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

Den här funktionen ingår i Frontline Plus och Enterprise Plus. Den ingår även i tilläggen Gemini Enterprise–Legacy, Gemini Education Premium och AI Security. Jämför tillägg

AI-klassificering kan automatiskt märka din organisations känsliga innehåll i Google Drive med hjälp av anpassade AI-modeller som din organisation tränar, utan behov av programmering. Som administratör styr du vilka data dina modeller tränar på, så varje modell är unik för och kan endast användas av din organisation. Du kan skapa upp till 5 unika AI-klassificeringsmodeller för din organisation.

Du kan utnyttja dina AI-klassificerade filer i säkerhetspolicyer som dataskyddsregler, Vault med mera.

Obs! För att filer ska kunna märkas med AI-klassificering måste de finnas på delade enheter eller ägas av användare med licenser som stöder klassificeringsetiketter .

Översikt över Al-klassificering

Här är de grundläggande stegen du följer för att konfigurera AI-klassificering för att automatiskt märka nya och befintliga filer i Drive.

1. Skapa en modell : Först väljer eller skapar du en klassificeringsetikett som AI-modellen automatiskt tillämpar på filer efter att den har tränats. Du skapar också träningsetiketten som används för att träna modellen för att identifiera din organisations känsliga innehåll. Sedan skapar du en AI-modell för att använda dessa etiketter.

2. Träna modellen : När du har skapat dina etiketter klassificerar utsedda etiketterare Drive-filer med träningsetiketten för att skapa din träningsdatauppsättning . Din modell använder sedan datauppsättningen för att lära sig hur man klassificerar känsliga filer.

3. Aktivera AI-klassificering : När modellen är tränad kan du ställa in automatisk filmärkning, kallad auto-apply . Under installationen väljer du vilka etikettalternativ som ska aktiveras och vilka användare som äger de filer som du vill att AI-klassificeringen ska tillämpa etiketter på. Din modell börjar sedan automatiskt märka känsliga filer.

4. Övervaka din modell : Du kan använda Drive-händelseloggen för att övervaka hur många filer som klassificerats, samt hur många användare som accepterat eller ändrat en automatiskt tillämpad etikett (om de har behörighet).

Innan du börjar

  • Förstå hur klassificeringsetiketter fungerar och hur du skapar dem. För mer information, gå till Kom igång som administratör för klassificeringsetiketter .
  • Välj dina utsedda etiketterare – en grupp användare i din organisation som korrekt kan tillämpa utbildningsetiketten manuellt på känsliga filer.
  • Skapa en konfigurationsgrupp enbart för dina utsedda etiketterare. För instruktioner, gå till Anpassa tjänstinställningar med konfigurationsgrupper .
  • Aktivera följande behörigheter i administratörskontot: Hantera klassificeringsetiketter, Hantera DLP-regler och Visa DLP-regler.

Skapa en modell

För att skapa en modell måste du först välja en befintlig klassificeringsetikett eller skapa en ny. Därefter måste du skapa en matchande träningsetikett – antingen automatiskt (rekommenderas) eller manuellt med hjälp av etiketthanteraren – som dina utsedda etiketterare kommer att använda.

Välj eller skapa en klassificeringsetikett

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 .

Skapa en träningsetikett

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.

Skapa modellen

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

Träna modellen

För att träna AI-modellen måste du skapa en träningsdatauppsättning och sedan starta den första träningskörningen. Under en träningskörning lär sig modellen från exemplen i datauppsättningen.

Omträning sker automatiskt: Efter den första träningskörningen omtränas din modell varannan vecka för att förbättra eller bibehålla dess noggrannhetsnivå. Du kan omträna din modell manuellt när som helst. Efter varje träningskörning släpps en ny modell och det automatiska 2-veckors omträningsschemat återställs.

Skapa en träningsdatauppsättning

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 och sedan Säkerhet och sedan Åtkomst- och datakontroll och sedan Dataklassificering .

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

  2. I avsnittet AI-klassificering klickar du på Visa nn- 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

Starta ett träningspass

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 och sedan Säkerhet och sedan Åtkomst- och datakontroll och sedan Dataklassificering .

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

  2. I avsnittet AI-klassificering klickar du på Visa nn- 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 träning: Kontrollera modellens poäng

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

Aktivera AI-klassificering

När AI-modellen har tränats för att uppnå en lägsta noggrannhetsnivå (minst 50 %) kan du välja etikettalternativ och aktivera automatisk filmärkning, eller tillämpa automatiskt . För bästa resultat rekommenderas det dock att vänta tills dina modellpoäng når minst 80 %.

För att aktivera automatisk tillämpning

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

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

  2. I avsnittet AI-klassificering klickar du på Visa nn- 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 AI-klassificering skannar filer

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.

Hur konflikter vid automatisk tillämpning hanteras

Regler för dataskydd

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

Flera regler

När två eller fler av samma typ av regler försöker tillämpa olika etikettalternativ 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 regel 1 försöker ställa in etiketten som Konfidentiell och regel 2 försöker ställa in etiketten som Offentlig för samma fil, tillämpas Konfidentiellt . Se till att etikettens 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.

