Google Drive-bestanden automatisch labelen met AI-classificatie

Uw classificatie moet aanstaan voor Drive en Documenten. Na de training past het AI-model automatisch het classificatielabel toe op gevoelige Drive-bestanden. Het model wordt getraind op maar één veld per label. Dit moet een lijst met badges of een lijst met opties zijn.

We raden u aan een gevoeligheidslabel met een badge te gebruiken, omdat dit duidelijk zichtbaar is op documenten.

Als u een veld met een optielijst of een badgelijst gebruikt voor een classificatielabel, moet het aan deze vereisten voldoen:

• Kies minimaal 2 en maximaal 7 opties
• Wordt gepubliceerd

Als u een bestaand label heeft dat aan deze vereisten voldoet, kunt u het gebruiken als classificatielabel. Gebruik anders Labelbeheer om een label te maken, vóór of tijdens het instellen van het model (later op deze pagina). Ga naar Classificatielabels maken voor uw organisatie voor meer informatie.

Het trainingslabel is bijna identiek aan het classificatielabel en wordt alleen gebruikt voor trainingsdoeleinden door aangewezen labelers. Als u uw model maakt (verderop op deze pagina), kunt u het trainingslabel automatisch maken, zodat u zeker weet dat het overeenkomt met het classificatielabel.

U kunt er ook voor kiezen handmatig een eigen trainingslabel te maken met Labelbeheer, voordat u het model instelt of tijdens het instellen. Ga naar Hoe maak ik handmatig trainingslabels? verderop op de pagina voor meer informatie.

1. Ga in de Google Beheerdersconsole naar Menu Beveiliging Toegangs- en gegevensbeheer Gegevensclassificatie.

   Naar Gegevensclassificatie

   Hiervoor zijn de beheerdersrechten DLP-regels bekijken en DLP-regels beheren vereist.

2. Klik in het gedeelte AI-classificatie op Model maken.
3. Selecteer in de lijst Classificatielabel een bestaand classificatielabel en veld waarvoor u een model wilt trainen of klik op Label maken om een label te maken met Labelbeheer.

   Als u een label heeft gemaakt in Labelbeheer, gaat u terug naar de pagina Model maken. Je moet de pagina misschien vernieuwen om je nieuwe label in de lijst te zien.

4. Selecteer voor het classificatielabel het in aanmerking komende veld dat u wilt gebruiken in de lijst Veldnaam.
5. Klik op Doorgaan.
6. (Optioneel) Maak en publiceer automatisch een trainingslabel dat overeenkomt met uw classificatielabel:
   1. Klik op Trainingslabel maken.
   2. Klik op Labelrechten updaten in het bericht dat verschijnt. Het label wordt in de bewerkingsmodus in Labelbeheer geopend op een apart tabblad.
   3. Klik op Rechten Bewerken en geef de configuratiegroep met uw labelers het recht Mag labels toepassen en waarden instellen.
   4. Klik op Opslaan en sluit het tabblad Labelbeheer.

      Opmerking: u kunt labelrechten ook later instellen. Het is echter belangrijk dat alleen uw labelers toegang hebben tot het trainingslabel.

7. (Optioneel) Als u al een trainingslabel heeft gemaakt, selecteert u dit in de lijst Trainingslabel.
8. (Optioneel) Maak nu uw eigen trainingslabel door op Naar labelbeheer te klikken.

   Belangrijk: Zorg dat uw label voldoet aan de criteria voor trainingslabels en dat u de labelrechten zo instelt dat alleen uw labelers er toegang toe hebben. Ga naar Richtlijnen voor trainingslabels verderop op de pagina voor meer informatie.

   Ga terug naar de pagina Model maken. U moet de pagina misschien vernieuwen om uw nieuwe trainingslabel in de lijst te zien.

9. Klik op de pagina Model maken op Doorgaan.
10. Voer een beschrijvende naam voor het model in.
11. Klik op Model maken.

