Label Google Drive-bestanden automatisch met behulp van AI-classificatie.

Uw classificatie moet zijn ingeschakeld voor Drive en Docs . Na de training past het AI-model automatisch uw classificatielabel toe op gevoelige Drive-bestanden. Het model wordt getraind op slechts één veld per label, dat een badgelijst of een optielijst moet zijn.

Wij raden een herkenbaar gevoeligheidslabel aan, omdat dit prominent op documenten zichtbaar is.

Wanneer u een optielijst of een badgelijstveld gebruikt voor een classificatielabel, moet het aan de volgende voorwaarden voldoen:

• Kies minimaal 2 en maximaal 7 opties.
• Wordt gepubliceerd

Als u een bestaand label hebt dat aan deze vereisten voldoet, kunt u dit als classificatielabel gebruiken. Zo niet, gebruik dan de labelmanager om een ​​label aan te maken, vóór of tijdens het instellen van het model (verderop op deze pagina). Zie Classificatielabels aanmaken voor uw organisatie voor meer informatie.

Uw trainingslabel is vrijwel identiek aan het classificatielabel en wordt alleen gebruikt voor trainingsdoeleinden door aangewezen labelaars. Wanneer u uw model aanmaakt (verderop op deze pagina), kunt u het trainingslabel automatisch genereren, zodat u er zeker van bent dat het overeenkomt met het classificatielabel.

Je kunt er ook voor kiezen om handmatig je eigen trainingslabel aan te maken met behulp van de labelmanager, zowel vóór als tijdens het instellen van het model. Zie ' Hoe maak ik handmatig trainingslabels aan?' verderop op deze pagina voor meer informatie.

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

   Ga naar Gegevensclassificatie

   Hiervoor zijn beheerdersrechten 'DLP-regel bekijken' en 'DLP-regel beheren' vereist.

2. Klik in het gedeelte AI-classificatie op Model maken .
3. Selecteer in de lijst met classificatielabels een bestaand classificatielabel en veld om een ​​model voor te trainen, of klik op 'Label maken' om er een te maken met behulp van de labelmanager.

   Als u een label in Label Manager hebt aangemaakt, ga dan terug naar de pagina 'Model aanmaken' . Mogelijk moet u de pagina vernieuwen om uw nieuwe label in de lijst te zien.

4. Selecteer voor uw classificatielabel het gewenste veld in de lijst met veldnamen .
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 'Labelmachtigingen bijwerken' in het bericht dat verschijnt. Het label wordt in de bewerkingsmodus van Label Manager in een apart tabblad geopend.
   3. Klik op Machtigingen Bewerk de configuratie en verleen vervolgens de machtiging 'Labels toepassen en waarden instellen' aan de configuratiegroep die uw labelprogramma's bevat.
   4. Klik op Opslaan en sluit het tabblad Labelbeheer.

      Let op: u kunt de labelrechten ook later instellen. Het is echter belangrijk dat alleen uw labelaars toegang hebben tot het trainingslabel.

7. (Optioneel) Als u al een trainingslabel hebt aangemaakt, selecteer dit dan in de lijst met trainingslabels .
8. (Optioneel) Maak nu uw eigen trainingslabel aan door te klikken op 'Ga naar labelbeheer' .

   Belangrijk: Zorg ervoor dat uw label voldoet aan de criteria voor trainingslabels en dat u de labelrechten zo instelt dat alleen uw labelaars er toegang toe hebben. Zie de richtlijnen voor trainingslabels verderop op deze pagina voor meer informatie.

   Ga terug naar de pagina 'Model maken' . Mogelijk moet u de pagina vernieuwen om uw nieuwe trainingslabel in de lijst te zien.

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

Nadat je je model hebt gemaakt, toont de pagina ' Modeldetails ' het door jou geselecteerde trainingslabel en classificatielabel.

Om een ​​trainingsdataset te creëren, moeten de aangewezen labelaars het trainingslabel toepassen op minimaal 100 bestanden per labeloptie. Als uw label bijvoorbeeld 3 opties heeft – bijvoorbeeld 'Noodzakelijk', 'Vertrouwelijk' en 'Openbaar' – heeft u minimaal 300 trainingsbestanden nodig. Het is echter beter om meer dan 100 bestanden per labeloptie te hebben, omdat sommige bestanden waarschijnlijk niet geschikt zijn voor de trainingsdataset. Lees meer over het labelen van hoogwaardige voorbeelden voor training .

