DataWorks:カスタムモデルを使用したデータ識別

制限事項

• DataWorks は、データが 10 行未満、または文字数が 4 文字未満、40 文字を超えるサンプルフィールドでのモデルトレーニングをサポートしていません。最小サンプルサイズは 10 行、最大は 10,000 行です。選択したフィールドの合計行数が 10,000 を超える場合、システムはランダムに 10,000 行を選択してモデルトレーニングを行います。合計数が 10,000 未満の場合、利用可能なすべての行がモデルトレーニングに使用されます。

• 現在、DataWorks は、数字、英字、特殊文字を含むデータのみのモデルトレーニングをサポートしています。中国語の句読点を含む中国語文字を含むサンプルフィールドでは、モデルトレーニングはサポートされていません。

モデルの作成

1. Data Security Guardに移動します。

   1. DataWorks コンソールにログインします。対象のリージョンの左側のナビゲーションウィンドウで、データガバナンス > セキュリティセンター をクリックします。表示されたページで、入力 セキュリティセンター をクリックします。

   2. 左側のナビゲーションウィンドウで [データセキュリティ] > [センシティブデータ管理] をクリックし、[今すぐ試す] をクリックしてデータセキュリティガードにアクセスします。

      説明

      • Alibaba Cloud アカウントがすでに権限付与されている場合、データセキュリティガードのホームページにリダイレクトされます。

      • Alibaba Cloud アカウントに権限が付与されていない場合、データセキュリティガードの権限付与ページにリダイレクトされます。初めてデータセキュリティガードの機能を使用するには、[データセキュリティ] > [センシティブデータ管理] に移動し、ポップアップダイアログでデータセキュリティガードを選択して、権限付与を完了します。

2. 左側のナビゲーションウィンドウで、Rule Setting > [センシティブデータ識別] をクリックして、[センシティブデータ識別] ページに移動します。

3. モデルを作成し、モデルトレーニングを開始します。

   1. [自己生成データ識別モデル] タブで、[モデルの作成] をクリックします。

   2. [モデルの作成] ダイアログボックスで、Model Name を設定し、トレーニングサンプルを選択します。

      • [正例フィールド]：特定のワークスペースから 1 つ以上のサンプルフィールドを選択して、モデルトレーニングを行うことができます。DataWorks はこれらのフィールドを使用してコンテンツパターンを識別し、対応するルールモデルを生成します。その後、このモデルを使用して、データ資産内で同様のコンテンツパターンを持つデータを発見できます。

        説明

        DataWorks は、データが 10 行未満、または文字数が 4 文字未満、40 文字を超えるサンプルフィールドでのモデルトレーニングをサポートしていません。最小サンプルサイズは 10 行、最大は 10,000 行です。選択したフィールドの合計行数が 10,000 を超える場合、システムはランダムに 10,000 行を選択してモデルトレーニングを行います。合計数が 10,000 未満の場合、利用可能なすべての行がモデルトレーニングに使用されます。

        現在、DataWorks は、数字、英字、特殊文字を含むデータのみのモデルトレーニングをサポートしています。中国語の句読点を含む中国語文字を含むサンプルフィールドでは、モデルトレーニングはサポートされていません。

      • [負例フィールド]：モデルの精度を向上させるために、負例フィールドを選択できます。システムは、選択された負例フィールドのデータコンテンツをトレーニングの負のサンプルとして使用します。負例フィールドを選択しない場合、システムは正例のパターンとボリュームに基づいて負のサンプルを生成し、モデルトレーニングを完了します。

   3. Next Step をクリックします。

   4. [データセキュリティガードがモデルトレーニングにサンプルを使用することに同意します] を選択し、[トレーニングの開始] をクリックします。

      システムは、選択した各サンプルフィールドから最大 100 行のデータをランダムに抽出します。必要な推定時間は、サンプルフィールドの数に基づいて計算されます。

      説明

      モデルトレーニングには時間がかかる場合があります。トレーニングがバックグラウンドで実行されている間、トレーニングダイアログボックスを閉じて他の操作を実行できます。

4. モデルトレーニングの結果を表示します。

   [自己生成データ識別モデル] ページでは、対象モデルのトレーニングステータスと結果を表示できます。この結果は、モデルがデプロイメントとデータ識別の準備ができているかどうかを判断するのに役立ちます。

   • トレーニングステータスの表示

     • 残り hh:mm:ss：モデルはトレーニング中です。

     • [トレーニング完了]：モデルのトレーニングが完了しました。

     • Draft：モデルは作成されましたが、まだトレーニングされておらず、データ識別には使用できません。

   • トレーニング結果の表示

     「トレーニング完了」ステータスのモデルの場合、操作 列の アイコンをクリックすると、モデルで抽出された特徴がサンプルデータをどの程度の精度で識別するかを確認できます。精度が 100% に達した場合にのみモデルをデプロイすることを推奨します。

     説明

     最良の結果を得るには、デプロイメント前に精度が 100% になるまで、サンプルデータを追加してモデルを再トレーニングすることを推奨します。

     評価ページは [正例] と [負のサンプル] セクションに分かれており、ヒット率、総サンプル数、ヒット数、ミス数が表示されます。[識別詳細] セクションには、ランダムに選ばれた 10 サンプル行の識別結果 (一致または不一致) が表示されます。[更新] をクリックすると、他のランダムなサンプルを表示できます。

5. [作成] をクリックして、ルールモデルの作成を完了します。