Nadat u het model heeft gemaakt, worden op de pagina Modelgegevens het geselecteerde trainingslabel en classificatielabel getoond.

Uw aangewezen labelers moeten het trainingslabel toepassen op minstens 100 bestanden per labeloptie om een trainingsdataset te maken. Als uw label bijvoorbeeld 3 opties heeft, zoals 'Need to Know', 'Vertrouwelijk' en 'Openbaar', heeft u minstens 300 trainingsbestanden nodig. We raden u aan om meer dan 100 bestanden per labeloptie te gebruiken, omdat sommige bestanden misschien niet in aanmerking komen voor de trainingsdataset. Meer informatie over hoe je voorbeelden van hoge kwaliteit labelt voor training.

Opmerking: Je trainingsdataset mag maximaal 1 miljoen bestanden bevatten.

Nadat u het model heeft gemaakt, wordt na ongeveer 24 uur automatisch gecontroleerd hoeveel bestanden zijn gelabeld voor training. Daarna wordt de hele dag door gecheckt.

Zo controleert u hoeveel bestanden zijn gelabeld:

1. Ga in de Google Beheerdersconsole naar Menu Beveiliging Toegangs- en gegevensbeheer Gegevensclassificatie.

   Naar Gegevensclassificatie

   Hiervoor zijn de beheerdersrechten DLP-regels bekijken en DLP-regels beheren vereist.

2. Klik in het gedeelte AI-classificatie op Opgeslagen modellen bekijken.
3. Selecteer onder Acties voor het model de optie Details bekijken.
4. In het deelvenster bovenaan de pagina, onder Trainingsbestanden voor actief model, staat het aantal gelabelde bestanden.

Als uw model voldoende bestanden heeft voor training, staat er Klaar voor training.

Een trainingsrun duurt meestal 4 tot 6 uur, maar kan langer duren voor grotere datasets. Uw model heeft waarschijnlijk meerdere trainingssessies nodig om te leren hoe het uw bestanden nauwkeurig kan labelen.

Tijdens een trainingssessie vergelijkt het model de classificatie die het voor een bestand selecteert met het trainingslabel dat op het bestand is toegepast om scores te genereren. Ga naar Hoe scores worden berekend voor meer informatie.

Na een trainingssessie kunt u de nauwkeurigheid van het model controleren.

Zo start u een training:

1. Ga in de Google Beheerdersconsole naar Menu Beveiliging Toegangs- en gegevensbeheer Gegevensclassificatie.

   Naar Gegevensclassificatie

   Hiervoor zijn de beheerdersrechten DLP-regels bekijken en DLP-regels beheren vereist.

2. Klik in het gedeelte AI-classificatie op Opgeslagen modellen bekijken.
3. Ga naar de pagina Modelgegevens en selecteer onder Acties voor het model de optie Details bekijken.
4. Klik in het trainingsvenster bovenaan de pagina op Een trainingsrun starten.

   Opmerking: Deze knop is alleen beschikbaar als uw labelers het minimumaantal trainingsbestanden hebben gelabeld.

Na een trainingssessie wordt uw model vrijgegeven met percentagescores voor elke labeloptie. Elke score, een recall-score genoemd, is het percentage trainingsvoorbeelden dat het model correct heeft geclassificeerd na de zelftest:

• Minder dan 50%: Lage nauwkeurigheid. Het model heeft betere gegevens nodig en is nog niet klaar.
• 50-80%: gemiddelde nauwkeurigheid. Het model is mogelijk in beperkte mate klaar.
• Meer dan 80%: hoge nauwkeurigheid. Het model is klaar om bestanden voor uw organisatie te classificeren.

Zo controleer je de nauwkeurigheid van je model na een trainingsrun:

Op de pagina Modeldetails kunt u modelscores bekijken:

• In het deelvenster met trainingsresultaten bovenaan de pagina, onder Huidige gebruikte bestanden en scores
• In het deelvenster Huidige trainingsdataset

1. Ga in de Google Beheerdersconsole naar Menu Beveiliging Toegangs- en gegevensbeheer Gegevensclassificatie.

   Naar Gegevensclassificatie

   Hiervoor zijn de beheerdersrechten DLP-regels bekijken en DLP-regels beheren vereist.