Let op: uw trainingsdataset mag maximaal 1 miljoen bestanden bevatten.

Nadat je het model hebt aangemaakt, controleert het automatisch hoeveel bestanden er in ongeveer 24 uur zijn gelabeld voor training. Daarna controleert het continu gedurende de dag.

Om te controleren hoeveel bestanden zijn gelabeld:

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

   Ga naar Gegevensclassificatie

   Hiervoor zijn beheerdersrechten 'DLP-regel bekijken' en 'DLP-regel 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 paneel bovenaan de pagina, onder Trainingsbestanden voor actief model , kunt u het aantal gelabelde bestanden bekijken.

Als je model voldoende bestanden heeft voor training, is het klaar voor training.

Een trainingssessie duurt doorgaans 4 tot 6 uur, maar kan langer duren bij grotere datasets. Je model heeft waarschijnlijk meerdere trainingssessies nodig om te leren hoe je bestanden correct kunt 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. Zie Hoe worden scores berekend voor meer informatie.

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

Om een ​​trainingsloop te starten:

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

   Ga naar Gegevensclassificatie

   Hiervoor zijn beheerdersrechten 'DLP-regel bekijken' en 'DLP-regel beheren' vereist.

2. Klik in het gedeelte AI-classificatie op 'Opgeslagen modellen bekijken' .
3. Selecteer op de pagina met modeldetails , onder Acties voor het model, de optie Details bekijken .
4. Klik in het trainingspaneel bovenaan de pagina op 'Een trainingssessie starten' .

   Let op: deze knop is alleen beschikbaar als uw labelaars het minimale aantal trainingsbestanden hebben gelabeld.

Na een trainingssessie wordt uw model vrijgegeven met percentagescores voor elke labeloptie. Elke score, een zogenaamde recall-score , is het percentage trainingsvoorbeelden dat het model correct heeft geclassificeerd na zichzelf te hebben getest.

• Onder de 50% — Lage nauwkeurigheid. Het model heeft betere gegevens nodig en is nog niet klaar.
• Van 50-80% — Gemiddelde nauwkeurigheid. Het model is mogelijk slechts in beperkte mate beschikbaar.
• Boven de 80% — Hoge nauwkeurigheid. Het model is klaar om bestanden voor uw organisatie te classificeren.

Om de nauwkeurigheid van uw model na een trainingssessie te controleren:

Op de pagina met modeldetails kunt u de modelscores bekijken:

• In het paneel met trainingsresultaten bovenaan de pagina, onder 'Huidige bestanden gebruikt' en 'Scores', vindt u dit.
• In het paneel 'Huidige trainingsdataset'

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

   Ga naar Gegevensclassificatie

   Hiervoor zijn beheerdersrechten 'DLP-regel bekijken' en 'DLP-regel beheren' vereist.

2. Klik in het gedeelte AI-classificatie op 'Opgeslagen modellen bekijken' .
3. Selecteer op de pagina met modeldetails , onder Acties voor het model, de optie Details bekijken .
4. Klik in het trainingspaneel op 'Automatisch toepassen instellen' .

   Let op: deze knop is alleen beschikbaar als ten minste één labeloptie een nauwkeurigheid van 50% heeft bereikt.

   Of, als je eerder automatisch toepassen hebt ingesteld, klik je onder AI-gelabelde bestanden op Automatisch toepassen bewerken .

5. Vink de vakjes aan voor de labelopties die u door het AI-model automatisch wilt laten 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 uw overkoepelende organisatie.

   Of klik op 'Opslaan' om later gebruikers te selecteren.

7. Als u ervoor kiest om gebruikers te selecteren, selecteert u aan de zijkant een organisatie-eenheid of configuratiegroep .

   Groepsinstellingen hebben voorrang op organisatie-eenheden. Meer informatie

8. Klikken - Het label wordt automatisch toegepast met een van de onderstaande opties .
9. Klik op Opslaan .

   Op de pagina met modeldetails staat de huidige status voor automatisch toepassen van de regel op 'Aan' .

Opmerking: U kunt de AI-classificatie controleren via het gebeurtenislogboek van Drive. Zie ' Gebeurtenissen met labels voor AI-classificatie controleren' verderop op deze pagina voor meer informatie.

