匹配可能性

扫描结果根据它们表示匹配项的可能性进行分类。Sensitive Data Protection 使用分桶表示法来表示可能性，旨在指示一段数据与给定 infoType 匹配的可能性。

可能性机制

配置 Sensitive Data Protection 扫描时，您需要设置希望 Sensitive Data Protection 扫描的 infoType。如需缩小扫描结果范围，您可以在请求中设置最低可能性级别。

对于在扫描期间检测到的每个潜在匹配项（发现结果），Sensitive Data Protection 会分配一个可能性级别。发现结果的可能性级别描述了发现结果与您要扫描的 infoType 匹配的可能性。例如，Sensitive Data Protection 可能会为看起来像邮箱的发现结果分配 LIKELY 的可能性。

当 Sensitive Data Protection 返回结果时，它会滤除可能性低于您在请求中设置的最低可能性级别的所有发现结果。例如，如果您将最低可能性设置为 POSSIBLE，则只会获得评估结果为 POSSIBLE、LIKELY 和 VERY_LIKELY 的发现结果。如果您将最低可能性设置为 VERY_LIKELY，则会获得最少的发现结果。

可能性级别

下表列出了 Sensitive Data Protection 可以为发现结果分配的可能可能性值。

ENUM 说明
VERY_UNLIKELY 具有以下特征：
  • 信号弱。
  • 缺少上下文线索。
  • 给定 infoType 的负面信号。
UNLIKELY 具有以下特征：
  • 一个或多个信号较弱。
  • 另一个 infoType 的信号更强。
POSSIBLE 具有以下特征：
  • 指向给定 infoType 的一个或多个信号。信号可以包括通过校验和。
  • 缺少强有力的上下文线索和独特的特定格式。
LIKELY 具有一个或多个针对给定 infoType 的强信号。 信号可能包括通过校验和、强上下文线索以及独特、特定的格式。
VERY_LIKELY 特点是具有给定 infoType 的许多强信号。 信号可能包括通过校验和、强上下文线索以及独特、特定的格式。

为扫描结果选择最低可能性级别

一般来说，如果您在 Sensitive Data Protection 请求中设置了较高的最低可能性级别，则结果中的假正例（有时称为“噪声”）数量会较少。不过，结果也可能会排除更多真正例。选择最低可能性级别涉及在召回率和精确率之间找到适当的平衡。

例如，假设文档中有 10 个街道地址，而 Sensitive Data Protection 识别出了 5 个街道地址。不过，在 Sensitive Data Protection 识别出的发现结果中，实际上只有 4 个街道地址。

  • 召回率是指真正例实例数占相关实例总数的比例。在此示例中，召回率为 4/10。
  • 精确率是指 Sensitive Data Protection 识别出的实例总数中真正例实例的数量。在此示例中，精确率为 4/5。

在此示例中，精确率较高，但召回率相对较低。

您设置的最低可能性级别会影响扫描结果中的召回率和精确率。下表介绍了每个最低可能性级别在何时有用，以及召回率和精确率在每个级别如何变化。

最低可能性级别 说明
LIKELIHOOD_UNSPECIFIED 默认值；与 POSSIBLE 相同。
VERY_UNLIKELY 如果您需要最高的召回率，此选项会非常有用。此最低可能性级别会产生最多的噪声。
UNLIKELY 如果您需要更高的召回率，此设置会很有用。此最低可能性级别会产生一些噪声。
POSSIBLE 如果您希望在精确率和召回率之间取得平衡，该指标非常有用。
LIKELY 如果您需要更高的精确率，但可以牺牲一些召回率，则此指标非常有用。
VERY_LIKELY 如果您希望以牺牲召回率为代价获得最高精确率，则此设置非常有用。

默认最小可能性

如果您未在请求中设置最低可能性，或者将其设置为 LIKELIHOOD_UNSPECIFIED，则 Sensitive Data Protection 仅会返回可能性不低于 POSSIBLE 的发现结果。