassificering, sammen med juridiske teams i mere end 28 lande og akademiske specialister i klassificering af sjældne hændelser.

Motoren

Fem lag du kan åbne og ændre

Klassificeringen er klar til brug fra start. Alt i den kan I stadig selv justere.

1

Algoritmer

Detektorerne: mønster, semantik, OCR, ansigts- og ID-genkendelse. Hver enkelt rapporterer, hvad den fandt, og hvor sikker den er, og hver kan slås til og fra pr. virksomhed.

2

Ordbøger og opslagstyper

Ordforrådet. Lokale fagforeninger, religiøse orienteringer, offentlige attester, sundhedstermer og medicinnavne, pr. land. Tilføj jeres egne termer, hvor jeres branche har ord, som den generelle model ikke kender.

3

Dokumentklasser

Hvad et dokument er: pas, helbredsoplysninger, CV, samtykke, betalingskort. En klasse er den måde, resten af platformen taler om et fund på, fra rapporten til Purview-mærkatet.

4

Tags

Hvad der skal ske med det. Tags er der, hvor en klasse bliver til en handling: underret, slet, arkivér, slør eller lad stå.

5

Politikker

Reglerne der binder det sammen. Politikbyggeren kombinerer betingelser med OG og ELLER på tværs af klasse, kategori, oprettelsesdato, dokumentalder, redigeringsdato, filstørrelse, dubletter, konto og mere, og gemmer revisioner, så I kan se, hvad der er ændret.

Classification

Dokumentoversigten filtreret efter klasse, med pas, nationalt ID-nummer, lønoplysninger og straffeattest listet i venstre side ved siden af deres antal
Alle overvågede dokumenter, filtreret efter hvad der faktisk blev fundet i dem. Klasserne i venstre side er antal, du kan klikke på, ikke en rapport, du læser.

Styrker

Derfor finder den det andre overser

01

Semantik

Mening, ikke kun mønstre

Fuld semantisk analyse frem for regex og ordlister. En sætning om en persons sygdom er helbredsdata, selv når den ikke indeholder en diagnosekode.

02

Sprog

28 sprog, lokaliseret

Ikke oversættelse: lokalisering. Landespecifikke dokumentklasser, lokale fagforeninger, lokale attester, lokale helbredsoplysninger og medicinnavne, bygget af et dedikeret sprogteam.

03

Billeder

OCR, ansigter og ID-dokumenter

En ny OCR-motor med layoutgenkendelse og en hurtig vej for pas og ID-kort via den maskinlæsbare zone, plus ansigtsgenkendelse og en optælling af, hvor mange personer der er på et billede.

04

Kontekst

Internt eller eksternt

Motoren skelner mellem intern og ekstern kommunikation, så en politik kan behandle et CV sendt til en kollega anderledes end det samme CV sendt ud af huset.

05

Eget

Jeres egne klassificeringer

Organisationer med branchespecifikke data tilføjer deres egne klasser og algoritmer. At tilføje en genkender er en lille, afgrænset ændring, ikke en produktudgivelse.

06

Feedback

Den bliver bedre, fordi mennesker retter den

Hver Fejlklassificeret-markering fra en dataejer kommer tilbage som træningssignal. Med mere end 200.000 mennesker, der bruger rapporterne, kommer fejl hurtigt frem og bliver rettet.

Classification

Et enkelt dokument åbent ved siden af klassifikatorens egen forklaring på, hvorfor det blev identificeret som et pas
Hvorfor netop dette dokument, med klassifikatorens egne ord: pasnummeret, navnene, fødselsdato og fødested, og det faktum at de tilsammen beskriver en person.

Sikkerhedsklassificering

Sikkerhed er et separat spørgsmål

Privatlivsklassificering spørger, hvis data det er. Sikkerhedsklassificering spørger, hvad det ville afsløre.

1

Andre data, andre klasser

Adgangskoder og hemmeligheder, digitale certifikater, infrastrukturkonfiguration, logfiler, netværksadgangskontrol, fysisk sikkerhed og rapporter om sikkerhedshændelser. Intet af det er persondata, og en privatlivsklassifikator går lige forbi det.

2

Anden ejer, anden rapport

Et GDPR-fund går til dataejeren til verificering. En lækket privat nøgle går til CISO'en, nu, og handlingen er rotation frem for sletning. DPO'en får underretningslisten; den her er til sikkerhedsafdelingen.

