Märk Google Drive-filer automatiskt med hjälp av AI-klassificering

Din klassificering måste vara aktiverad för Drive och Dokument . Efter träningen tillämpar AI-modellen automatiskt din klassificeringsetikett på känsliga Drive-filer. Modellen tränas endast på ett fält per etikett, vilket måste vara antingen en märkeslista eller en alternativlista .

Vi rekommenderar en känslighetsetikett med märke, eftersom den syns tydligt på dokument.

När du använder en alternativlista eller ett fält för en etikett för klassificering måste den:

• Ha minst 2 och högst 7 alternativ
• Bli publicerad

Om du har en befintlig etikett som uppfyller dessa krav kan du använda den som en klassificeringsetikett. Annars kan du använda etiketthanteraren för att skapa en etikett, antingen före eller när du konfigurerar modellen (senare på den här sidan). Mer information finns i Skapa klassificeringsetiketter för din organisation .

Din träningsetikett är nästan identisk med klassificeringsetiketten och används endast för träningsändamål av utsedda etiketterare. När du skapar din modell (senare på den här sidan) kan du automatiskt skapa träningsetiketten så att du kan vara säker på att den matchar klassificeringsetiketten.

Du kan också välja att skapa din egen träningsetikett manuellt med hjälp av etiketthanteraren, antingen före eller när du konfigurerar modellen. Mer information finns i Hur skapar jag träningsetiketter manuellt? senare på sidan.

1. I Googles administratörskonsol, gå till Meny Säkerhet Åtkomst- och datakontroll Dataklassificering .

   Gå till Dataklassificering

   Kräver administratörsbehörigheterna Visa DLP-regel och Hantera DLP-regel .

2. I avsnittet AI-klassificering klickar du på Skapa modell .
3. I listan Klassificeringsetikett väljer du en befintlig klassificeringsetikett och ett fält att träna en modell för, eller klickar på Skapa etikett för att skapa en med hjälp av etiketthanteraren.

   Om du skapade en etikett i etiketthanteraren går du tillbaka till sidan Skapa modell . Du kan behöva uppdatera sidan för att se din nya etikett i listan.

4. För din klassificeringsetikett väljer du det behöriga fält du vill använda i listan Fältnamn .
5. Klicka på Fortsätt .
6. (Valfritt) Skapa och publicera automatiskt en utbildningsetikett som matchar din klassificeringsetikett:
   1. Klicka på Skapa utbildningsetikett .
   2. Klicka på Uppdatera etikettbehörigheter i meddelandet som visas. Etiketten öppnas i redigeringsläge i etiketthanteraren på en separat flik.
   3. Klicka på Behörigheter Redigera och bevilja sedan behörigheten Kan tillämpa etiketter och ange värden till konfigurationsgruppen som innehåller dina etiketterare.
   4. Klicka på Spara och stäng fliken etiketthanterare.

      Obs! Du kan också ange etikettbehörigheter senare. Men det är viktigt att endast dina etikettutvecklare har åtkomst till träningsetiketten.

7. (Valfritt) Om du redan har skapat en träningsetikett väljer du den i listan Träningsetikett .
8. (Valfritt) Skapa din egen träningsetikett nu genom att klicka på Gå till etiketthanteraren .

   Viktigt: Se till att din etikett uppfyller kriterierna för utbildningsetiketter och att du anger etikettbehörigheter så att endast dina etikettutgivare kan komma åt den. Mer information finns i riktlinjerna för utbildningsetiketter längre ner på sidan.

   Gå tillbaka till sidan Skapa modell . Du kan behöva uppdatera sidan för att se din nya träningsetikett i listan.

9. På sidan Skapa modell klickar du på Fortsätt .
10. Ange ett beskrivande namn för modellen.
11. Klicka på Skapa modell .

När du har skapat din modell visar sidan Modellinformation din valda träningsetikett och klassificeringsetikett.

För att skapa en träningsdatauppsättning måste dina utsedda etiketterare tillämpa träningsetiketten på minst 100 filer per etikettalternativ. Om din etikett till exempel har 3 alternativ – säg "Behöver veta", "Konfidentiellt" och "Offentlig" – behöver du minst 300 träningsfiler. Det är dock bäst att ha mer än 100 filer per etikettalternativ, eftersom det är troligt att vissa filer inte kommer att vara kvalificerade för träningsdatauppsättningen. Läs mer om att märka högkvalitativa exempel för träning .

