DataWorks:Identificar dados com um modelo personalizado

Limitações

• O DataWorks não oferece suporte ao treinamento de modelos em campos de amostra com menos de 10 linhas de dados ou com valores menores que 4 caracteres ou maiores que 40 caracteres. O tamanho mínimo da amostra é de 10 linhas e o máximo é de 10.000 linhas. Se o total de linhas nos campos selecionados ultrapassar 10.000, o sistema selecionará aleatoriamente 10.000 linhas para o treinamento. Se o total for inferior a 10.000, todas as linhas disponíveis serão usadas no treinamento do modelo.

• Atualmente, o DataWorks suporta treinamento de modelos apenas para dados que contêm números, letras do alfabeto inglês e caracteres especiais. Não há suporte para treinamento em campos de amostra com caracteres chineses, incluindo pontuação chinesa.

Criar um modelo

1. Acesse o Data Security Guard.

   1. Faça login no console do DataWorks. Na região desejada, clique em Data Governance > Security Center no painel de navegação à esquerda. Na página exibida, clique em Go to Security Center.

   2. No painel de navegação à esquerda, clique em Data Security > Sensitive Data Management e, em seguida, clique em Try Now para acessar o Data Security Guard.

      Nota

      • Se sua conta Alibaba Cloud já estiver autorizada, você será direcionado à página inicial do Data Security Guard.

      • Caso sua conta Alibaba Cloud não esteja autorizada, você será redirecionado para a página de autorização do Data Security Guard. Para usar os recursos do Data Security Guard pela primeira vez, acesse Data Security > Sensitive Data Management, selecione Data Security Guard na caixa de diálogo pop-up e conclua a autorização.

2. No painel de navegação à esquerda, clique em Rule Setting > Sensitive Data Identification para acessar a página Sensitive data identification.

3. Crie um modelo e inicie o treinamento.

   1. Na aba Self-generated data identification models, clique em Create Model.

   2. Na caixa de diálogo Create Model, configure o Model Name e selecione as amostras de treinamento.

      • Positive sample field: Selecione um ou mais campos de amostra de um workspace específico para o treinamento do modelo. O DataWorks usa esses campos para identificar padrões de conteúdo e gerar um modelo de regras destinado à descoberta de dados com padrões similares em seus ativos.

        Nota

        O DataWorks não oferece suporte ao treinamento de modelos em campos de amostra com menos de 10 linhas de dados ou com valores menores que 4 caracteres ou maiores que 40 caracteres. O tamanho mínimo da amostra é de 10 linhas e o máximo é de 10.000 linhas. Se o total de linhas nos campos selecionados ultrapassar 10.000, o sistema selecionará aleatoriamente 10.000 linhas para o treinamento. Se o total for inferior a 10.000, todas as linhas disponíveis serão usadas no treinamento do modelo.

        Atualmente, o DataWorks suporta treinamento de modelos apenas para dados que contêm números, letras do alfabeto inglês e caracteres especiais. Não há suporte para treinamento em campos de amostra com caracteres chineses, incluindo pontuação chinesa.

      • Negative sample field: Para aumentar a precisão do modelo, selecione campos de amostra negativa. O sistema usa os dados desses campos como amostras negativas durante o treinamento. Se nenhum campo de amostra negativa for selecionado, o sistema gerará amostras negativas automaticamente com base nos padrões e no volume das amostras positivas.

   3. Clique em Next Step.

   4. Marque a opção I accept that Data Security Guard will use samples for model training e clique em Start Training.

      O sistema extrai aleatoriamente até 100 linhas de dados de cada campo de amostra selecionado. O tempo estimado de treinamento é calculado conforme a quantidade de campos de amostra.

      Nota

      O treinamento do modelo pode levar bastante tempo. Você pode fechar a caixa de diálogo de treinamento e executar outras operações enquanto o processo continua em segundo plano.

4. Visualize os resultados do treinamento do modelo.

   Na página Self-generated data identification models, verifique o status e os resultados do treinamento do modelo desejado para determinar se ele está pronto para implantação.

   • Verifique o status do treinamento.

     • Remaining hh:mm:ss: O modelo está em treinamento.

     • Training Completed: O treinamento do modelo foi concluído.

     • Draft: O modelo foi criado, mas ainda não passou pelo treinamento e não pode ser usado para identificação de dados.

     • Analise os resultados do treinamento.

       Para modelos com status Training Completed, clique no ícone na coluna Actions para verificar a precisão com que os recursos extraídos pelo modelo identificam os dados de amostra. Implante o modelo somente quando a precisão atingir 100%.

       Nota

       Para obter melhores resultados, adicione mais dados de amostra e retreine o modelo até que a precisão atinja 100% antes da implantação.

       A página de avaliação divide-se nas seções Positive sample e Negative sample, que exibem a taxa de acerto, o total de amostras, os acertos e as falhas. A seção Identification details mostra os resultados de identificação (correspondência ou não correspondência) para 10 linhas de amostra aleatórias. Clique em Refresh para visualizar outras amostras aleatórias.

   • Clique em Create para concluir a criação do modelo de regras.

   Próximas etapas

   Após criar o modelo de regras, acesse a página Data identification rules para implantar o modelo. Para mais informações, consulte Configure a data identification rule and run an identification task.