Descripción general

Estimación de costo de SCU

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

Introducción

Classification Optimizer te ayuda a sacar el máximo partido de la clasificación de datos de Microsoft Purview. Si alguna vez te has preguntado por qué cierta información confidencial sigue filtrándose, o por qué te ahogas en falsos positivos, este agente es para ti. Analiza cómo están funcionando realmente en el mundo real tus Sensitive Information Types (SITs), 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 SITs basado en datos de detección reales, no solo en teoría

• Encuentra patrones de coocurrencia mostrando qué tipos confidenciales aparecen juntos

• Identifica lagunas de clasificación donde no se están detectando datos importantes

• Detecta clasificadores redundantes que se solapan y crean una complejidad innecesaria

• Recomienda nuevos SITs compuestos basados en patrones que aparecen juntos de forma constante

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

• Identifica candidatos a clasificador entrenable para patrones complejos que dependen del contexto

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

Casos de uso

1. Reducir falsos positivos

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

2. Mejorar la precisión de detección

Los datos confidenciales importantes se están filtrando a través de tus políticas. Sospechas que tus clasificadores no están detectando todo lo que deberían. El agente identifica lagunas de cobertura, analiza patrones de detección y recomienda nuevas combinaciones de SITs o clasificadores entrenables para detectar lo que actualmente te falta.

3. Simplificar esquemas de clasificación complejos

Con el tiempo, has acumulado docenas o cientos de SITs, y nadie sabe ya cuáles son realmente valiosos. Classification Optimizer te muestra qué clasificadores son redundantes, cuáles aparecen juntos de forma constante (y deberían combinarse) y cuáles no están detectando nada útil. Por fin limpia esa proliferación de clasificadores.

4. Crear mejores clasificadores compuestos

Sabes que ciertos tipos de datos confidenciales tienden a aparecer juntos (como los números de pasaporte con las fechas de nacimiento), pero crear manualmente los SITs compuestos adecuados es una apuesta. El agente analiza los patrones de coocurrencia con métricas estadísticas y luego recomienda exactamente qué SITs deberían combinarse y con qué parámetros.

5. Cumplir los requisitos normativos de forma más eficaz

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

¿Por qué Classification Optimizer?

El problema al que te enfrentas	Cómo ayuda esto
Sobrecarga de falsos positivos: alertas de DLP por todas partes, pero la mayoría no son problemas reales	Ajuste de precisión: recomendaciones específicas de parámetros para reducir el ruido manteniendo la protección
Datos importantes que se filtran: tus políticas no están detectando todo lo que deberían	Análisis de brechas: identifica lo que se está pasando por alto y recomienda nuevos patrones de detección
Caos de clasificadores: demasiados SITs, no está claro cuáles importan	Analítica de uso: muestra qué clasificadores son realmente valiosos frente a los redundantes
Adivinanza manual: construir SITs compuestos basándose en la intuición en lugar de en datos	Descubrimiento de patrones: el análisis estadístico revela qué SITs coocurren de forma constante
Análisis que consume mucho tiempo: revisar manualmente la eficacia de la clasificación lleva una eternidad	Información automatizada: análisis completo con recomendaciones priorizadas en minutos
Sin dirección estratégica: no está claro en qué centrar los esfuerzos de mejora de la clasificación	Hoja de ruta priorizada: recomendaciones clasificadas por impacto con métricas de apoyo

Cómo funciona

Qué se introduce:

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

• Configuraciones 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 base para cada SIT (frecuencia de detección, distribución)

• Crea una matriz de coocurrencia que muestra qué SITs aparecen juntos

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

• Identifica patrones, lagunas y oportunidades de optimización

• Genera recomendaciones con justificación técnica y clasificación de prioridad

Qué obtienes:

• Métricas base de rendimiento de SIT

• Patrones de coocurrencia con significancia estadística

• Nuevas recomendaciones de SIT compuestos con parámetros sugeridos

• Orientación para el ajuste de parámetros de SITs existentes

• Candidatos a clasificador entrenable para patrones complejos

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

• Plan de acción priorizado con impacto esperado

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