Obs! Din träningsdatauppsättning kan innehålla maximalt 1 miljon filer.

När du har skapat modellen kontrollerar den automatiskt hur många filer som har märkts för träning under cirka 24 timmar. Därefter kontrolleras kontinuerligt under hela dagen.

Så här kontrollerar du hur många filer som har märkts:

1. I Googles administratörskonsol, gå till Meny Säkerhet Åtkomst- och datakontroll Dataklassificering .

   Gå till Dataklassificering

   Kräver administratörsbehörigheterna Visa DLP-regel och Hantera DLP-regel .

2. I avsnittet AI-klassificering klickar du på Visa sparade modeller .
3. Under Åtgärder för modellen väljer du Visa detaljer .
4. I panelen högst upp på sidan, under Träningsfiler för aktiv modell , visar du antalet märkta filer.

Om din modell har tillräckligt med filer för träning, Klar för träning

En träningskörning tar vanligtvis 4 till 6 timmar, men kan ta längre tid för större datamängder. Din modell kommer sannolikt att behöva flera träningskörningar för att lära sig hur du märker dina filer korrekt.

Under en träningskörning jämför modellen den klassificering den väljer för en fil med den träningsetikett som tillämpats på filen för att generera poäng. Mer information finns i Hur beräknas poäng .

Efter en träningskörning kan du kontrollera modellens noggrannhet.

För att starta ett träningspass:

1. I Googles administratörskonsol, gå till Meny Säkerhet Åtkomst- och datakontroll Dataklassificering .

   Gå till Dataklassificering

   Kräver administratörsbehörigheterna Visa DLP-regel och Hantera DLP-regel .

2. I avsnittet AI-klassificering klickar du på Visa sparade modeller .
3. På sidan Modellinformation , under Åtgärder för modellen, väljer du Visa detaljer .
4. I träningspanelen högst upp på sidan klickar du på Starta en träningskörning .

   Obs! Den här knappen är endast tillgänglig om dina etiketterare har etiketterat det minsta antalet träningsfiler.

Efter en träningskörning släpps din modell med procentpoäng för varje etikettalternativ. Varje poäng, kallad en återkallningspoäng , är den procentandel av träningsexempel som modellen klassificerade korrekt efter att ha testat sig själv:

• Under 50 % – Låg noggrannhet. Modellen behöver bättre data och är inte klar än.
• Från 50–80 % — Medelhög noggrannhet. Modellen kan vara klar i begränsad omfattning.
• Över 80 % – Hög noggrannhet. Modellen är redo att klassificera filer för din organisation.

Så här kontrollerar du modellens noggrannhet efter en träningskörning:

På sidan Modellinformation kan du se modellpoäng:

• I panelen för träningsresultat högst upp på sidan, under Aktuella filer som används och poäng
• I panelen Aktuell träningsdatauppsättning

1. I Googles administratörskonsol, gå till Meny Säkerhet Åtkomst- och datakontroll Dataklassificering .

   Gå till Dataklassificering

   Kräver administratörsbehörigheterna Visa DLP-regel och Hantera DLP-regel .

2. I avsnittet AI-klassificering klickar du på Visa sparade modeller .
3. På sidan Modellinformation , under Åtgärder för modellen, väljer du Visa detaljer .
4. Klicka på Konfigurera automatisk tillämpning i träningspanelen.

   Obs! Den här knappen är endast tillgänglig om minst ett etikettalternativ har uppnått 50 % noggrannhet.

   Eller, om du tidigare har konfigurerat automatisk tillämpning, klicka på Redigera automatisk tillämpning under AI-märkta filer .

5. Markera rutorna för de etikettalternativ som du vill att AI-modellen ska tillämpa automatiskt.
6. Klicka på Spara och fortsätt med att välja vilka organisationsenheter eller grupper som äger filerna som modellen ska tillämpa etiketter automatiskt på. Standardinställningen är din överordnade organisation på högsta nivå.

   Eller klicka på Spara för att välja användare senare.

7. Om du valde att välja användare väljer du en organisationsenhet eller konfigurationsgrupp på sidan.

   Gruppinställningar åsidosätter organisationsenheter. Läs mer

8. Klicka på – Etiketten appliceras automatiskt med ett av alternativen nedan .
9. Klicka på Spara .

   På sidan Modellinformation är Aktuell status för automatisk tillämpning för regeln På .

