DLP false positives verminderen met uitsluitingen voor gegevensuitwisseling

Downloadopties

PDF (252.0 KB)
Met Adobe Reader op diverse apparaten bekijken
ePub (105.0 KB)
Bekijken in diverse apps op iPhone, iPad, Android, Sony Reader of Windows Phone
Mobi (Kindle) (85.8 KB)
Op Kindle-apparaat of via Kindle-app op meerdere apparaten bekijken

Bijgewerkt:22 oktober 2025

Document-id:225257

Inclusief taalgebruik

De documentatie van dit product is waar mogelijk geschreven met inclusief taalgebruik. Inclusief taalgebruik wordt in deze documentatie gedefinieerd als taal die geen discriminatie op basis van leeftijd, handicap, gender, etniciteit, seksuele oriëntatie, sociaaleconomische status of combinaties hiervan weerspiegelt. In deze documentatie kunnen uitzonderingen voorkomen vanwege bewoordingen die in de gebruikersinterfaces van de productsoftware zijn gecodeerd, die op het taalgebruik in de RFP-documentatie zijn gebaseerd of die worden gebruikt in een product van een externe partij waarnaar wordt verwezen. Lees meer over hoe Cisco gebruikmaakt van inclusief taalgebruik.

Over deze vertaling

Cisco heeft dit document vertaald via een combinatie van machine- en menselijke technologie om onze gebruikers wereldwijd ondersteuningscontent te bieden in hun eigen taal. Houd er rekening mee dat zelfs de beste machinevertaling niet net zo nauwkeurig is als die van een professionele vertaler. Cisco Systems, Inc. is niet aansprakelijk voor de nauwkeurigheid van deze vertalingen en raadt aan altijd het oorspronkelijke Engelstalige document (link) te raadplegen.

Inhoud

Inleiding

In dit document wordt beschreven hoe u gegevensovereenkomende uitsluitingen kunt gebruiken om false positives in gegevensverliespreventie (DLP)-gegevensclassificaties te verminderen.

Overzicht

Met Data Matching Exclusions kunt u specifieke overeenkomende gegevens uitsluiten, waardoor u DLP-gegevensclassificaties kunt verfijnen en valse positieven aanzienlijk kunt verminderen. Deze functie zorgt voor een nauwkeurigere gegevensbescherming doordat u bekende, niet-gevoelige gegevens of irrelevante overeenkomsten kunt uitsluiten van DLP-scans.

Hoe uitsluitingen voor gegevensuitwisseling valse positieven minimaliseren

Ingebouwde en aangepaste identifiers kunnen valse positieven genereren wanneer zoekwoorden of patronen overeenkomen met niet-gevoelige gegevens. Voorbeeld:

Identificatiecodes op basis van nummers:
Identifiers zoals het Amerikaanse sofinummer (SSN) kunnen overeenkomen met andere 9-cijferige nummers, zoals interne account-id's. Door bekende account-ID's uit te sluiten, worden deze fout-positieven verminderd.
Op tekst gebaseerde identificatoren:
Klanten in de gezondheidszorg die HIPAA-conforme gegevensclassificatie gebruiken, kunnen de term 'kanker' detecteren in niet-patiëntcontexten, zoals 'kankerdonatieorganisatie'. U kunt specifieke voorwaarden uitsluiten om dergelijke valse meldingen te voorkomen.

Met Uitsluitingen voor gegevensuitwisseling kunt u termen of regex-patronen opgeven, zodat overeenkomsten op deze niet leiden tot gegevensovertredingen. Dit maakt nauwkeurige controle over DLP-waarschuwingen mogelijk.

Hoe te gebruiken Data Matching Uitsluitingen

Ga in het Umbrella-dashboard naar de pagina Gegevensclassificatie.
Selecteer in het gedeelte Gegevens uitsluiten een aangepaste id of een ingebouwde id om uit te sluiten.
Voer de specifieke termen of reguliere expressiepatronen in die u wilt uitsluiten.
- Uitsluitingen gelden alleen voor de specifieke overeenkomende inhoud, niet voor het hele document.
- Als u bijvoorbeeld 'Kankerdonatie-organisatie' uitsluit, wordt alleen die term uitgesloten van overtredingen, terwijl de rest van het document nog steeds wordt gescand.
Als dezelfde data identifier wordt opgenomen en uitgesloten in dezelfde classificatie, heeft de uitsluiting voorrang.