Övervaka din modell

Få information om hur AI-klassificering märker filer i Drive-händelseloggen. För varje etikettalternativ visar loggen hur många filer som klassificerades med automatisk tillämpning och hur många användare som accepterade den automatiskt tillämpade etiketten eller ändrade den. Användare behöver behörighet för att vidta åtgärder på automatiskt tillämpade etiketter.

Behörigheter som användare behöver för att interagera med automatiskt tillämpade etiketter

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.

Visa AI-klassificeringshändelser i Drive-händelseloggen

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

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

  2. I avsnittet AI-klassificering klickar du på Visa nn- 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)

Hantera din modell

Stäng av automatisk tillämpning av en klassificeringsetikett

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

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

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

  2. I avsnittet AI-klassificering klickar du på Visa nn- 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 och sedan Säkerhet och sedan Åtkomst- och datakontroll och sedan Dataklassificering .

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

  2. I avsnittet AI-klassificering klickar du på Visa nn- 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. och sedan 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 .

Ta bort en modell

Du kan behöva ta bort en modell – till exempel för att modellens noggrannhet inte förbättras. Om du tar bort en modell tas alla dess AI-klassificeringsinställningar bort permanent. Obs!

  • Etiketter som endast används i den här modellen tas bort från klassificeringsinställningarna och alla versioner av modellen raderas.
  • Träningsetiketter finns kvar i filerna. Efter att du har tagit bort modellen kan du välja att konfigurera en ny modell för att använda samma träningsetikett (eller en annan).
  • Alla automatiska etiketter som du har aktiverat för den här modellen stoppas omedelbart, men etiketter som tidigare tillämpades automatiskt finns kvar på filerna.
  • Modellresultaten kommer att vara liknande om du tränar om din befintliga träningsetikett och dina träningsfiler.
  • Om du återskapar samma klassificeringsetikett för en ny modell ignorerar och skriver AI-klassificeringsfunktionen över klassificeringarna från tidigare modeller. På så sätt kan du "bearbeta om" organisationens Drive-filer. Detta kan vara användbart om du har gjort betydande förbättringar av modellkvaliteten sedan din första implementering.

Så här tar du bort en modell:

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

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

  2. I avsnittet AI-klassificering klickar du på Visa nn- modeller .
  3. On the Model details page, under Actions for the model, select View details .
  4. På sidan Modellinformation, klicka på Ta bort modell för Åtgärder till höger.

    Dialogrutan Ta bort modell listar effekterna av att ta bort modellen.

  5. För att fortsätta, klicka på Ta bort modell .

Vanliga frågor

Utbildnings- och klassificeringsetiketter

Vilka är kraven för utbildnings- och klassificeringsetiketterna?

Både klassificeringsetiketten och utbildningsetiketten måste uppfylla följande kriterier:

  • Måste innehålla minst 2 och högst 7 alternativ.
  • Måste ha sina alternativ i samma ordning.

    Till exempel, om klassificeringsetiketten har alternativ i denna ordning:

    1. Alternativ 1
    2. Alternativ 2
    3. Alternativ 3

    Alternativen för träningsetiketter kan inte ordnas enligt följande:

    1. Alternativ 2
    2. Alternativ 1
    3. Alternativ 3
  • Måste publiceras.
  • Ha etiketter med olika åtkomstbehörigheter. Träningsetiketten ska endast vara tillgänglig för utsedda etiketterare som kan träna modellen. Klassificeringsetiketten kan ha bredare åtkomst.

Hur skapar jag en träningsetikett manuellt?

Även om det är bäst att skapa träningsetiketten automatiskt när du konfigurerar din modell, kan du skapa en manuellt i etiketthanteraren genom att följa dessa riktlinjer:
  • Make sure the label meets the required label criteria .
  • Identifiera träningsetiketten med ordet "train" eller "training" för att göra det enklare för dina utsedda etiketterare att känna igen etiketten och tillämpa den när du 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. Etiketteringsanvändare behöver behörigheten Kan tillämpa etiketter och ange värden . Mer information finns i Skapa klassificeringsetiketter för din organisation .

Kan jag använda klassificeringsetiketten som träningsetikett?

Nej, klassificeringsetiketten och utbildningsetiketten måste vara olika. Etiketten du väljer som klassificeringsetikett är inte tillgänglig för utbildningsetiketten.

Träningsdataset

Vilka filer är bra att träna modellen på?

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.

Kan modellen tränas på tidigare märkta filer?

Det är för närvarande inte möjligt att träna filer som redan är märkta. En modell kräver att en träningsetikett är en replik av den etikett som den automatiskt tillämpar på filer, men de kan inte vara samma etikett.

Kan modellen tränas på flera språk?

Modellen stöder flera språk; dock bör ett representativt urval av filer för varje alternativtyp och språk inkluderas i träningsdata. Detta ökar antalet filer som krävs för att framgångsrikt träna modellen. Endast språk baserade på latinska tecken stöds.

Hur beräknas poäng under träning?