Obs! Du kan övervaka AI-klassificering med hjälp av Drive-händelseloggen. Mer information finns i Övervaka AI-klassificeringsetiketthändelser senare på den här sidan.

När automatisk tillämpning har aktiverats för filer som ägs av användare och delade enheter, skannar AI-klassificering deras filer (i vila) minst en gång inom 1 till 2 veckor. AI-klassificering skannar även filer när de laddas upp eller ändras, och kan ändra den tillämpade etiketten om filens innehåll ändras.

Obs! Skanning av inaktiva filer måste aktiveras manuellt när AI-klassificering med Gemini-instruktioner används. För att aktivera den här funktionen klickar du på Använd etikett på inaktiva filer på instruktionssidan .

Regler för dataskydd

Etikettvärden som anges av dataskyddsregler prioriteras framför AI-klassificering, och båda prioriteras framför standardklassificering.

Flera anpassade modeller eller Gemini-instruktioner

När två eller fler AI-klassificeringskällor försöker tillämpa olika etikettalternativ för samma etikettfält på samma fil, tillämpas det alternativ som är högre upp i etikettens alternativlista. Du kan till exempel ha en etikett med ett fält som har tre alternativ i etiketthanteraren:

1. Konfidentiell
2. Inre
3. Offentlig

Om AI-klassificeringskälla ett försöker ställa in etiketten som Konfidentiell , och källa 2 försöker ställa in etiketten som Offentlig för samma fil, tillämpas Konfidentiellt eftersom det är högre upp i etikettens alternativlista. Se till att en etiketts fältalternativ listas i din önskade prioritetsordning innan du konfigurerar regler.

Användarapplicerade etiketter

Etiketter som användare tillämpar på filer prioriteras framför AI-tillämpade etiketter – det vill säga, AI-klassificering ändrar inte en etikett som en användare tidigare har angett.

Obs: När en användare accepterar eller ändrar en AI-märkt fil betraktas etiketten som "användartillämpad" och AI-klassificeringen kommer inte längre att ändra dess värde.

Användare behöver fil- och etikettbehörigheter för att interagera med automatiskt tillämpade etiketter. Du kan ange behörigheter för din klassificeringsetikett i etiketthanteraren. Mer information finns i Skapa klassificeringsetiketter för din organisation .

• För att visa automatiskt tillämpade etiketter behöver användarna behörigheten Kan visa den här etiketten för din klassificeringsetikett.
• För att acceptera och ändra automatiskt tillämpade etiketter behöver användarna behörigheten Kan tillämpa etiketter och ange värden för din klassificeringsetikett och måste vara redigerare eller ägare av filen.

1. I Googles administratörskonsol, gå till Meny Säkerhet Åtkomst- och datakontroll Dataklassificering .

   Gå till Dataklassificering

   Kräver administratörsbehörigheterna Visa DLP-regel och Hantera DLP-regel .

2. I avsnittet AI-klassificering klickar du på Visa sparade modeller .
3. På sidan Modellinformation , under AI-märkta filer , väljer du Visa filer för det etikettalternativ du vill visa händelser för.

   Säkerhetsutredningsverktyget öppnas i en ny flik och visar sökresultat för Drive-händelseloggen för två AI-klassificeringsrelaterade händelser: Etikett tillämpad och Etikettfältets värde ändrades .

4. Klicka på händelsebeskrivningen för att få ytterligare information, till exempel:
   • Namn och typ av dokument som märktes
   • Etikettfältvärde som tilldelats dokumentet (till exempel Konfidentiellt eller Begränsat)

På sidan Modellinformation för AI-klassificering visar diagrammet för användaracceptans prestandadata för dina instruktioner som härrör från användarfeedback under de föregående 180 dagarna.

Mätvärden inkluderar:

• Användargranskad — Det totala antalet användare som interagerade med den automatiserade etikettbannern för att antingen acceptera eller ändra ett etikettalternativ som tillämpats med Gemini.
• Användare accepterad — Det totala antalet användare som valde att behålla den specifika etiketten som föreslagits av Gemini.