2. Klik in het gedeelte AI-classificatie op Opgeslagen modellen bekijken.
3. Ga naar de pagina Modelgegevens en selecteer onder Acties voor het model de optie Details bekijken.
4. Klik in het trainingsvenster op Automatisch toepassen instellen.

   Opmerking: Deze knop is alleen beschikbaar als minstens 1 labeloptie een nauwkeurigheid van 50% heeft bereikt.

   Als u automatisch toepassen eerder heeft ingesteld, klikt u onder AI-gelabelde bestanden op Automatisch toepassen bewerken.

5. Vink de vakjes aan voor de labelopties die het AI-model automatisch mag toepassen.
6. Klik op Opslaan en doorgaan om te selecteren welke organisatie-eenheden of groepen de eigenaar zijn van de bestanden waarop het model automatisch labels moet toepassen. De standaardinstelling is de bovenliggende organisatie op het hoogste niveau.

   Of klik op Opslaan om later gebruikers te selecteren.

7. Als u gebruikers wilt selecteren, selecteert u aan de zijkant een organisatie-eenheid of configuratiegroep.

   Groepsinstellingen overschrijven instellingen voor organisatie-eenheden. Meer informatie

8. Klik op Aan: Label wordt automatisch toegepast met een van de onderstaande opties.
9. Klik op Opslaan.

   Op de pagina Modelgegevens is de Huidige status voor automatisch toepassen voor de regel Aan.

Opmerking: U kunt AI-classificatie controleren via het Drive-gebeurtenislogboek. Ga naar Gebeurtenissen met betrekking tot AI-classificatielabels controleren verderop op deze pagina voor meer informatie.

Nadat automatisch toepassen is aangezet voor bestanden waarvan gebruikers de eigenaar zijn en voor gedeelde Drives, scant AI-classificatie hun bestanden (in rust) minstens één keer binnen 1 tot 2 weken. AI-classificatie scant bestanden ook wanneer ze worden geüpload of aangepast en kan het toegepaste label wijzigen als de inhoud van het bestand verandert.

Opmerking: U moet de scan van inactieve bestanden handmatig aanzetten als u AI-classificatie gebruikt met Gemini-instructies. Als je deze functie wilt activeren, klik je op de pagina Instructies op Label toepassen op inactieve bestanden.

Regels voor gegevensbescherming

Labelwaarden die worden ingesteld met regels voor gegevensbescherming, hebben voorrang op AI-classificatie. Beide hebben voorrang op de standaardclassificatie.

Meerdere aangepaste modellen of Gemini-instructies

Als 2 of meer AI-classificatiebronnen verschillende labelopties van hetzelfde labelveld proberen toe te passen op hetzelfde bestand, wordt de optie toegepast die hoger in de lijst met opties van het label staat. U kunt bijvoorbeeld een label hebben met een veld dat 3 opties bevat in Labelbeheer:

1. Vertrouwelijk
2. Intern
3. Openbaar

Als AI-classificatiebron 1 probeert het label in te stellen op Vertrouwelijk en bron 2 het label probeert in te stellen op Openbaar voor hetzelfde bestand, wordt Vertrouwelijk toegepast, omdat dit hoger in de lijst met opties van het label staat. Zorg dat de veldopties van een label in de gewenste prioriteitsvolgorde staan voordat u regels instelt.

Door gebruikers toegepaste labels

Labels die gebruikers op bestanden toepassen, hebben voorrang op door AI toegepaste labels. AI-classificatie wijzigt dus geen label dat een gebruiker eerder heeft ingesteld.

Opmerking: Als een gebruiker een door AI gelabeld bestand accepteert of aanpast, wordt het label beschouwd als door de gebruiker toegepast en wordt de waarde niet meer aangepast door AI-classificatie.