3

Et andet ur

Persondata, der burde have været slettet, er et compliance-problem, der vokser langsomt. En adgangskode i en delt postkasse er en aktiv eksponering, som enten stadig er gyldig eller ikke er.

Classification

Awaiting capture

Sikkerhedsklassifikationsgruppen med adgangskoder og hemmeligheder, digitale certifikater, infrastrukturkonfiguration, logfiler, netværksadgangskontrol, fysisk sikkerhed og sikkerhedshændelser

public/product/classification-security-classes.webp

Sikkerhedsklasserne er deres egen gruppe, adskilt fra privatlivsklasserne, fordi de besvarer et andet spørgsmål og går til en anden person.

Sikkerhedsklasser

Hvad sikkerhedsklasserne leder efter

01

Adgang

Adgangskoder og hemmeligheder

Adgangskoder sat ind i mails, API-nøgler i vedhæftninger, servicekonto-adgangskoder i onboarding-dokumenter og det regneark, nogen gemmer dem i.

02

Nøgler

Digitale certifikater

Private nøgler og certifikater mailet mellem teams eller leverandører, som forbliver gyldige længe efter, at tråden er glemt.

03

Infrastruktur

Infrastrukturkonfiguration

Firewallregler, serverkonfiguration, netværksdiagrammer og adgangskontrollister: det kort, en angriber ellers selv skulle tegne.

04

Spor

Logfiler

Logs vedhæftet supporttråde, som indeholder interne hostnavne, brugernavne, tokens og nogle gange indholdet af en forespørgsel.

05

Fysisk

Fysisk sikkerhed

Dørkoder, alarmprocedurer, nøglebærerlister og situationsplaner, som sjældent behandles som data overhovedet.

06

Hændelser

Sikkerhedshændelser

Hændelsesrapporter og post-mortems, som i sagens natur beskriver præcis hvilken svaghed, der blev udnyttet, og hvordan.

Bevis

Klassificering i drift

28

sprog klassificeret

7mia

datasæt overvåget

3,277,%

falsk positiv-rate

25

kategorier af persondata

Spørgsmål om klassificering

Hvor præcis er den egentlig?+
0,003277 % falske positiver i drift. Vi har også offentliggjort et reproducerbart benchmark på 89.521 filer med manuelt valideret facit: se Purview-sammenligningen.
Skal vi konfigurere den, før den er brugbar?+
Nej. Den er klar til brug fra start, bygget på lokal compliance-lovgivning på 28 sprog. Konfiguration er til de tilfælde, jeres branche har, og som den generelle model ikke dækker.
Hvad med Microsoft Purviews klassifikatorer?+
Behold dem. Data & More klassificerer de GDPR-kategorier, Purview ikke har nogen klassifikator til, og skriver resultatet tilbage som følsomhedsmærkater: se Data & More til Purview.
Forlader vores data vores miljø?+
Det bestemmer I selv. Platformen kører on-premises, i et datacenter, I udpeger, eller som SaaS på dedikerede servere, og kilder læses på stedet gennem API'er: der installeres intet på nogens maskine. Se implementering.
Hvad tæller som en sikkerhedsrisiko i et dokument?+
Adgangskoder og hemmeligheder, digitale certifikater, infrastrukturkonfiguration, logfiler, netværksadgangskontrol, fysisk sikkerhed og hændelsesrapporter. Firewallkonfigurationen i en leverandørtråd er skoleeksemplet.
Hvad har NIS2 med det at gøre?+
NIS2 kræver, at I styrer risiko på tværs af jeres miljø, og et miljø omfatter de adgangskoder og den konfiguration, der ligger i ustrukturerede data. De fleste organisationer har aldrig kigget der.
Skal sikkerhedsfund slettes?+
Ofte, men rotation kommer først. En slettet kopi af en adgangskode, der stadig er gyldig, har ikke reduceret risikoen. Sletningen følger efter rotationen.
Er det et DLP-værktøj?+
Nej, det er klassificeringen under et. DLP afgør, hvad der må forlade huset; det her finder det, der allerede ligger i postkasser og på fællesdrev. De to mødes i kontekstbevidst DLP.

Se den klassificere jeres egne data

Overvåg 250 mailkonti gratis. Den første rapport viser, hvad den fandt, og sikkerhedsklasserne kører med i samme omgang.

Kom i gang

Intet betalingskort påkrævet.