Märka Google Drive-filer automatiskt med AI-klassificering

Klassificeringen måste vara aktiverad för Drive och Dokument. Efter inlärningen tillämpar AI-modellen automatiskt klassificeringsetiketten på känsliga Drive-filer. Modellen tränas på endast ett fält per etikett, vilket måste vara antingen en märkeslista eller en alternativlista.

Vi rekommenderar att du använder en märkt känslighetsetikett eftersom den visas tydligt i dokument.

När du använder en alternativlista eller ett märkeslistfält för en klassificeringsetikett måste den

• ha minst två och högst sju alternativ
• publiceras.

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

Träningsetiketten är nästan identisk med klassificeringsetiketten och används endast i träningssyfte av personer som du har gett tillstånd att sätta etiketter. När du skapar modellen (senare på den här sidan) kan du skapa träningsetiketten automatiskt så att du kan vara säker på att den matchar klassificeringsetiketten.

Du kan även välja att skapa en egen inlärningsetikett manuellt med etiketthanteraren, antingen innan eller när du konfigurerar modellen. Mer information finns i Hur skapar jag utbildningsetiketter manuellt? senare på sidan.

1. Öppna menyn i Googles administratörskonsol Säkerhet Åtkomst- och datakontroll Dataklassificering.

   Gå till Dataklassificering

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

2. Klicka på Skapa modell i avsnittet AI-klassificering.
3. Välj en befintlig klassificeringsetikett och ett fält att träna en modell för i listan Klassificeringsetikett eller klicka på Skapa etikett för att skapa en med etiketthanteraren.

   Om du har skapat en etikett i etiketthanteraren återgår du till sidan Skapa modell. Du kan behöva uppdatera sidan för att se den nya etiketten i listan.

4. Välj det kvalificerade fält som du vill använda i listan Fältnamn för klassificeringsetiketten.
5. Klicka på Fortsätt.
6. (Valfritt) Skapa och publicera automatiskt en inlärningsetikett som matchar klassificeringsetiketten:
   1. Klicka på Skapa träningsetikett.
   2. Klicka på Uppdatera etikettbehörigheter i meddelandet som visas. Etiketten öppnas i redigeringsläget i etiketthanteraren på en separat flik.
   3. Klicka på Behörigheter Redigera och ge konfigurationsgruppen med personerna som ska sätta etiketter behörigheten Kan tillämpa etiketter och ange värden.
   4. Klicka på Spara och stäng fliken Etiketthanterare.

      Obs! Du kan även ange etikettbehörigheter senare. Men det är viktigt att enbart de som ska sätta etiketter har åtkomst till inlärningsetiketten.

7. (Valfritt) Om du redan har skapat en inlärningsetikett väljer du den i listan Inlärningsetikett.
8. (Valfritt) Skapa en egen inlärningsetikett nu genom att klicka på Öppna etiketthanteraren.

   Viktigt! Se till att etiketten uppfyller kriterierna för träningsetiketter och att du anger behörigheter så att endast personerna som ska sätta etiketter kan komma åt den. Mer information finns i riktlinjerna för utbildningsetiketter längre ned på sidan.

   Återgå till sidan Skapa modell. Du kan behöva uppdatera sidan för att se den nya träningsetiketten i listan.

9. Klicka på Fortsätt på sidan Skapa modell.
10. Ange ett beskrivande namn på jobbet.
11. Klicka på Skapa modell.

När du har skapat modellen visas den valda träningsetiketten och klassificeringsetiketten på sidan Modellinformation.

För att skapa ett träningsdataset måste de utsedda personerna som sätter etiketter tillämpa träningsetiketten på minst 100 filer per etikettalternativ. Om etiketten till exempel har tre alternativ, till exempel Behöver veta, Konfidentiellt och Offentligt, behöver du minst 300 träningsfiler. Det är dock bäst att ha fler än 100 filer per etikettalternativ eftersom det är troligt att vissa filer inte är kvalificerade för träningsdatasetet. Läs mer om att märka exempel av hög kvalitet för träning.

Obs! Träningsdatasetet kan innehålla högst en miljon filer.

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

Så här kontrollerar du hur många filer som har märkts:

1. Öppna menyn Säkerhet Åtkomst- och datakontroll Dataklassificering i Googles administratörskonsol.

   Gå till Dataklassificering

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

2. Klicka på Visa sparade modeller i avsnittet AI-klassificering.
3. Välj Visa information under Åtgärder för modellen.
4. I panelen högst upp på sidan, under Träningsfiler för aktiv modell, ser du antalet märkta filer.

