Resumen

Estimación de costo SCU

Este agente normalmente consume 0,01 - 1 SCUs por ejecución de análisis, dependiendo del volumen de datos de clasificación y del modo de análisis seleccionado. El modo de análisis profundo puede usar más SCUs.

Introducción

Classification Optimizer te ayuda a aprovechar al máximo la clasificación de datos de Microsoft Purview. Si alguna vez te has preguntado por qué cierta información sensible sigue pasando desapercibida, o por qué estás inundado de falsos positivos, este agente es para ti. Analiza cómo funcionan realmente tus Tipos de Información Sensible (SIT) en el mundo real, encuentra patrones que no sabías que existían y te dice exactamente cómo mejorar la precisión de tu clasificación.

Qué hace

• Analiza el rendimiento real de los SIT basado en datos de detección reales, no solo en teoría

• Encuentra patrones de coocurrencia mostrando qué tipos sensibles aparecen juntos

• Identifica brechas de clasificación donde no se está detectando información importante

• Detecta clasificadores redundantes que se solapan y crean complejidad innecesaria

• Recomienda nuevos SIT compuestos basados en patrones que aparecen consistentemente juntos

• Sugiere ajuste de parámetros para reducir falsos positivos y mejorar la precisión

• Identifica candidatos a clasificadores entrenables para patrones complejos dependientes del contexto

• Proporciona recomendaciones priorizadas con respaldo estadístico (support, lift, confidence)

Casos de uso

1. Reducción de falsos positivos

Tus políticas DLP se disparan constantemente, pero la mitad de las alertas no son problemas reales. Los usuarios se frustran con bloqueos que no tienen sentido. Classification Optimizer analiza qué SIT están causando problemas y recomienda ajustes de parámetros específicos (niveles de confianza, conteos de instancias, umbrales) para mejorar la precisión sin sacrificar la protección.

2. Mejora de la precisión de detección

Datos sensibles importantes están pasando por tus políticas. Sospechas que tus clasificadores no están captando todo lo que deberían. El agente identifica brechas de cobertura, analiza patrones de detección y recomienda nuevas combinaciones de SIT o clasificadores entrenables para captar lo que actualmente estás perdiendo.

3. Simplificación de esquemas de clasificación complejos

Con el tiempo, has acumulado docenas o cientos de SIT, y nadie sabe cuáles son realmente valiosos. Classification Optimizer te muestra qué clasificadores son redundantes, cuáles aparecen consistentemente juntos (y deberían combinarse) y cuáles no están detectando nada útil. Por fin limpia ese desorden de clasificadores.

4. Construcción de mejores clasificadores compuestos

Sabes que ciertos tipos de datos sensibles tienden a aparecer juntos (como números de pasaporte con fechas de nacimiento), pero crear manualmente los SIT compuestos correctos es conjetura. El agente analiza patrones de coocurrencia con métricas estadísticas y luego recomienda exactamente qué SIT deben combinarse y con qué parámetros.

5. Cumplimiento más efectivo de requisitos regulatorios

Los marcos de cumplimiento requieren protecciones de datos específicas, pero tus SIT actuales no están alineados con esos requisitos. Classification Optimizer identifica brechas estratégicas vinculadas a necesidades regulatorias y recomienda nuevos clasificadores o clasificadores entrenables para cerrar esas brechas.

¿Por qué Classification Optimizer?

El problema con el que se enfrenta	Cómo ayuda esto
Sobrecarga de falsos positivos: Alertas DLP por todas partes, pero la mayoría no son problemas reales	Ajuste de precisión: Recomendaciones de parámetros específicas para reducir el ruido manteniendo la protección
Datos importantes que se escapan: Tus políticas no están captando todo lo que deberían	Análisis de brechas: Identifica lo que se está perdiendo y recomienda nuevos patrones de detección
Caos de clasificadores: Demasiados SIT, no está claro cuáles importan	Análisis de uso: Muestra qué clasificadores son realmente valiosos frente a los redundantes
Conjeturas manuales: Construir SIT compuestos basándose en la intuición en lugar de en datos	Descubrimiento de patrones: El análisis estadístico revela qué SIT coocurren de forma consistente
Análisis que consume tiempo: Revisar manualmente la efectividad de la clasificación lleva una eternidad	Información automatizada: Análisis completo con recomendaciones priorizadas en minutos
Sin dirección estratégica: No está claro dónde centrar los esfuerzos de mejora de la clasificación	Hoja de ruta priorizada: Recomendaciones ordenadas por impacto con métricas de respaldo

Cómo funciona

Qué se incluye:

• Datos de alertas de Purview y eventos de detección de tu rango de tiempo especificado (por defecto 30 días)

• Configuraciones de SIT existentes y patrones de detección

• Analítica de clasificación y datos de uso

• Eventos de seguridad que muestran detecciones reales de SIT

• Datos de clasificación de SharePoint, Exchange y archivos

Qué hace:

• Calcula métricas básicas para cada SIT (frecuencia de detección, distribución)

• Construye una matriz de coocurrencia que muestra qué SIT aparecen juntos

• Aplica análisis estadístico (support, lift, probabilidad condicional)

• Identifica patrones, brechas y oportunidades de optimización

• Genera recomendaciones con justificación técnica y clasificación por prioridad

Qué obtiene:

• Métricas básicas de rendimiento de los SIT

• Patrones de coocurrencia con significancia estadística

• Recomendaciones de nuevos SIT compuestos con parámetros sugeridos

• Guía de ajuste de parámetros para los SIT existentes

• Candidatos a clasificadores entrenables para patrones complejos

• Sugerencias de optimización de políticas (alcance, ajuste de reglas, agrupaciones)

• Plan de acción priorizado con impacto esperado

• Salida de depuración (opcional) que muestra pasos detallados del análisis