Gebruikers hebben bestands- en labelrechten nodig om interactie te hebben met automatisch toegepaste labels. U kunt rechten voor uw classificatielabel instellen in Labelbeheer. Ga naar Classificatielabels maken voor uw organisatie voor meer informatie.

• Gebruikers moeten het recht Kan dit label bekijken hebben voor je classificatielabel om automatisch toegepaste labels te kunnen bekijken.
• Als gebruikers automatisch toegepaste labels willen accepteren en aanpassen, hebben ze het recht Kan labels toepassen en waarden instellen nodig voor uw classificatielabel. Ook moeten ze Bewerker of Eigenaar van het bestand zijn.

1. Ga in de Google Beheerdersconsole naar Menu Beveiliging Toegangs- en gegevensbeheer Gegevensclassificatie.

   Naar Gegevensclassificatie

   Hiervoor zijn de beheerdersrechten DLP-regels bekijken en DLP-regels beheren vereist.

2. Klik in het gedeelte AI-classificatie op Opgeslagen modellen bekijken.
3. Selecteer op de pagina Modelgegevens onder Door AI gelabelde bestanden de optie Bestanden bekijken voor de labeloptie waarvoor u gebeurtenissen wilt bekijken.

   De tool voor beveiligingsonderzoek wordt geopend op een nieuw tabblad en toont zoekresultaten voor het Drive-logboek voor 2 gebeurtenissen gerelateerd aan AI-classificatie: Label toegepast en Veldwaarde van label gewijzigd.

4. Klik op de Beschrijving van het evenement voor meer informatie, zoals:
   • De naam en het type van het document dat is gelabeld.
   • De veldwaarde van het label die is toegewezen aan het document (bijvoorbeeld Vertrouwelijk of Beperkt)

Op de pagina Modeldetails voor AI-classificatie toont het diagram Gebruikersacceptatie prestatiegegevens voor je instructies die zijn afgeleid van gebruikersfeedback in de afgelopen 180 dagen.

Statistieken omvatten:

• Beoordeeld door gebruiker: Het totale aantal gebruikers dat interactie heeft gehad met de banner voor geautomatiseerde labels om een labeloptie die is toegepast met Gemini te accepteren of aan te passen.
• Geaccepteerd door gebruiker: Het totale aantal gebruikers dat ervoor heeft gekozen het specifieke label te behouden dat door Gemini is voorgesteld.

Zo zet u automatisch toepassen uit voor alle of specifieke labelopties:

1. Ga in de Google Beheerdersconsole naar Menu Beveiliging Toegangs- en gegevensbeheer Gegevensclassificatie.

   Naar Gegevensclassificatie

   Hiervoor zijn de beheerdersrechten DLP-regels bekijken en DLP-regels beheren vereist.

2. Klik in het gedeelte AI-classificatie op Opgeslagen modellen bekijken.
3. Ga naar de pagina Modelgegevens en selecteer onder Acties voor het model de optie Details bekijken.
4. Klik onder Door AI gelabelde bestanden op Automatisch toepassen bewerken.
5. Vink de vakjes uit voor de labelopties waarvoor u automatisch toepassen wilt uitzetten.

   Als u automatische toepassing helemaal wilt onderbreken, wist u alle opties.

Automatische toepassing helemaal uitzetten voor specifieke organisatie-eenheden of groepen:

U kunt automatische toepassing helemaal uitzetten voor content die eigendom is van contenteigenaren in specifieke organisatie-eenheden of groepen.

1. Ga in de Google Beheerdersconsole naar Menu Beveiliging Toegangs- en gegevensbeheer Gegevensclassificatie.

   Naar Gegevensclassificatie

   Hiervoor zijn de beheerdersrechten DLP-regels bekijken en DLP-regels beheren vereist.