Om modellen har tillräckligt med filer för träning visas Klar för träning.

En träningskörning tar vanligtvis fyra till sex timmar, men kan ta längre tid för större dataset. Modellen behöver troligen flera träningskörningar för att lära sig att märka filerna korrekt.

Under en träningskörning jämför modellen klassificeringen som den väljer för en fil med träningsetiketten som tillämpas på filen för att generera poäng. Mer information finns i Så här beräknas poäng.

Efter en träningskörning kan du kontrollera modellens noggrannhet.

Så här startar du en träningskörning:

1. Öppna menyn i Googles administratörskonsol Säkerhet Åtkomst- och datakontroll Dataklassificering.

   Gå till Dataklassificering

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

2. Klicka på Visa sparade modeller i avsnittet AI-klassificering.
3. Välj Visa information under Åtgärder för modellen på sidan Modellinformation.
4. Klicka på Starta en träningskörning i träningspanelen högst upp på sidan.

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

Efter en träningskörning släpps modellen med procentpoäng för varje etikettalternativ. Varje poäng, som kallas återkallningspoäng, är procentandelen träningsexempel som modellen klassificerade korrekt efter att ha testat sig själv:

• Under 50% – låg noggrannhet. Modellen behöver bättre data och är inte klar ännu.
• 50–80% – medelhög precision. Modellen kan vara tillgänglig i begränsad omfattning.
• Över 80% – hög precision. Modellen är redo att klassificera filer för organisationen.

Så här kontrollerar du modellens noggrannhet efter en träningskörning:

På sidan Modellinformation kan du se modellresultat:

• I panelen med träningsresultat högst upp på sidan, under Användning och poäng för aktuella filer
• I panelen Aktuellt träningsdataset

1. Öppna menyn i Googles administratörskonsol Säkerhet Åtkomst- och datakontroll Dataklassificering.

   Gå till Dataklassificering

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

2. Klicka på Visa sparade modeller i avsnittet AI-klassificering.
3. Välj Visa information under Åtgärder för modellen på sidan Modellinformation.
4. Klicka på Ställ in automatisk tillämpning i utbildningspanelen.

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

   Om du tidigare har konfigurerat automatisk tillämpning klickar du 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 för att välja vilka organisationsenheter eller grupper som äger filerna som modellen ska tillämpa etiketter på automatiskt. Standardinställningen är den överordnade organisationen på toppnivå.

   Du kan även klicka på Spara för att välja användare senare.

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

   Gruppinställningar åsidosätter organisationsenheter. Läs mer

8. Klicka på På – etiketten tillämpas automatiskt med ett av alternativen nedan.
9. Klicka på Spara.

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

Obs! Du kan övervaka AI-klassificering med hjälp av händelseloggen för Drive. Mer information finns i Övervaka händelser för AI-klassificeringsetiketter längre ned på den här sidan.

När automatisk tillämpning har aktiverats för filer som ägs av användare och delade enheter genomsöker AI-klassificeringen filerna (i vila) minst en gång inom en till två veckor. AI-klassificering genomsöker 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 du använder AI-klassificering med Gemini-instruktioner. Aktivera den här funktionen genom att klicka på Tillämpa etikett på inaktiva filer på sidan Anvisningar.

Dataskyddsregler

Etikettvärden som anges av dataskyddsregler har företräde framför AI-klassificering och båda har företräde 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 alternativet som är högre i etikettens alternativlista. Du kan till exempel ha en etikett med ett fält som har tre alternativ i etiketthanteraren:

1. Konfidentiellt
2. Internt
3. Offentlig

Om AI-klassificeringskälla ett försöker ange etiketten som Konfidentiellt och källa två försöker ange etiketten som Offentligt för samma fil tillämpas Konfidentiellt eftersom det är högre upp på etikettens alternativlista. Se till att etikettens fältalternativ visas i önskad prioritetsordning innan du konfigurerar regler.

Etiketter som tillämpas av användare

Etiketter som användarna tillämpar på filer har företräde framför etiketter som tillämpas av AI. Det innebär att AI-klassificering inte ändrar en etikett som en användare har angett tidigare.

Obs! När en användare godkänner eller ändrar en AI-märkt fil anses etiketten vara tillämpad av användaren och AI-klassificeringen ändrar inte längre dess värde.