Nadat automatisch toepassen is ingeschakeld voor bestanden van gebruikers en gedeelde schijven, scant AI-classificatie hun bestanden (in ruststand) minstens één keer per 1 tot 2 weken. AI-classificatie scant bestanden ook wanneer ze worden geüpload of gewijzigd en kan het toegepaste label aanpassen als de inhoud van het bestand verandert.

Let op: Bij gebruik van AI-classificatie met Gemini-instructies moet het scannen van inactieve bestanden handmatig worden ingeschakeld. Om deze functie te activeren, klikt u op 'Labels toepassen op inactieve bestanden' op de pagina 'Instructies' .

Regels voor gegevensbescherming

Labelwaarden die zijn vastgesteld door de regels voor gegevensbescherming hebben voorrang op AI-classificatie, en beide hebben voorrang op standaardclassificatie.

Meerdere aangepaste modellen of Gemini-instructies

Wanneer twee of meer AI-classificatiebronnen verschillende labelopties voor hetzelfde labelveld op hetzelfde bestand proberen toe te passen, wordt de optie toegepast die hoger in de lijst met labelopties staat. U kunt bijvoorbeeld een label hebben met een veld dat drie opties in de labelmanager heeft:

1. Vertrouwelijk
2. Intern
3. Openbaar

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

Door de gebruiker aangebrachte labels

Labels die gebruikers aan bestanden toevoegen, hebben voorrang op labels die door AI worden toegevoegd. Met andere woorden, AI-classificatie wijzigt geen label dat een gebruiker eerder heeft ingesteld.

Let op: wanneer een gebruiker een door AI gelabeld bestand accepteert of wijzigt, wordt het label beschouwd als "door de gebruiker toegepast" en zal de AI-classificatie de waarde ervan niet langer wijzigen.

Gebruikers hebben bestands- en labelmachtigingen nodig om met automatisch toegepaste labels te kunnen werken. U kunt machtigingen voor uw classificatielabel instellen in Label Manager. Zie Classificatielabels maken voor uw organisatie voor meer informatie.

• Om automatisch toegepaste labels te bekijken , hebben gebruikers de machtiging ' Kan dit label bekijken' nodig voor uw classificatielabel.
• Om automatisch toegepaste labels te accepteren en te wijzigen , hebben gebruikers de machtiging 'Labels toepassen en waarden instellen' nodig voor uw classificatielabel en moeten ze bewerker of eigenaar van het bestand zijn.

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

   Ga naar Gegevensclassificatie

   Hiervoor zijn beheerdersrechten 'DLP-regel bekijken' en 'DLP-regel beheren' vereist.

2. Klik in het gedeelte AI-classificatie op 'Opgeslagen modellen bekijken' .
3. Selecteer op de pagina met modeldetails , onder AI-gelabelde bestanden , 'Bestanden bekijken' voor de labeloptie waarvoor u de gebeurtenissen wilt bekijken.

   De tool voor beveiligingsonderzoek wordt in een nieuw tabblad geopend en toont zoekresultaten voor het gebeurtenislogboek van Drive voor twee gebeurtenissen met betrekking tot AI-classificatie: 'Label toegepast' en 'Waarde van labelveld gewijzigd' .

4. Klik op de evenementbeschrijving voor meer informatie, zoals:
   • Naam en type van het document dat is gelabeld
   • De labelveldwaarde die aan het document is toegewezen (bijvoorbeeld Vertrouwelijk of Beperkt toegankelijk)

Op de detailpagina van het model voor AI-classificatie toont de grafiek ' Gebruikersacceptatie' prestatiegegevens voor uw instructies, gebaseerd op feedback van gebruikers over de afgelopen 180 dagen.

De meetgegevens omvatten:

• Gebruikersbeoordelingen — Het totale aantal gebruikers dat interactie heeft gehad met de geautomatiseerde labelbanner om een ​​labeloptie die met Gemini is toegepast te accepteren of te wijzigen.
• Gebruiker geaccepteerd — Het totale aantal gebruikers dat ervoor heeft gekozen om het door Gemini voorgestelde label te behouden.

Om de automatische toepassing voor alle of slechts specifieke labelopties uit te schakelen:

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

   Ga naar Gegevensclassificatie

   Hiervoor zijn beheerdersrechten 'DLP-regel bekijken' en 'DLP-regel beheren' vereist.

