Probabilité de correspondance

Les résultats de l'analyse sont catégorisés en fonction de la probabilité qu'ils représentent une correspondance. Sensitive Data Protection utilise une représentation de la probabilité par buckets, qui indique la probabilité qu'une donnée corresponde à un infoType donné.

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, Sensitive Data Protection attribue un niveau de probabilité. Le niveau de probabilité d'un résultat indique la probabilité qu'il corresponde à un infoType que vous recherchez. Par exemple, Sensitive Data Protection 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 les résultats 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'obtenez que les résultats évalués comme POSSIBLE, LIKELY et VERY_LIKELY. Si vous définissez la probabilité minimale sur VERY_LIKELY, vous obtenez le plus petit nombre de résultats.

Niveaux de probabilité

Le tableau suivant liste les valeurs de probabilité que Sensitive Data Protection peut attribuer à un résultat.

ENUM Description
VERY_UNLIKELY Caractéristiques :
  • Un signal faible.
  • Absence d'indices contextuels.
  • Signaux négatifs pour un infoType donné.
UNLIKELY Caractéristiques :
  • Un ou plusieurs signaux faibles.
  • Un signal plus fort pour un autre infoType.
POSSIBLE Caractéristiques :
  • Un ou plusieurs signaux vers un infoType donné. Les signaux peuvent inclure la transmission de sommes de contrôle.
  • Absence d'indice contextuel fort et de 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, 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, des indices contextuels forts et une mise en forme unique et spécifique.

Choisir un niveau de vraisemblance minimal pour les résultats de l'analyse

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

Par exemple, supposons qu'un document contienne 10 adresses postales et que Sensitive Data Protection en ait identifié cinq. Cependant, parmi les résultats identifiés par Sensitive Data Protection, il n'y a en réalité que quatre adresses postales.

  • Le rappel est le nombre d'instances de vrais positifs par rapport au nombre total d'instances pertinentes. Dans cet exemple, le rappel est de 4/10.
  • La précision correspond au nombre d'instances de vrais positifs par rapport au 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 l'utilité de chaque niveau de vraisemblance minimale, ainsi que la variation du rappel et de la précision 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 vraisemblance 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 plus grande précision au détriment d'un certain rappel.
VERY_LIKELY Utile si vous souhaitez obtenir la plus grande précision possible 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 supérieure ou égale à POSSIBLE.