Användarna behöver fil- och etikettbehörigheter för att interagera med automatiskt tillämpade etiketter. Du kan ange behörigheter för klassificeringsetiketten i etiketthanteraren. Mer information finns i Skapa klassificeringsetiketter för organisationen.

• Om användarna ska kunna visa automatiskt tillämpade etiketter måste de ha behörigheten Kan visa den här etiketten för klassificeringsetiketten.
• Om användarna ska kunna godkänna och ändra automatiskt tillämpade etiketter måste de ha behörigheten Kan tillämpa etiketter och ange värden för klassificeringsetiketten och de måste vara redigerare eller ägare av filen.

1. Öppna menyn i Googles administratörskonsol Säkerhet Åtkomst- och datakontroll Dataklassificering.

   Gå till Dataklassificering

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

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

   Verktyget för säkerhetsutredningar öppnas på en ny flik och visar sökresultat för Drive-händelseloggen för två AI-klassificeringsrelaterade händelser: Etikett tillämpad och Värdet i etikettfältet har ändrats.

4. Klicka på händelsens beskrivning för att visa mer information, till exempel:
   • namn och typ av dokument som har märkts
   • Etikettfältvärde som har tilldelats dokumentet (till exempel Konfidentiellt eller Begränsat)

På sidan Modellinformation för AI-klassificering visar diagrammet Användargodkännande resultatdata för dina instruktioner som härleds från användarfeedback under de senaste 180 dagarna.

Mätvärdena omfattar följande:

• Användargranskade – det totala antalet användare som har interagerat med bannern för automatisk etikett för att godkänna eller ändra ett etikettalternativ som tillämpas med Gemini.
• Användaren har godkänt – det totala antalet användare som har valt att behålla den specifika etikett som Gemini föreslog.

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

1. Öppna menyn i Googles administratörskonsol Säkerhet Åtkomst- och datakontroll Dataklassificering.

   Gå till Dataklassificering

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

2. Klicka på Visa sparade modeller i avsnittet AI-klassificering.
3. Välj Visa information under Åtgärder för modellen på sidan Modellinformation.
4. Klicka på Redigera automatisk tillämpning under AI-märkta filer.
5. Avmarkera rutorna för de etikettalternativ som du vill inaktivera automatisk tillämpning för.

   Om du vill pausa automatisk tillämpning helt avmarkerar du alla alternativ.

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

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

1. Öppna menyn i Googles administratörskonsol Säkerhet Åtkomst- och datakontroll Dataklassificering.

   Gå till Dataklassificering

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

2. Klicka på Visa sparade modeller i avsnittet AI-klassificering.
3. Välj Visa information under Åtgärder för modellen på sidan Modellinformation.
4. Klicka på Hantera automatisk tillämpning Uppdatera aktiverade organisationsenheter/grupper i Fler åtgärder högst upp på sidan.
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 radera en anpassad modell eller Gemini-instruktioner om till exempel noggrannheten inte är acceptabel. Om du raderar en anpassad modell eller Gemini-instruktioner tas alla AI-klassificeringsinställningar bort permanent. Obs!

• Etiketter som används i modellen eller Gemini-instruktionerna tas bort från inställningarna för AI-klassificering och historiken för modellen eller Gemini-instruktionerna raderas. Själva etiketterna raderas dock inte och kan fortfarande hanteras i etiketthanteraren.
• (Endast anpassad modell) Inlärningsetiketter finns kvar på filerna. När du har raderat modellen kan du välja att konfigurera en ny anpassad modell för att använda samma inlärningsetikett. Modellerna fungerar på liknande sätt om du tränar om dina befintliga träningsetiketter och träningsfiler.
• Automatisk tillämpning av etiketter som har aktiverats för modellen stoppas omedelbart. Du kan välja att ta bort eller behålla etiketter som tidigare har tillämpats automatiskt på filer som inte har godkänts eller ändrats av en användare.
• Om du skapar en ny modell eller nya Gemini-instruktioner med samma klassificeringsetikett skriver AI-klassificeringsfunktionen över resultaten från tidigare klassificeringar. På så sätt kan du ombearbeta organisationens Drive-filer, vilket kan vara användbart om kvaliteten på modellen eller anvisningarna har förbättrats avsevärt sedan du började använda den.

Så här raderar du en modell eller instruktioner:

1. Öppna menyn i Googles administratörskonsol Säkerhet Åtkomst- och datakontroll Dataklassificering.