2. Klik in het gedeelte AI-classificatie op 'Opgeslagen modellen bekijken' .
3. Selecteer op de pagina met modeldetails , onder Acties voor het model, de optie Details bekijken .
4. Klik onder AI-gelabelde bestanden op Bewerken > Automatisch toepassen .
5. Schakel de selectievakjes uit voor de labelopties waarvoor u de automatische toepassing wilt uitschakelen.

   Of, om het automatisch toepassen volledig uit te schakelen, wis alle opties.

Om de automatische toepassing volledig uit te schakelen voor specifieke organisatie-eenheden of groepen:

Je kunt het automatisch toepassen volledig uitschakelen voor content die eigendom is van gebruikers in specifieke organisatie-eenheden of -groepen.

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

   Ga naar Gegevensclassificatie

   Hiervoor zijn beheerdersrechten 'DLP-regel bekijken' en 'DLP-regel beheren' vereist.

2. Klik in het gedeelte AI-classificatie op 'Opgeslagen modellen bekijken' .
3. Selecteer op de pagina met modeldetails , onder Acties voor het model, de optie Details bekijken .
4. Klik in het menu ' Meer acties' bovenaan de pagina op 'Automatisch toepassen beheren'. Update ingeschakelde OU's/groepen .
5. Klik aan de linkerkant op een organisatie-eenheid of -groep om deze te selecteren.
6. Selecteer Uit - Label wordt niet automatisch toegepast .
7. Klik op Opslaan .

Mogelijk moet u een aangepast model of Gemini-instructies verwijderen als de nauwkeurigheid ervan bijvoorbeeld niet acceptabel is. Als u een aangepast model of Gemini-instructies verwijdert, worden alle bijbehorende AI-classificatie-instellingen permanent verwijderd. Let op:

• Labels die in het model of de Gemini-instructies worden gebruikt, worden losgekoppeld van de AI-classificatie-instellingen en de geschiedenis van het model of de Gemini-instructies wordt verwijderd. De labels zelf worden echter niet verwijderd en kunnen nog steeds worden beheerd in de labelmanager.
• (Alleen voor aangepaste modellen) De trainingslabels blijven in de bestanden behouden. Nadat u het model hebt verwijderd, kunt u ervoor kiezen om een ​​nieuw aangepast model te configureren met hetzelfde trainingslabel. Modellen zullen vergelijkbaar presteren als u uw bestaande trainingslabel en trainingsbestanden opnieuw traint.
• Het automatisch toepassen van labels op het model stopt onmiddellijk. U kunt ervoor kiezen om labels die eerder automatisch zijn toegepast op bestanden die nog niet door een gebruiker zijn geaccepteerd of gewijzigd, te verwijderen of te behouden.
• Als u een nieuw model of nieuwe Gemini-instructies aanmaakt met hetzelfde classificatielabel, overschrijft de AI-classificatiefunctie de resultaten van eerdere classificaties. Hierdoor kunt u de Drive-bestanden van uw organisatie opnieuw verwerken, wat handig kan zijn als de kwaliteit van uw model of instructies aanzienlijk is verbeterd sinds u ze in gebruik hebt genomen.

Om een ​​model of instructies te verwijderen:

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

   Ga naar Gegevensclassificatie

   Hiervoor zijn beheerdersrechten 'DLP-regel bekijken' en 'DLP-regel 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 worden de gevolgen van de verwijdering weergegeven en kunt u kiezen of u de eerder toegepaste labels wilt behouden of verwijderen.
   • Behoud de aangebrachte labels — Labels die eerder zijn aangebracht volgens een eerdere versie van deze instructies blijven op de bestanden zitten.
   • Verwijder toegepaste labels — Labels die eerder zijn toegepast door een versie van deze instructies worden uit bestanden verwijderd. Het kan tot 2 weken duren voordat labels zijn verwijderd. Labels worden niet verwijderd als ze zijn gewijzigd door een gebruiker, regels, een ander AI-model of Gemini-instructies.
4. Vink het vakje aan om te bevestigen: Door verder te gaan, erkent u dat dit niet ongedaan kan worden gemaakt.
5. Om verder te gaan, klikt u op Model verwijderen of Instructies verwijderen .

