Probabilité de correspondance

Les résultats de l'analyse sont catégorisés en fonction de la probabilité qu'ils représentent une correspondance. La protection des données sensibles utilise une représentation divisée en buckets selon le degré de vraisemblance, ce qui permet d'indiquer la probabilité qu'une donnée corresponde à un infoType spécifique.

Fonctionnement de la probabilité

Lorsque vous configurez une analyse Sensitive Data Protection, vous définissez les infoTypes que vous souhaitez que Sensitive Data Protection recherche. Pour affiner les résultats de l'analyse, vous pouvez définir un niveau de probabilité minimal dans votre requête.

Pour chaque correspondance potentielle (résultat) détectée lors de l'analyse, la protection des données sensibles attribue un niveau de probabilité. Le niveau de probabilité d'un résultat décrit la probabilité qu'il corresponde à un infoType que vous recherchez. Par exemple, la protection des données sensibles peut attribuer une probabilité de LIKELY à un résultat qui ressemble à une adresse e-mail.

Lorsque Sensitive Data Protection renvoie les résultats, il filtre tous ceux dont la probabilité est inférieure au niveau de probabilité minimal que vous avez défini dans votre requête. Par exemple, si vous définissez la probabilité minimale sur POSSIBLE, vous n'obtiendrez que les résultats évalués comme POSSIBLE, LIKELY et VERY_LIKELY. Si vous définissez la probabilité minimale sur VERY_LIKELY, vous obtiendrez le plus petit nombre de résultats.

Niveaux de probabilité

Le tableau suivant répertorie les valeurs de probabilité que la protection des données sensibles peut attribuer à un résultat.

ENUM Description
VERY_UNLIKELY Il se caractérise par les éléments suivants :
  • Signal faible.
  • Absence d'indices contextuels.
  • Signaux négatifs pour un infoType donné.
UNLIKELY Il se caractérise par les éléments suivants :
  • Un ou plusieurs signaux faibles.
  • Un signal plus fort pour un autre infoType.
POSSIBLE Il se caractérise par les éléments suivants :
  • Un ou plusieurs signaux vers un infoType donné. Les signaux peuvent inclure des sommes de contrôle réussies.
  • Absence d'indice contextuel fort et mise en forme unique et spécifique.
LIKELY Caractérisé par un ou plusieurs signaux forts pour un infoType donné. Les signaux peuvent inclure des sommes de contrôle valides, des indices contextuels forts et une mise en forme unique et spécifique.
VERY_LIKELY Caractérisé par de nombreux signaux forts pour un infoType donné. Les signaux peuvent inclure des sommes de contrôle valides, des indices contextuels forts et une mise en forme unique et spécifique.

Choisir un niveau de probabilité minimal pour les résultats d'analyse

En général, lorsque vous définissez un niveau de probabilité minimal plus élevé dans votre requête Sensitive Data Protection, les résultats comportent moins de faux positifs (parfois appelés bruit). Toutefois, les résultats peuvent également exclure davantage de vrais positifs. Choisir un niveau de probabilité minimal implique de trouver le bon équilibre entre rappel et précision.

Par exemple, supposons qu'un document contienne 10 adresses et que la protection des données sensibles en ait identifié cinq. Toutefois, parmi les résultats identifiés par la protection des données sensibles, seules quatre adresses postales sont réellement présentes.

  • Le rappel correspond au nombre d'instances de vrais positifs sur le nombre total d'instances pertinentes. Dans cet exemple, le rappel est de 4/10.
  • La précision correspond au nombre de vrais positifs sur le nombre total d'instances identifiées par Sensitive Data Protection. Dans cet exemple, la précision est de 4/5.

Dans cet exemple, la précision est élevée, mais le rappel est relativement faible.

Le niveau de probabilité minimal que vous définissez affecte le niveau de rappel et de précision que vous obtenez dans les résultats de l'analyse. Le tableau suivant décrit quand chaque niveau de probabilité minimale est utile et comment le rappel et la précision varient à chaque niveau.

Niveau de probabilité minimal Description
LIKELIHOOD_UNSPECIFIED Valeur par défaut, identique à POSSIBLE.
VERY_UNLIKELY Utile si vous avez besoin du rappel le plus élevé. Ce niveau de probabilité minimal génère le plus de bruit.
UNLIKELY Utile si vous avez besoin d'un rappel plus élevé. Ce niveau de probabilité minimal génère du bruit.
POSSIBLE Utile si vous souhaitez équilibrer précision et rappel.
LIKELY Utile si vous avez besoin d'une précision plus élevée au détriment d'un certain rappel.
VERY_LIKELY Utile si vous souhaitez obtenir la précision la plus élevée au détriment du rappel.

Probabilité minimale par défaut

Si vous ne définissez pas de probabilité minimale dans votre requête ou si vous la définissez sur LIKELIHOOD_UNSPECIFIED, Sensitive Data Protection ne renvoie que les résultats dont la probabilité est de POSSIBLE ou plus.