Så här inaktiverar du automatisk tillämpning för alla eller bara specifika etikettalternativ:

1. I Googles administratörskonsol, gå till Meny Säkerhet Åtkomst- och datakontroll Dataklassificering .

   Gå till Dataklassificering

   Kräver administratörsbehörigheterna Visa DLP-regel och Hantera DLP-regel .

2. I avsnittet AI-klassificering klickar du på Visa sparade modeller .
3. På sidan Modellinformation , under Åtgärder för modellen, väljer du Visa detaljer .
4. Under AI-märkta filer klickar du på Redigera och tillämpa automatiskt .
5. Avmarkera rutorna för de etikettalternativ som du vill inaktivera automatisk tillämpning för.

   Eller, för att pausa automatisk tillämpning helt, avmarkera alla alternativ.

Så här inaktiverar du automatisk tillämpning helt för specifika organisationsenheter eller grupper:

Du kan helt inaktivera automatisk tillämpning för innehåll som ägs av användare i specifika organisationsenheter eller grupper.

1. I Googles administratörskonsol, gå till Meny Säkerhet Åtkomst- och datakontroll Dataklassificering .

   Gå till Dataklassificering

   Kräver administratörsbehörigheterna Visa DLP-regel och Hantera DLP-regel .

2. I avsnittet AI-klassificering klickar du på Visa sparade modeller .
3. På sidan Modellinformation , under Åtgärder för modellen, väljer du Visa detaljer .
4. I menyn Fler åtgärder högst upp på sidan klickar du på Hantera automatisk tillämpning. Uppdatera aktiverade OU:er/grupper .
5. Klicka på en organisationsenhet eller grupp till vänster för att välja den.
6. Välj Av – Etiketten tillämpas inte automatiskt .
7. Klicka på Spara .

Du kan behöva ta bort en anpassad modell eller Gemini-instruktioner om till exempel dess noggrannhet inte är acceptabel. Om du tar bort en anpassad modell eller Gemini-instruktioner tas alla dess AI-klassificeringsinställningar bort permanent. Obs!

• Etiketter som används i modellen eller Gemini-instruktionerna kopplas bort från AI-klassificeringsinställningarna, och historiken för modellen eller Gemini-instruktionerna raderas. Själva etiketterna raderas dock inte och kan fortfarande hanteras i etiketthanteraren.
• (Endast anpassad modell) Träningsetiketter finns kvar i filerna. När du har tagit bort modellen kan du välja att konfigurera en ny anpassad modell för att använda samma träningsetikett. Modeller kommer att fungera på liknande sätt om du tränar om din befintliga träningsetikett och dina träningsfiler.
• Automatisk etikettering är aktiverad för modellen som stoppar omedelbart. Du kan välja att ta bort eller behålla etiketter som tidigare automatiskt tillämpats på filer som inte har accepterats eller ändrats av en användare.
• Om du återskapar en ny modell eller Gemini-instruktioner med samma klassificeringsetikett, skriver AI-klassificeringsfunktionen över resultaten från tidigare klassificeringar. Detta låter dig bearbeta om organisationens Drive-filer, vilket kan vara användbart om modellens eller instruktionernas kvalitet har förbättrats avsevärt sedan du började använda den.

Så här tar du bort en modell eller instruktioner:

1. I Googles administratörskonsol, gå till Meny Säkerhet Åtkomst- och datakontroll Dataklassificering .

   Gå till Dataklassificering

   Kräver administratörsbehörigheterna Visa DLP-regel och Hantera DLP-regel .

2. I avsnittet AI-klassificering klickar du på Visa sparade modeller .
3. På modelllistan klickar du på Åtgärder bredvid modellen eller instruktionerna och väljer Ta bort modell eller Ta bort instruktioner . Dialogrutan listar effekterna av borttagningen och låter dig bestämma om du vill behålla eller kassera tidigare tillämpade etiketter:
   • Behåll tillämpade etiketter – Etiketter som tidigare tillämpats av någon version av dessa instruktioner kommer att finnas kvar i filer.
   • Ta bort tillämpade etiketter — Etiketter som tidigare tillämpats av någon version av dessa instruktioner kommer att tas bort från filer. Det kan ta upp till 2 veckor innan etiketter tas bort. Etiketter kommer inte att tas bort om de har ändrats av en användare, regler eller en annan AI-modell eller Gemini-instruktioner.
4. Markera rutan för att bekräfta: Genom att fortsätta bekräftar du att detta inte kan ångras.
5. För att fortsätta, klicka på Ta bort modell eller Ta bort instruktioner .

