Hvordan Data & More anvender falske positive og falske negative til at forbedre klassificeringen
Dataklassificering
Data & Mores dataklassificeringsteam arbejder løbende på at forbedre klassificeringen af persondata. Det er afgørende præcist at identificere og klassificere alle typer af persondata eller sikkerhedsdata, samtidig med at antallet af fejlklassificerede elementer minimeres. For at understøtte dette mål har Data & More etableret følgende metoder til håndtering af to typer fejlklassificerede data: falske positive og falske negative
Sådan håndteres: Falskepositive
Definition: Filer, som Data & More har klassificeret som persondata eller sikkerhedsdata men som ikke er faktiske persondata eller sikkerhedsdata — dvs. "fejlklassificerede" .
Proces:
I D&M's oprydningsproces kan brugere markere en klassificeret fil som "fejlklassificeret." At markere en klassificeret fil som fejlklassificeret betyder, at den er en falsk positiv .
Disse "fejlklassificerede" filer udelukkes fra oprydningsrapporten. Under vedligeholdelse vil Data & More-teamet gennemgå disse filer .
Bemærk: Dataene flyttes eller kopieres ikke fra installationen. D&M-teamet gennemgår udelukkende dataene for at forbedre den generelle klassificeringslogik.
Sådan håndteres: Falske negative
Definition: Filer, som Data & More ikke har klassificeret som persondata eller sikkerhedsdata, men som burde have været klassificeret — dvs. "fejlklassificerede."
Proces:
Falske negative er sværere at opdage, da de ikke oprindeligt blev markeret. Det er filer, der burde have været identificeret/klassificeret, men ikke blev det — kaldet falske negative .Opret en mappe i lagersystemet.Kopiér eksempler på sådanne data ind i mappen.Navngiv mappen: DM false negatives .
For at hjælpe med at identificere falske negative uden at kopiere data ud af systemet bør brugere:
Data & More-teamet vil gennemgå disse data under vedligeholdelse og anvende dem til at forbedre den overordnede klassificeringsproces.