2. Klik in het gedeelte AI-classificatie op Opgeslagen modellen bekijken.
3. Ga naar de pagina Modelgegevens en selecteer onder Acties voor het model de optie Details bekijken.
4. Klik in Meer acties bovenaan de pagina op Automatisch toepassen beheren Aangezette OE's/groepen updaten.
5. Klik links op een organisatie-eenheid of groep om deze te selecteren.
6. Selecteer Uit: Label wordt niet automatisch toegepast.
7. Klik op Opslaan.

U moet misschien een aangepast model of Gemini-instructies verwijderen als de nauwkeurigheid bijvoorbeeld niet acceptabel is. Als u een aangepast model of Gemini-instructies verwijdert, worden alle instellingen voor AI-classificatie definitief verwijderd. Opmerking:

• Labels die in het model of de Gemini-instructies worden gebruikt, worden ontkoppeld van de instellingen voor AI-classificatie. De geschiedenis van het model of de Gemini-instructies wordt verwijderd. De labels zelf worden niet verwijderd en kunnen nog steeds worden beheerd in Labelbeheer.
• (Alleen aangepast model) Trainingslabels blijven op de bestanden staan. Nadat u het model heeft verwijderd, kunt u een nieuw aangepast model instellen om hetzelfde trainingslabel te gebruiken. De modellen presteren vergelijkbaar als u uw bestaande trainingslabel en trainingsbestanden opnieuw traint.
• Als u heeft ingesteld dat het model labels automatisch toepast, wordt dit meteen stopgezet. U kunt ervoor kiezen om labels te verwijderen of te behouden die eerder automatisch zijn toegepast op bestanden die niet zijn geaccepteerd of gewijzigd door een gebruiker.
• Als u een nieuw model of nieuwe Gemini-instructies maakt met hetzelfde classificatielabel, overschrijft de functie voor AI-classificatie de resultaten van eerdere classificaties. Zo kunt u de Drive-bestanden van uw organisatie opnieuw verwerken. Dit kan handig zijn als de kwaliteit van uw model of instructies aanzienlijk is verbeterd sinds u het model bent gaan gebruiken.

Zo verwijder je een model of instructies:

1. Ga in de Google Beheerdersconsole naar Menu Beveiliging Toegangs- en gegevensbeheer Gegevensclassificatie.

   Naar Gegevensclassificatie

   Hiervoor zijn de beheerdersrechten DLP-regels bekijken en DLP-regels beheren vereist.

2. Klik in het gedeelte AI-classificatie op Opgeslagen modellen bekijken.
3. Klik op de pagina Modellijst op Acties naast het model of de instructies en selecteer Model verwijderen of Instructies verwijderen. In het dialoogvenster staan de gevolgen van de verwijdering en kun je beslissen of je eerder toegepaste labels wilt behouden of verwijderen:
   • Toegepaste labels behouden: Labels die eerder zijn toegepast door een versie van deze instructies, blijven toegepast op bestanden.
   • Toegepaste labels verwijderen: Labels die eerder zijn toegepast door een versie van deze instructies, worden van bestanden verwijderd. Het kan tot 2 weken duren voordat de labels zijn verwijderd. Labels worden niet verwijderd als ze zijn aangepast door een gebruiker, regels of instructies van Gemini of een ander AI-model.
4. Vink het vakje aan om te bevestigen: Als u doorgaat, gaat u ermee akkoord dat dit niet ongedaan kan worden gemaakt.
5. Klik op Model verwijderen of Instructies verwijderen om door te gaan.

Zowel het classificatie- als het trainingslabel moet voldoen aan de volgende criteria:

• Kies minimaal 2 en maximaal 7 opties.
• De opties moeten in dezelfde volgorde staan.
• Moet worden gepubliceerd
• Bevatten labels met verschillende toegangsrechten. Het trainingslabel mag alleen beschikbaar zijn voor aangewezen labelers die het model kunnen trainen. Het classificatielabel kan bredere toegangsrechten hebben.