Under träningen använder AI-modellen 75 % av indata för att träna sig själv i hur filer ska märkas och reserverar 25 % för att regelbundet testa sin egen prestanda. Med andra ord, för 25 % av de märkta filerna analyserar modellen dessa filer som om den inte visste vilken etikett som har tillämpats. AI-modellen gör sedan sitt eget etikettval och jämför det valet med den faktiska etiketten som tillämpats av den utsedda märkaren. Poängen visar hur stor andel av de reserverade filerna den korrekt tilldelade rätt etikett.

När jag har tränat en modell, kan jag "frysa" den för att stoppa omträningen automatiskt?

AI-klassificeringsmodeller tränas med hjälp av filer i Drive. När dessa filer raderas (ofta enligt lagringsscheman via Google Vault) måste modellen också raderas för att säkerställa att filernas innehåll inte finns kvar på något sätt. Av denna anledning sker modellomträning kontinuerligt och kan inte pausas.

Kan användare ändra eller korrigera etiketter och fältvärden?

Användare med behörighet kan uppdatera en etikett eller ett fältvärde, men AI-klassificering reviderar inte klassificeringsmodellen baserat på den ändringen. Om du märker att modellen har tillämpat etiketter och fältvärden felaktigt kan du be dina utsedda etiketterare att tilldela filerna rätt träningsetikett. AI-klassificering införlivar sedan dessa data i nästa modellsjälvträningscykel.

Tillämpa automatiskt

Kan AI-klassificering utvärdera bilder, video och ljudfiler?

AI-klassificering använder samma indexerbara textbehandling som Drive DLP. Alla filer från vilka Drive kan extrahera indexerbar text kan utvärderas för AI-klassificeringsbaserade etiketter. Detta inkluderar optisk teckenigenkänning (OCR) för att extrahera text från bilder. AI-klassificering utvärderar dock inte video- eller ljudfiler.

Fungerar AI-klassificering endast för att märka känsligt innehåll?

Känsligt innehåll är det primära fokuset för AI-klassificering, men vilken etikett som helst med upp till fyra alternativ kan tränas för automatisk märkning. Klassificeringsetiketter används också för granskning, sökbarhet och hantering av arkivering.

Fungerar AI-klassificering när klientsideskryptering (CSE) är aktiverad?

Eftersom Google inte kan dekryptera filer som är krypterade med CSE (bara din privata krypteringsnyckel kan) kan AI-klassificering inte tränas på filer som är krypterade med CSE och kan inte automatiskt tillämpa etiketter på dessa filer.

Hur och när reviderar AI-klassificeringen de automatiskt tillämpade etiketterna?

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.

Om modellen ändras, omvärderar modellen automatiskt befintliga filer?

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.

Prioritetsprioriteras AI-klassificering framför andra klassificeringsmetoder när flera är aktiva?

Dataklassificering kan åsidosättas. Dataklassificering görs i följande ordning:
  1. DLP-regel utan användaröverskrivning
  2. Manuell klassificering
  3. DLP-regel med användaröverskrivning
  4. AI-klassificering
  5. Standardklassificering
Genom att ta bort en etikett eller ett fält kan en klassificeringsmekanism på lägre nivå träda i kraft. Till exempel kan en fil vars etikett tagits bort av en användare senare få samma etikett automatiskt tillämpad av AI-klassificering.

Vilka typer av filer kan AI-klassificering tillämpa etiketter på?

  • 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.

Vad händer när ett alternativ för automatisk tillämpning är inaktiverat?

Om en fil under skanning förväntas ha ett alternativ för vilket automatisk tillämpning är inaktiverad, tillämpar AI-klassificeringen ingen etikett eller något fältvärde på filen.

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

Kan jag återställa automatiskt tillämpade etiketter?

Du kan inte ångra tillämpningen av etiketter. Vi rekommenderar att du förfinar och testar dina modeller med en liten publik innan bred distribution. Du kan till exempel träna dina modeller med en tillfällig etikett. När modellens prestanda är tillfredsställande kan du sedan "återställa" modellen genom att ta bort den och skapa en ny modell med samma träningsetikett (samma träningsdatauppsättning) men med din permanenta etikett.

Licensiering

Hur fungerar funktionen för användare utan behörig licens?

Om en administratör i din organisation har en licens som stöder AI-klassificering kan de träna en modell. Utsedda etiketterare (användare som tillämpar träningsetiketten) behöver inte ha en licens med AI-klassificering.

Filer med träningsetiketten kan ägas av alla användare med en licens som stöder Drive-klassificeringsetiketter . AI-klassificering etiketterar dock endast filer som finns på delade enheter eller ägs av användare med licenser som stöder AI-klassificering. Filer som ägs av användare utan en licens som stöds bearbetas inte av AI-klassificering.

Om inga användare har en licens som stöder AI-klassificering inaktiveras automatisk tillämpning och klassificeringsmodellen tas bort. Träningsetiketter och etiketter som tillämpas av AI-klassificering finns dock kvar i filer.

Hur fungerar funktionen för arkiverade användare?

Användare med en Google Workspace Enterprise Plus – Arkiverad användare-licens kommer att få sina filer märkta efter AI-klassificering.

Kom igång som administratör för Drive-etiketter