Probabilidade de correspondência

Os resultados da digitalização são categorizados com base na probabilidade de representarem alguma correspondência. A Proteção de Dados Sensíveis usa uma representação em buckets de probabilidade, que indica a probabilidade de um dado corresponder a um determinado infoType.

Como funciona a probabilidade

Ao configurar uma verificação da Proteção de Dados Sensíveis, você define os infoTypes que quer que a Proteção de Dados Sensíveis verifique. Para restringir os resultados da verificação, defina um nível mínimo de probabilidade na solicitação.

Para cada correspondência em potencial (descoberta) detectada durante a verificação, a Proteção de Dados Sensíveis atribui um nível de probabilidade. O nível de probabilidade de uma descoberta descreve a chance de ela corresponder a um infoType que você está procurando. Por exemplo, a Proteção de Dados Sensíveis pode atribuir uma probabilidade de LIKELY a uma descoberta que se parece com um endereço de e-mail.

Quando a Proteção de Dados Sensíveis retorna os resultados, ela filtra todas as descobertas que têm uma probabilidade menor do que o nível mínimo definido na solicitação. Por exemplo, se você definir a probabilidade mínima como POSSIBLE, vai receber apenas as descobertas que foram avaliadas como POSSIBLE, LIKELY e VERY_LIKELY. Se você definir a probabilidade mínima como VERY_LIKELY, vai receber o menor número de descobertas.

Níveis de probabilidade

A tabela a seguir lista os possíveis valores de probabilidade que a Proteção de Dados Sensíveis pode atribuir a uma descoberta.

ENUM Descrição
VERY_UNLIKELY Caracterizado pelo seguinte:
  • O sinal está fraco.
  • Ausência de pistas contextuais.
  • Indicadores negativos para um determinado infoType.
UNLIKELY Caracterizado pelo seguinte:
  • Um ou mais sinais fracos.
  • Um indicador mais forte para outro infoType.
POSSIBLE Caracterizado pelo seguinte:
  • Um ou mais indicadores de um determinado infoType. Os indicadores podem incluir a transmissão de checksums.
  • Falta de uma pista contextual forte e de uma formatação única e específica.
LIKELY Caracterizado por um ou mais indicadores fortes para um determinado infoType. Os indicadores podem incluir checksums de aprovação, pistas contextuais fortes e formatação única e específica.
VERY_LIKELY Caracterizado por ter muitos indicadores fortes para um determinado infoType. Os indicadores podem incluir checksums de aprovação, pistas contextuais fortes e formatação única e específica.

Como escolher um nível mínimo de probabilidade para os resultados da verificação

Em geral, quando você define um nível de probabilidade mínima mais alto na solicitação da Proteção de Dados Sensíveis, os resultados têm um número menor de falsos positivos (às vezes chamados de ruído). No entanto, os resultados também podem excluir mais verdadeiros positivos. Escolher um nível mínimo de probabilidade envolve encontrar o equilíbrio certo entre recall e precisão.

Por exemplo, suponha que haja 10 endereços em um documento e que a Proteção de Dados Sensíveis tenha identificado 5 deles. No entanto, entre as descobertas identificadas pela Proteção de Dados Sensíveis, há apenas quatro endereços.

  • Recall é o número de instâncias de verdadeiro positivo em relação ao número total de instâncias relevantes. Neste exemplo, o recall é 4/10.
  • Precisão é o número de instâncias de verdadeiro positivo em relação ao número total de instâncias que a Proteção de Dados Sensíveis identifica. Neste exemplo, a precisão é de 4/5.

Neste exemplo, a precisão é alta, mas o recall é relativamente baixo.

O nível mínimo de probabilidade definido afeta o nível de recall e precisão que você recebe nos resultados da verificação. A tabela a seguir descreve quando cada nível de probabilidade mínima é útil e como o recall e a precisão variam em cada nível.

Nível mínimo de probabilidade Descrição
LIKELIHOOD_UNSPECIFIED Valor padrão, igual a POSSIBLE.
VERY_UNLIKELY Útil se você precisar do maior recall. Esse nível mínimo de probabilidade gera mais ruído.
UNLIKELY Útil se você precisar de um recall maior. Esse nível mínimo de probabilidade gera algum ruído.
POSSIBLE Útil se você quiser um equilíbrio entre precisão e recall.
LIKELY Útil se você precisar de uma precisão maior em detrimento de algum recall.
VERY_LIKELY Útil se você quiser a maior precisão em detrimento do recall.

Probabilidade mínima padrão

Se você não definir uma probabilidade mínima na solicitação ou se defini-la como LIKELIHOOD_UNSPECIFIED, a Proteção de Dados Sensíveis vai retornar apenas as descobertas com uma probabilidade de POSSIBLE ou mais.