DataWorks:Identificación de datos mediante un modelo personalizado

Limitaciones

• DataWorks no admite el entrenamiento de modelos en campos de muestra con menos de 10 filas de datos, ni en datos cuya longitud sea menor a 4 o mayor a 40 caracteres. El tamaño mínimo de la muestra es de 10 filas y el máximo es de 10,000 filas. Si el número total de filas en los campos seleccionados supera las 10,000, el sistema selecciona aleatoriamente 10,000 filas para el entrenamiento del modelo. Si el total es inferior a 10,000, se utilizan todas las filas disponibles para dicho entrenamiento.

• Actualmente, DataWorks solo admite el entrenamiento de modelos para datos que contienen números, letras del alfabeto inglés y caracteres especiales. No se admite el entrenamiento de modelos en campos de muestra que contengan caracteres chinos, incluida la puntuación china.

Creación de un modelo

1. Vaya a Data Security Guard.

   1. Inicie sesión en la consola de DataWorks. En la región objetivo, haga clic en Data Governance > Security Center en el panel de navegación izquierdo. En la página que aparece, haga clic en Go to Security Center.

   2. En el panel de navegación izquierdo, haga clic en Data Security > Sensitive Data Management y luego haga clic en Try Now para acceder a Data Security Guard.

      Nota

      • Si su cuenta de Alibaba Cloud ya cuenta con autorización, se le redirigirá a la página principal de Data Security Guard.

      • Si su cuenta de Alibaba Cloud no está autorizada, se le redirigirá a la página de autorización de Data Security Guard. Para utilizar las funciones de Data Security Guard por primera vez, vaya a Data Security > Sensitive Data Management, seleccione Data Security Guard en el cuadro de diálogo emergente y complete la autorización.

2. En el panel de navegación izquierdo, haga clic en Rule Setting > Sensitive Data Identification para ir a la página de Sensitive data identification.

3. Cree un modelo e inicie su entrenamiento.

   1. En la pestaña Self-generated data identification models, haga clic en Create Model.

   2. En el cuadro de diálogo Create Model, configure el Model Name y seleccione las muestras de entrenamiento.

      • Positive sample field: Seleccione uno o más campos de muestra de un espacio de trabajo específico para el entrenamiento del modelo. DataWorks utiliza estos campos para identificar patrones de contenido y generar un modelo de reglas que permita descubrir datos con patrones similares en sus activos de datos.

        Nota

        DataWorks no admite el entrenamiento de modelos en campos de muestra con menos de 10 filas de datos, ni en datos cuya longitud sea menor a 4 o mayor a 40 caracteres. El tamaño mínimo de la muestra es de 10 filas y el máximo es de 10,000 filas. Si el número total de filas en los campos seleccionados supera las 10,000, el sistema selecciona aleatoriamente 10,000 filas para el entrenamiento del modelo. Si el total es inferior a 10,000, se utilizan todas las filas disponibles para dicho entrenamiento.

        Actualmente, DataWorks solo admite el entrenamiento de modelos para datos que contienen números, letras del alfabeto inglés y caracteres especiales. No se admite el entrenamiento de modelos en campos de muestra que contengan caracteres chinos, incluida la puntuación china.

      • Negative sample field: Para mejorar la precisión del modelo, seleccione campos de muestra negativa. El sistema utiliza los datos de estos campos como muestras negativas para el entrenamiento. Si no selecciona un campo de muestra negativa, el sistema generará muestras negativas basándose en los patrones y el volumen de las muestras positivas.

   3. Haga clic en Next Step.

   4. Seleccione I accept that Data Security Guard will use samples for model training y luego haga clic en Start Training.

      El sistema extrae aleatoriamente hasta 100 filas de datos de cada campo de muestra seleccionado. El tiempo estimado de entrenamiento se calcula en función del número de campos de muestra.

      Nota

      El entrenamiento del modelo puede tardar mucho tiempo. Puede cerrar el cuadro de diálogo de entrenamiento y realizar otras operaciones mientras el entrenamiento se ejecuta en segundo plano.

4. Consulte los resultados del entrenamiento del modelo.

   En la página Self-generated data identification models, consulte el estado y los resultados del entrenamiento del modelo objetivo para determinar si está listo para su despliegue.

   • Consulte el estado del entrenamiento.

     • Remaining hh:mm:ss: El modelo se encuentra en entrenamiento.

     • Training Completed: El entrenamiento del modelo ha finalizado.

     • Draft: El modelo se creó pero aún no se ha entrenado, por lo que no puede utilizarse para la identificación de datos.

   • Consulte los resultados del entrenamiento.

     Para un modelo con estado Training Completed, haga clic en el icono de la columna Actions para consultar la precisión con la que las características extraídas por el modelo identifican los datos de muestra. Despliegue el modelo únicamente cuando su precisión alcance el 100%.

     Nota

     Para obtener mejores resultados, agregue más datos de muestra y vuelva a entrenar el modelo hasta que su precisión sea del 100% antes del despliegue.

     La página de evaluación se divide en secciones de Positive sample y Negative sample, que muestran la tasa de aciertos, el total de muestras, los aciertos y los fallos. La sección Identification details muestra los resultados de identificación (coincidencia o sin coincidencia) para 10 filas de muestra aleatorias. Puede hacer clic en Refresh para consultar otras muestras aleatorias.

5. Haga clic en Create para finalizar la creación del modelo de reglas.

Siguientes pasos

Una vez creado el modelo de reglas, vaya a la página de Data identification rules para desplegar el modelo. Para obtener más información, consulte Configure a data identification rule and run an identification task.