   Gå till Dataklassificering

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

2. Klicka på Visa sparade modeller i avsnittet AI-klassificering.
3. Klicka på Åtgärder bredvid modellen eller anvisningarna på sidan Modellista och välj Radera modell eller Radera anvisningar. I dialogrutan visas effekterna av raderingen och du kan välja om du vill behålla eller ignorera tidigare tillämpade etiketter:
   • Behåll tillämpade etiketter – etiketter som tidigare har tillämpats av någon version av dessa instruktioner finns kvar i filerna.
   • Ta bort tillämpade etiketter – etiketter som tidigare har tillämpats av någon version av dessa anvisningar tas bort från filerna. Det kan ta upp till två veckor innan etiketter tas bort. Etiketter tas inte bort om de har ändrats av en användare, regler, en annan AI-modell eller Gemini-instruktioner.
4. Markera rutan för att bekräfta följande: Genom att fortsätta bekräftar du att det inte går att ångra den här åtgärden.
5. Fortsätt genom att klicka på Radera modell eller Radera instruktioner.

Både klassificeringsetiketten och inlärningsetiketten måste uppfylla följande villkor:

• Måste innehålla minst två och högst sju alternativ.
• Alternativen måste vara i samma ordning.
• Måste publiceras.
• Ha etiketter med olika åtkomstbehörigheter. Inlärningsetiketten måste vara tillgänglig enbart för etikettansvariga som kan träna modellen. Klassificeringsetiketten kan ha bredare åtkomst.

• Se till att etiketten uppfyller de etikettkriterier som krävs.
• Identifiera träningsetiketten med ordet ”träna” eller ”träning” för att göra det lättare för dem som sätter etiketter att känna igen etiketten och tillämpa den när träningsdatasetet skapas.
• Lägg till ett beskrivningsfält i inlärningsetiketten för att ytterligare hjälpa dem som sätter etiketter att förstå dess syfte.
• Se till att du ställer in etikettbehörigheterna på endast de personer som ska sätta etiketter, det vill säga de som ska identifiera filer för modellträning, med hjälp av konfigurationsgruppen som du skapade för dem.

För bästa resultat när du tränar modellen ska de som sätter etiketterna följa dessa riktlinjer:

• Se till att varje fil innehåller minst 500 tecken.
• Välj filer som representerar innehåll som användarna skapar, delar och använder i organisationen.
• Sätt etikett på ungefär samma antal filer per etikettalternativ, med minst 100 filer för varje alternativ. Det hjälper modellen att få en omfattande förståelse för din data och förbättra resultaten.
• Inkludera en representativ variation av filer för varje alternativtyp. Märk till exempel inte 100 meritförteckningar som den totala uppsättningen exempelfiler för Topphemligt om kontrakt också är en vanlig filtyp för Topphemligt i organisationen.
• Tillämpa endast inlärningsetiketten på filer som ägs av organisationen, antingen direkt av användare eller lagras på delade enheter. AI-klassificering behandlar inte filer som externa användare äger eller som finns på externa delade enheter.

När automatisk tillämpning har aktiverats genomsöker och klassificerar AI-klassificeringen alla vilande filer som den kan extrahera tillräckligt med text från. Dessa filer genomsöks minst en gång.

AI-klassificering bearbetar filer på nytt med jämna mellanrum när innehållet ändras. Innehållsändringar kan leda till en annan förutsägelse för en fil. När AI-klassificering har både ett gammalt och ett nytt förväntat alternativ för en fil föredras alternativet som är högre upp i alternativlistan. Om ett fält till exempel har tre alternativ i etiketthanteraren:

• Konfidentiellt
• Internt
• Offentlig

Anta att AI-klassificeringen klassificerar en fil som Intern och att innehållet ändras så att AI-klassificeringsmodellen förutser Konfidentiell. I det här fallet ändras klassificeringen av filen till Konfidentiell. Om AI-klassificeringsmodellen däremot förutsäger Offentlig förblir klassificeringen av filen Intern.

AI-klassificering ändrar 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 när en ny modellversion släpps. Modellen kan dock regelbundet bearbeta alla dina filer med den senaste versionen, oberoende av specifika modelluppdateringar eller omträning.

1. Dataskyddsregel utan överskrivning av användare
2. Manuell klassificering
3. Dataskyddsregel med användaröverskrivning
4. AI-klassificering
5. Standardklassificering

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

Filer som AI-klassificeringen tidigare har märkt behåller den tillämpade etiketten och alternativvärdena även efter att alternativet har inaktiverats.