Zowel het classificatielabel als het trainingslabel moeten aan de volgende criteria voldoen:

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

• Zorg ervoor dat het etiket voldoet aan de vereiste etiketteringscriteria .
• Geef het trainingslabel de naam "train" of "training" om het voor de aangewezen labelaars gemakkelijker te maken het label te herkennen en toe te passen bij het maken van uw trainingsdataset.
• Voeg een beschrijvingsveld toe aan het trainingslabel om de aangewezen labelaars te helpen het doel ervan beter te begrijpen.
• Zorg ervoor dat u de labelrechten alleen instelt voor de door u aangewezen labelaars, oftewel degenen die bestanden zullen identificeren voor modeltraining. Gebruik hiervoor de configuratiegroep die u voor labelaars hebt aangemaakt.

Voor optimale resultaten bij het trainen van het model, laat uw aangewezen labelaars de volgende richtlijnen volgen:

• Zorg ervoor dat elk bestand minimaal 500 tekens bevat.
• Selecteer bestanden die representatief zijn voor de inhoud die gebruikers binnen uw organisatie creëren, delen en gebruiken.
• Label ongeveer hetzelfde aantal bestanden per labeloptie, met een minimum van 100 bestanden per optie. Dit helpt het model om een ​​volledig inzicht in uw gegevens te krijgen en de scores te verbeteren.
• Voeg een representatieve selectie bestanden toe voor elk type optie. Label bijvoorbeeld niet 100 cv's als uw volledige set voorbeeldbestanden voor 'Top Secret' als contracten ook een veelvoorkomend 'Top Secret'-bestandstype zijn binnen uw organisatie.
• Pas het trainingslabel alleen toe op bestanden die eigendom zijn van uw organisatie, ofwel bestanden die direct eigendom zijn van gebruikers, ofwel bestanden die zijn opgeslagen op gedeelde schijven. AI-classificatie verwerkt geen bestanden die eigendom zijn van externe gebruikers of die zich op externe gedeelde schijven bevinden.

Nadat de automatische toepassing is ingeschakeld, scant en classificeert de AI-classificatie alle bestanden in ruststand waaruit voldoende tekst kan worden geëxtraheerd. Deze bestanden worden minstens één keer gescand.

AI-classificatie verwerkt bestanden periodiek opnieuw wanneer de inhoud wordt gewijzigd. Wijzigingen in de inhoud kunnen leiden tot een andere voorspelling voor een bestand. Wanneer AI-classificatie zowel een oude als een nieuwe voorspelde optie voor een bestand heeft, geeft het de voorkeur aan de optie die hoger in de lijst staat. Bijvoorbeeld, als een veld drie opties heeft die in de labelmanager worden weergegeven:

• Vertrouwelijk
• Intern
• Openbaar

Stel dat een AI-classificatiesysteem een ​​bestand als 'Intern' classificeert, en de inhoud verandert waardoor het AI-classificatiemodel 'Vertrouwelijk' voorspelt. In dat geval wordt de classificatie van het bestand gewijzigd naar 'Vertrouwelijk' . Als het AI-classificatiemodel echter 'Openbaar' voorspelt, blijft de classificatie van het bestand ' Intern' .

Bij AI-classificatie worden automatisch toegepaste labels en veldwaarden die door gebruikers zijn bekeken of gewijzigd, niet herzien.

Uw bestanden worden verwerkt door het meest recente model wanneer ze worden aangemaakt of gewijzigd. Bestaande bestanden worden niet automatisch opnieuw verwerkt wanneer een nieuwe modelversie wordt uitgebracht. Het model kan echter periodiek al uw bestanden opnieuw verwerken met de meest recente versie, onafhankelijk van specifieke modelupdates of hertraining.

1. DLP-regel zonder overschrijving door de gebruiker
2. Handmatige classificatie
3. DLP-regel met gebruikersoverride
4. AI-classificatie
5. Standaardclassificatie

• AI-classificatie maakt gebruik van dezelfde indexeerbare tekstverwerking als Drive DLP. Zie de lijst met bestandstypen die door DLP worden gescand voor meer informatie. Audio- en videobestanden worden niet ondersteund.
• Een bestand moet een minimale hoeveelheid tekst bevatten om door AI-classificatie een label te kunnen krijgen. Hierdoor worden sommige bestanden, zoals zeer korte documenten en afbeeldingen met weinig tekst, mogelijk niet geclassificeerd.

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