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

Your classification must be enabled for Drive and Docs . After training, the AI model automatically applies your classification label to sensitive Drive files. The model is trained on only one field per label, which must be either a badge list or an options list .

We 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

If you have an existing label that meets these requirements, you can use it as a classification label. Otherwise, use label manager to create a label, either before or when setting up the model (later on this page). For details, go to Create classification labels for your organization .

Your training label is nearly identical to the classification label and is used only for training purposes by designated labelers. When creating your model (later on this page), you can automatically create the training label so you can be sure it matches the classification label.

You can also choose to create your own training label manually using label manager, either before or when setting up the model. For details, see How do I manually create a training labels? later on the page.

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' .

   Important: Make sure your label meets the training label criteria and you set label permissions so only your labelers can access it. For details, go to training label guidelines later on the page.

   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 'NN -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 .

   Go to Data classification

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

2. Klik in het gedeelte AI-classificatie op 'NN -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.

After a training run, your model is released with percentage scores for each label option. Each score, called a recall score , is the percentage of training examples the model classified correctly after testing itself:

• 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 'NN -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.

After auto-apply is turned on for files owned by users and shared drives, AI classification scans their files (at rest) at least once within 1 to 2 weeks. AI Classification also scans files whenever they're uploaded or modified, and might change the applied label if the file's content changes.

Regels voor gegevensbescherming

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

Meerdere regels

When 2 or more of the same kind of rules try to apply different label options to the same file, the option that's higher in the label's options list is applied. For example, you might have a label with a field that has 3 options in the label manager:

1. Vertrouwelijk
2. Intern
3. Openbaar

If Rule 1 tries to set the label as Confidential , and Rule 2 tries to set the label as Public for the same file, Confidential is applied. Make sure that a label's field options are listed in your preferred order of priority before setting up rules.

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.

Users need file and label permissions to interact with auto-applied labels. You can set permissions for your classification label in label manager. For details, see Create classification labels for your organization .

• 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 'NN -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)

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 'NN -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, vinkt u alle opties uit.

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 'NN -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 .

Het kan nodig zijn een model te verwijderen, bijvoorbeeld omdat de nauwkeurigheid van het model niet verbetert. Als u een model verwijdert, worden alle AI-classificatie-instellingen permanent verwijderd. Let op:

• Labels die alleen in dit model worden gebruikt, worden verwijderd uit de classificatie-instellingen en alle versies van het model worden verwijderd.
• De trainingslabels blijven in de bestanden behouden. Na het verwijderen van het model kunt u ervoor kiezen om een ​​nieuw model te configureren met hetzelfde trainingslabel (of een ander label).
• Alle automatische labeltoevoegingen die u voor dit model hebt ingeschakeld, worden onmiddellijk gestopt, maar eerder automatisch toegevoegde labels blijven op bestanden staan.
• De modelresultaten zullen vergelijkbaar zijn als u het model opnieuw traint met uw bestaande trainingslabels en trainingsbestanden.
• If you recreate the same classification label for a new model, the AI classification feature ignores and overwrites the classifications of previous models. In this way, you can "reprocess" your organization's Drive files. This can be useful if you made significant improvements to model quality since your initial deployment.

Om een ​​model 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 'NN -modellen bekijken' .
3. Selecteer op de pagina met modeldetails , onder Acties voor het model, de optie Details bekijken .
4. Klik op de pagina met modeldetails, bij Acties aan de rechterkant, op Model verwijderen .

   In het dialoogvenster 'Model verwijderen' worden de gevolgen van het verwijderen van het model weergegeven.

5. Klik op Model verwijderen om verder te gaan.

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.

  Als het classificatielabel bijvoorbeeld opties in deze volgorde heeft:

  1. Optie 1
  2. Optie 2
  3. Optie 3

  De trainingslabelopties kunnen niet in de volgende volgorde worden geplaatst:

  1. Optie 2
  2. Optie 1
  3. Optie 3
• 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 aanmaken van de trainingsdataset.
• Voeg een beschrijvingsveld toe aan het trainingslabel om de aangewezen labelaars te helpen het doel ervan beter te begrijpen.
• Be sure to set the label permissions to only your designated labelers—that is, those who will identify files for model training—using the the configuration group you created for labelers. Labelers need the Can apply labels and set values permission. For details, go to Create classification labels for your organization .

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 roughly the same number of files per label option, with a minimum of 100 files for each option. This helps the model to gain a comprehensive understanding of your data and improve scores.
• Include a representative variety of files for each option type. For example, don't label 100 resumes as your total set of example files for Top Secret if contracts are also a common Top Secret file type in your organization.
• Apply the training label only to files owned by your organization, either owned directly by users or stored in shared drives. AI classification doesn't process files that external users own or are located in external shared drives.

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 classification reprocesses files periodically as content is modified. Content changes may result in a different prediction for a file. When AI classification has both an old and a new predicted option for a file, it will prefer the option that is higher in the option list. For example, if a field has three options listed in the label manager:

• Vertrouwelijk
• Intern
• Openbaar

Suppose AI classification classifies a file as Internal , and the content changes so that the AI classification model predicts Confidential . In this case, the classification on the file is changed to Confidential . However, if the AI classification model predicts Public , the classification on the file remains as Internal .

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

Your files are processed by the latest model when they are created or modified. Existing files aren't automatically reprocessed when a new model version is released. However, the model may periodically reprocess all your files with the latest version, independent of specific model updates or retraining.

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.
• A file must have a minimum amount of text for AI classification to apply a label. As a result, some files, such as very short documents and images with small amounts of text, might not get classified.

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

Files with the training label can be owned by any users with a license that supports Drive classification labels . However, AI classification only labels files that are in shared drives or owned by users with licenses that support AI classification. Files owned by users without a supported license aren't processed by AI classification.

If no users have a license that supports AI classification, auto-apply is turned off and the classification model is deleted. However, training labels and labels applied by AI classification persist on files.