• Zorg dat het label voldoet aan de vereiste labelcriteria.
• Zoek het trainingslabel met het woord 'train' of 'training'. zodat aangewezen labelers het label makkelijker kunnen herkennen en toepassen als ze de trainingsdataset maken.
• Voeg een beschrijvingsveld toe aan het trainingslabel zodat aangewezen labelers het doel beter begrijpen.
• Zorg dat u de labelrechten instelt op alleen de aangewezen labelers (degenen die bestanden identificeren voor modeltraining) met de configuratiegroep die u voor labelers heeft gemaakt.

Voor de beste resultaten bij het trainen van het model moeten de aangewezen labelers deze richtlijnen volgen:

• Zorg dat elk bestand minstens 500 tekens bevat.
• Selecteer bestanden die content vertegenwoordigen die gebruikers in uw organisatie maken, delen en gebruiken.
• Selecteer ongeveer hetzelfde aantal bestanden per labeloptie, met minstens 100 bestanden voor elke optie. Zo krijgt het model meer inzicht in uw gegevens en kunnen de scores worden verbeterd.
• Gebruik voor elk optietype een representatieve verscheidenheid aan bestanden. Label bijvoorbeeld niet 100 cv's als de totale reeks voorbeeldbestanden voor Topgeheim als contracten ook een veelvoorkomend Topgeheim-bestandtype zijn in uw organisatie.
• Pas het trainingslabel alleen toe op bestanden die eigendom zijn van uw organisatie, of ze nu rechtstreeks eigendom zijn van gebruikers of zijn opgeslagen in gedeelde Drives. AI-classificatie verwerkt geen bestanden die eigendom zijn van externe gebruikers of die zich in externe gedeelde Drives bevinden.

Nadat automatisch toepassen is aangezet, scant en classificeert AI-classificatie alle gegevens in rust waarvoor voldoende tekst kan worden geëxtraheerd. Deze bestanden zijn minstens één keer gescand.

AI-classificatie verwerkt bestanden periodiek opnieuw naarmate de inhoud wordt aangepast. Contentwijzigingen kunnen leiden tot een andere voorspelling voor een bestand. Als AI-classificatie zowel een oude als een nieuwe voorspelde optie voor een bestand heeft, geeft AI-classificatie de voorkeur aan de optie die hoger in de lijst met opties staat. Stel dat een veld 3 opties heeft in Labelbeheer:

• Vertrouwelijk
• Intern
• Openbaar

Stel dat AI-classificatie een bestand classificeert als Intern en de inhoud verandert zodat het AI-classificatiemodel Vertrouwelijk voorspelt. In dat geval wordt de classificatie van het bestand gewijzigd in Vertrouwelijk. Maar als het AI-classificatiemodel Openbaar voorspelt, blijft het bestand geclassificeerd als Intern.

AI-classificatie herziet automatisch toegepaste labels en veldwaarden die zijn beoordeeld of gewijzigd door gebruikers niet.

Je bestanden worden verwerkt door het nieuwste model wanneer ze worden gemaakt of aangepast. Bestaande bestanden worden niet automatisch opnieuw verwerkt als er een nieuwe modelversie wordt uitgebracht. Het model kan al je bestanden wel periodiek opnieuw verwerken met de nieuwste versie, onafhankelijk van specifieke modelupdates of hertraining.

1. Regel voor gegevensbescherming zonder overschrijving door gebruiker
2. Handmatige classificatie
3. Regel voor gegevensbescherming met overschrijving door gebruiker
4. AI-classificatie
5. Standaardclassificatie

• AI-classificatie gebruikt dezelfde indexeerbare tekstverwerking als DLP voor Drive. Ga naar de lijst met bestandstypen die worden gescand door DLP voor meer informatie. Audio- en videobestanden worden niet ondersteund.
• Een bestand moet een minimale hoeveelheid tekst bevatten voordat AI-classificatie een label kan toepassen. Daardoor worden sommige bestanden misschien niet geclassificeerd, zoals zeer korte documenten en afbeeldingen met weinig tekst.

Bestanden die door AI-classificatie zijn gelabeld, blijven de toegepaste label- en optiewaarden behouden, zelfs nadat de optie is uitgezet.