Både klassificeringsetiketten och utbildningsetiketten måste uppfylla följande kriterier:

• Måste innehålla minst 2 och högst 7 alternativ.
• Måste ha sina alternativ i samma ordning.
• Måste publiceras.
• Ha etiketter med olika åtkomstbehörigheter. Träningsetiketten ska endast vara tillgänglig för utsedda etiketterare som kan träna modellen. Klassificeringsetiketten kan ha bredare åtkomst.

• Se till att etiketten uppfyller de obligatoriska etikettkriterierna .
• Identifiera träningsetiketten med ordet "train" eller "training" för att göra det enklare för dina utsedda etiketterare att känna igen etiketten och tillämpa den när de skapar din träningsdatauppsättning.
• Lägg till ett beskrivningsfält till utbildningsetiketten för att ytterligare hjälpa utsedda etiketterare att förstå dess syfte.
• Se till att endast ställa in etikettbehörigheterna för dina utsedda etiketterare – det vill säga de som ska identifiera filer för modellträning – med hjälp av konfigurationsgruppen du skapade för etiketterare.

För bästa resultat vid träning av modellen, låt dina utsedda etikettörer följa dessa riktlinjer:

• Se till att varje fil innehåller minst 500 tecken.
• Välj filer som representerar innehåll som användare skapar, delar och använder i din organisation.
• Märk ungefär samma antal filer per etikettalternativ, med minst 100 filer för varje alternativ. Detta hjälper modellen att få en heltäckande förståelse av dina data och förbättra poängen.
• Inkludera en representativ variation av filer för varje alternativtyp. Till exempel, märk inte 100 CV som din totala uppsättning exempelfiler för Top Secret om kontrakt också är en vanlig Top Secret-filtyp i din organisation.
• Använd endast utbildningsetiketten för filer som ägs av din organisation, antingen ägs direkt av användare eller lagras på delade enheter. AI-klassificering bearbetar inte filer som externa användare äger eller som finns på externa delade enheter.

När automatisk tillämpning är aktiverad skannar och klassificerar AI-klassificeringen alla vilande filer för vilka den kan extrahera tillräckligt med text. Dessa filer skannas minst en gång.

AI-klassificering omarbetar filer regelbundet allt eftersom innehållet ändras. Innehållsändringar kan resultera i en annan förutsägelse för en fil. När AI-klassificeringen har både ett gammalt och ett nytt förutsägt alternativ för en fil, kommer den att föredra det alternativ som är högre upp i alternativlistan. Till exempel, om ett fält har tre alternativ listade i etiketthanteraren:

• Konfidentiell
• Inre
• Offentlig

Anta att AI-klassificeringen klassificerar en fil som Intern , och innehållet ändras så att AI-klassificeringsmodellen förutspår Konfidentiell . I det här fallet ändras klassificeringen av filen till Konfidentiell . Men om AI-klassificeringsmodellen förutspår Offentlig , förblir klassificeringen av filen som Intern .

AI-klassificering reviderar inte automatiskt tillämpade etiketter och fältvärden som har granskats eller ändrats av användare.

Dina filer bearbetas av den senaste modellen när de skapas eller ändras. Befintliga filer bearbetas inte automatiskt om när en ny modellversion släpps. Modellen kan dock regelbundet bearbeta om alla dina filer med den senaste versionen, oberoende av specifika modelluppdateringar eller omträning.

1. DLP-regel utan användaröverskrivning
2. Manuell klassificering
3. DLP-regel med användaröverskrivning
4. AI-klassificering
5. Standardklassificering

• AI-klassificering använder samma indexerbara textbehandling som Drive DLP. Mer information finns i listan över filtyper som skannas av DLP . Ljud- och videofiler stöds inte.
• En fil måste ha en viss mängd text för att AI-klassificering ska kunna tillämpa en etikett. Det kan leda till att vissa filer, till exempel mycket korta dokument och bilder med små mängder text, inte klassificeras.

Filer som AI-klassificering tidigare har märkt behåller de tillämpade etikett- och alternativvärdena även efter att alternativet har inaktiverats.