purview-data-classification

Microsoft Purview のデータ分類と秘密度ラベル

分類では機密コンテンツを特定し、秘密度ラベルでは永続的な保護（視覚的な表示、暗号化、アクセス、下流の DLP／ライフサイクル制御）を適用します。これらは一体となって、Microsoft Information Protection と Purview によるあらゆる適用の基盤となります。

使用する場面

機密データを定義し、Microsoft 365、Power BI/Fabric、さらに（Purview Data Map を通じて）より広範な環境全体で一貫したラベル体系を適用する場合に使用します。

AI プロンプトの可視性にはこのスキルを使用しないでください（purview-dspm-ai を使用）。また、戦略全体の順序付けにも使用しないでください（purview-information-governance を使用）。

適切な検出方法を選ぶ

ユースケース	方法
広く知られた規制対象のパターン（クレジットカード、NI、SSN、IBAN）	Sensitive Information Types（SIT） - 組み込み
組織固有のキーワード／正規表現	信頼度を調整した Custom SITs
概念ベース（「これは契約書のようだ」）	Trainable classifiers（組み込みまたはカスタム）
独自の顧客／人事リストとの照合	Exact Data Match（EDM） - ハッシュ化された構造化データ
ハイブリッド - 正規表現＋補足的な証拠	名前付きエンティティ＋近接性を使用した SIT

経験則：パターンには SIT、概念には分類器、「この行は実際の顧客テーブルのものか」の照合には EDM を使用します。1 つの方法ですべてを行おうとしないでください。

アプローチ

1. 規制要件とビジネス上の要因を棚卸しする - 検出が必要なデータの種類（GDPR PII、PCI、IP、人事）を列挙し、それぞれに検出方法を割り当てます。 確認事項：各検出候補に、担当するビジネスオーナーが明確に割り当てられていること。
2. 検出方法を選ぶ - データの種類ごとに SIT、トレーニング可能な分類器、または EDM を選び、信頼度を設定または調整します。 確認事項：各検出器について、真陽性と偽陽性を含むテストコーパスが準備されていること。
3. ラベル体系を設計する - シンプルに保ち（例：Public / General / Confidential / Highly Confidential）、サブラベルを設けます。各ラベルの表示、暗号化、適用範囲を定義します。 確認事項：最上位ラベルは 4 つ以下、各ラベルのサブラベルは 3 つ以下とし、専門用語ではなくビジネス用語で命名されていること。
4. ラベルを公開する - ラベルポリシーを使用してラベルの対象ユーザーを設定します。適切な場合は既定値と必須ラベル付けを設定し、必須ラベルの適用時に求める理由を構成します。 確認事項：パイロットユーザーが Word／Outlook でラベルメニューを確認でき、正しい既定値が設定されていること。
5. 自動ラベル付け - SIT／分類器に基づき、クライアント側（アプリでの推奨／自動適用）とサービス側（SharePoint/OneDrive/Exchange）の自動ラベル付けを使用します。必ずシミュレーションから開始します。 確認事項：シミュレーションレポートにラベル別およびソース別の一致件数が表示されていること。偽陽性のサンプルを確認します。
6. 段階的に展開する - 部門へのパイロット -> 事業部門 -> テナントの順に進め、各段階にトレーニングとフィードバック窓口を設けます。 確認事項：次の段階へ進む前に、各段階のラベル採用率が目標を上回っていること。
7. 適用範囲を拡張する - ラベルは DLP、Data Lifecycle、DSPM for AI、Defender for Cloud Apps に引き継がれます。下流のポリシーが新しいラベルを基準に動作することを確認します。

ガードレール

• 適用前に偽陽性を抑えるため、SIT の信頼度を調整し、自動ラベル付けをシミュレーションで実行します。
• ラベルの暗号化は慎重に計画してください。外部共有、共同編集、検索、一部のサードパーティ製ツールに影響します。復旧計画なしに初日から最上位のラベルを暗号化しないでください。
• ユーザーをトレーニングしてください。ガイダンスなしの必須ラベル付けは摩擦や誤ラベルの原因になります。視覚的に分かりやすい簡潔なガイドと、「Confidential と Highly Confidential をいつ使い分けるか」というルールを公開してください。
• ラベル体系は短く保ってください。9 段階のラベル体系は使いづらく、ユーザーは General を既定で選ぶようになります。
• Power BI/Fabric、Office モバイル、Mac アプリが、選択したラベルと保護に対応していることを確認してください。対応状況は異なります。

よくあるアンチパターン

• 12 個のラベルを作成してから、導入率が 4% で停滞する理由に悩む。
• 初日から強制モードで自動ラベル付けを有効にし、外部との共有に支障をきたす。
• テストコーパスを用意せずにカスタム SIT を作成し、本番環境で調整する。
• 「念のため」既定のラベルを暗号化し、外部パートナーと共有するすべてのファイルで問題が発生する。
• データ所有者の分類体系への承認を得ず、分類を IT の仕事として扱う。

プロンプトの例

• Design a sensitivity label taxonomy with auto-labelling.
• Create sensitive information types (SITs) and trainable classifiers.
• How do I use Exact Data Match (EDM) for precise classification?
• Classify data before applying protection and DLP.
• Pilot auto-labelling in simulation and measure false positives.

Microsoft Learn

• 感度ラベル：https://learn.microsoft.com/purview/sensitivity-labels
• 機密情報の種類：https://learn.microsoft.com/purview/sensitive-information-type-learn-about
• トレーニング可能な分類器：https://learn.microsoft.com/purview/trainable-classifiers-learn-about
• 自動ラベル付け：https://learn.microsoft.com/purview/apply-sensitivity-label-automatically
• Exact Data Match：https://learn.microsoft.com/purview/sit-learn-about-exact-data-match-based-sits
• ラベルの暗号化に関する考慮事項：https://learn.microsoft.com/purview/encryption-sensitivity-labels