Riduzione dei falsi positivi di DLP con esclusioni di corrispondenza dati

Opzioni per il download

PDF (251.4 KB)
Visualizza con Adobe Reader su diversi dispositivi
ePub (104.6 KB)
Visualizza in diverse app su iPhone, iPad, Android, Sony Reader o Windows Phone
Mobi (Kindle) (85.2 KB)
Visualizza su dispositivo Kindle o tramite app Kindle su più dispositivi

Aggiornato:22 ottobre 2025

ID documento:225257

Linguaggio senza pregiudizi

La documentazione per questo prodotto è stata redatta cercando di utilizzare un linguaggio senza pregiudizi. Ai fini di questa documentazione, per linguaggio senza di pregiudizi si intende un linguaggio che non implica discriminazioni basate su età, disabilità, genere, identità razziale, identità etnica, orientamento sessuale, status socioeconomico e intersezionalità. Le eventuali eccezioni possono dipendere dal linguaggio codificato nelle interfacce utente del software del prodotto, dal linguaggio utilizzato nella documentazione RFP o dal linguaggio utilizzato in prodotti di terze parti a cui si fa riferimento. Scopri di più sul modo in cui Cisco utilizza il linguaggio inclusivo.

Informazioni su questa traduzione

Cisco ha tradotto questo documento utilizzando una combinazione di tecnologie automatiche e umane per offrire ai nostri utenti in tutto il mondo contenuti di supporto nella propria lingua. Si noti che anche la migliore traduzione automatica non sarà mai accurata come quella fornita da un traduttore professionista. Cisco Systems, Inc. non si assume alcuna responsabilità per l’accuratezza di queste traduzioni e consiglia di consultare sempre il documento originale in inglese (disponibile al link fornito).

Sommario

Introduzione

In questo documento viene descritto come utilizzare le esclusioni di corrispondenza dati per ridurre i falsi positivi nelle classificazioni dei dati DLP (Data Loss Prevention).

Panoramica

Le esclusioni di corrispondenza dati consentono di escludere specifici dati corrispondenti, in modo da ottimizzare le classificazioni dei dati DLP e ridurre significativamente i falsi positivi. Questa funzione consente una protezione dei dati più accurata, escludendo dalle analisi DLP i dati noti e non riservati o le corrispondenze irrilevanti.

Come le esclusioni di corrispondenza dati riducono al minimo i falsi positivi

Gli identificatori incorporati e personalizzati possono generare falsi positivi quando le parole chiave o i modelli corrispondono a dati non riservati. Ad esempio:

Identificatori basati su numero:
Identificativi come il numero di previdenza sociale statunitense (SSN) possono corrispondere ad altri numeri di 9 cifre, ad esempio gli ID account interni. L'esclusione degli ID di account noti riduce questi falsi positivi.
Identificatori basati su testo:
I clienti del settore sanitario che utilizzano la classificazione dei dati compatibile con HIPAA possono rilevare il termine "cancro" in contesti non correlati ai pazienti, ad esempio "organizzazione per la donazione di tumori". È possibile escludere termini specifici per impedire l'invio di falsi allarmi.

Con le Esclusioni di corrispondenza dati è possibile specificare termini o modelli regex, assicurandosi che le corrispondenze su questi non attivino eventi di violazione dei dati. Ciò consente un controllo preciso sugli allarmi DLP.

Come utilizzare le esclusioni di corrispondenza dati

Nel dashboard Umbrella passare alla pagina Classificazione dati.
Nella sezione Escludi identificatori dati selezionare un identificatore personalizzato o un identificatore predefinito da escludere.
Immettere i termini specifici o i modelli di espressioni regolari che si desidera escludere.
- Le esclusioni si applicano solo al contenuto corrispondente specifico e non all'intero documento.
- Ad esempio, se si esclude "Organizzazione per la donazione del cancro", solo tale termine viene escluso dalle violazioni, mentre il resto del documento viene ancora analizzato.
Se lo stesso identificatore di dati è incluso ed escluso nella stessa classificazione, l'esclusione ha la priorità.