학습 가능한 분류자에 대한 자세한 정보

콘텐츠를 적절히 보호하고 처리할 수 있도록 콘텐츠를 분류하고 레이블을 지정하는 것이 정보 보호 분야의 시작점입니다. Microsoft Purview에는 수동으로,자동화된 패턴 일치를 사용하고, 분류자를 사용하는 세 가지 방법으로 콘텐츠를 분류할 수 있습니다.

수동으로

콘텐츠를 수동으로 분류하려면 인간의 판단과 행동이 필요합니다. 사용자와 관리자는 콘텐츠가 발견되면 콘텐츠를 분류합니다. 기존 레이블 및 중요한 정보 유형을 사용하거나 직접 만든 레이블을 사용할 수 있습니다. 그런 다음 콘텐츠를 보호하고 처리를 관리할 수 있습니다.

자동화된 패턴 일치

이러한 분류 메커니즘에는 다음을 사용하여 콘텐츠를 찾는 것이 포함됩니다.

• 키워드 또는 메타데이터 값(키워드(keyword) 쿼리 언어)
• 사회 보장, 신용 카드 또는 은행 계좌 번호와 같은 중요한 정보의 이전에 식별된 패턴(중요한 정보 유형 엔터티 정의)
• 문서 지문: 서식 파일의 변형이므로 항목 인식
• 정확한 문자열의 존재 정확한 데이터 일치

그런 다음 민감도 및 보존 레이블을 자동으로 적용하여 보존 레이블에 대한 Microsoft Purview 데이터 손실 방지 정보 및 자동 적용 정책에서 콘텐츠를 사용할 수 있도록 할 수 있습니다.

분류자

이 분류 방법은 수동 또는 자동화된 패턴 일치 메서드를 사용하여 쉽게 식별할 수 없는 콘텐츠에 적합합니다. 이 분류 방법은 분류자를 사용하여 항목에 있는 요소(패턴 일치)가 아니라 항목이 무엇인지에 따라 항목을 식별하도록 설계되었습니다. 분류자는 검색하려는 콘텐츠의 수백 가지 예제를 확인하여 콘텐츠 형식을 식별하는 방법을 알아봅니다.

분류자를 사용할 수 있는 위치

분류자는 다음 조건에 사용할 수 있습니다.

• 민감도 레이블을 사용하여 Office 파일 자동 레이블 지정
• 조건에 따라 보존 레이블 정책 자동 적용
• 커뮤니케이션 규정 준수
• 민감도 레이블 조건. ( Microsoft 365 데이터에 민감도 레이블 자동 적용 참조)
• 데이터 손실 방지

분류자 유형

• 미리 학습된 분류자 - Microsoft는 학습 없이 사용할 수 있는 여러 분류자를 만들고 미리 학습했습니다. 이러한 분류자는 의 Ready to use상태 함께 표시됩니다.
• 사용자 지정 학습 가능한 분류자 - 미리 학습된 분류자가 다루는 것 이상으로 콘텐츠를 식별하고 분류해야 하는 경우 고유한 분류자를 만들고 학습시킬 수 있습니다.

미리 학습 된 모든 분류자의 전체 목록은 학습 가능한 분류자 정의를 참조하세요.

사용자 지정 분류자

미리 학습된 분류자가 요구 사항을 충족하지 않는 경우 고유한 분류자를 만들고 학습시킬 수 있습니다. 직접 만드는 작업에는 더 많은 작업이 있지만 organization 요구에 더 잘 맞습니다.

학습 가능한 사용자 지정 분류자를 만들려면 범주에 확실히 있는 예제 집합과 확실히 그렇지 않은 다른 예제 집합을 제공하는 것으로 시작합니다. Microsoft Purview는 이러한 예제를 처리하고 분류자는 지정된 항목이 빌드 중인 범주에 속하는지 여부를 예측합니다. 그런 다음 결과를 확인하여 실제 긍정, 참 부정, 가양성 및 거짓 부정을 정렬하여 예측의 정확도를 높이는 데 도움이 됩니다.

분류자를 게시하면 SharePoint, Exchange 및 OneDrive와 같은 위치에서 항목을 정렬하고 콘텐츠를 분류합니다.

예를 들어 다음과 같은 학습 가능한 분류자를 만들 수 있습니다.

• 법률 문서 - 변호사 클라이언트 권한, 닫는 세트, 작업 명세서와 같은
• 전략적 비즈니스 문서 - 보도 자료, 합병 및 인수, 거래, 비즈니스 또는 마케팅 계획, 지적 재산권, 특허, 디자인 문서와 같은
• 가격 정보 - 청구서, 가격 견적, 작업 주문, 입찰 문서 등
• 재무 정보 - 조직 투자, 분기별 또는 연간 결과와 같은

사용자 지정 분류자를 만들기 위한 프로세스 흐름

다음 흐름 다이어그램은 보존 정책 및 통신 감독과 같은 규정 준수 솔루션에서 사용할 분류자를 만들고 게시하는 프로세스를 보여 줍니다. 사용자 지정 학습 가능한 분류자를 만드는 방법에 대한 자세한 내용은 학습 가능한 분류자 시작을 참조하세요.

분류자 재학습

게시된 사용자 지정 분류자 재학습은 더 이상 지원되지 않습니다. 게시한 학습 가능한 분류자의 정확도를 개선해야 하는 경우 분류자를 제거하고 더 큰 샘플 집합으로 다시 시작합니다.

게시되지 않은 분류자의 정확도를 향상하려면 테스트 결과를 검토하고, 추가 데이터로 데이터 집합을 업데이트하고, 학습을 다시 시작합니다.

참고 항목

• 보존 레이블
• 데이터 손실 방지에 대해 알아보기
• 민감도 레이블
• 중요한 정보 유형 엔터티 정의
• 문서 손가락 인쇄
• 정확한 데이터 일치 기반 중요한 정보 유형에 대해 알아보기