DataWorks:Özel bir model kullanarak verileri tanımlama

Sınırlamalar

• DataWorks, 10 satırdan az veri içeren veya uzunluğu 4 karakterden kısa ya da 40 karakterden uzun olan örnek alanlarda model eğitimini desteklemez. Minimum örnek boyutu 10 satır, maksimum ise 10.000 satırdır. Seçilen alanlardaki toplam satır sayısı 10.000'i aşarsa sistem model eğitimi için rastgele 10.000 satır seçer. Toplam sayı 10.000'den azsa mevcut tüm satırlar model eğitiminde kullanılır.

• DataWorks şu anda yalnızca rakam, İngilizce harf ve özel karakter içeren veriler için model eğitimini destekler. Çince karakterler (Çince noktalama işaretleri dahil) içeren örnek alanlarda model eğitimi desteklenmez.

Model oluşturma

1. Data Security Guard bölümüne gidin.

   1. DataWorks konsolu üzerinde oturum açın. Hedef bölgede sol gezinme bölmesinden Data Governance > Security Center seçeneğine tıklayın. Açılan sayfada Go to Security Center öğesine tıklayın.

   2. Sol gezinme bölmesinden Data Security > Sensitive Data Management seçeneğine tıklayın ve ardından Data Security Guard'a erişmek için Try Now öğesine tıklayın.

      Not

      • Alibaba Cloud hesabınız zaten yetkilendirildiyse Data Security Guard ana sayfasına yönlendirilirsiniz.

      • Alibaba Cloud hesabınız yetkilendirilmediyse Data Security Guard yetkilendirme sayfasına yönlendirilirsiniz. Data Security Guard özelliklerini ilk kez kullanmak için Data Security > Sensitive Data Management yolunu izleyin, açılan iletişim kutusunda Data Security Guard'ı seçin ve yetkilendirmeyi tamamlayın.

2. Sol gezinme bölmesinden Rule Setting > Sensitive Data Identification seçeneğine tıklayarak Sensitive data identification sayfasına gidin.

3. Bir model oluşturun ve model eğitimini başlatın.

   1. Self-generated data identification models sekmesinde Create Model seçeneğine tıklayın.

   2. Create Model iletişim kutusunda Model Name değerini yapılandırın ve eğitim örneklerini seçin.

      • Positive sample field: Model eğitimi için belirli bir çalışma alanından bir veya daha fazla örnek alan seçin. DataWorks, bu alanları kullanarak içerik kalıplarını belirler ve veri varlıklarınızda benzer kalıplara sahip verileri keşfetmek için bir kural modeli oluşturur.

        Not

        DataWorks, 10 satırdan az veri içeren veya uzunluğu 4 karakterden kısa ya da 40 karakterden uzun olan örnek alanlarda model eğitimini desteklemez. Minimum örnek boyutu 10 satır, maksimum ise 10.000 satırdır. Seçilen alanlardaki toplam satır sayısı 10.000'i aşarsa sistem model eğitimi için rastgele 10.000 satır seçer. Toplam sayı 10.000'den azsa mevcut tüm satırlar model eğitiminde kullanılır.

        DataWorks şu anda yalnızca rakam, İngilizce harf ve özel karakter içeren veriler için model eğitimini destekler. Çince karakterler (Çince noktalama işaretleri dahil) içeren örnek alanlarda model eğitimi desteklenmez.

      • Negative sample field: Model doğruluğunu artırmak için negatif örnek alanları seçin. Sistem, bu alanlardaki verileri eğitim için negatif örnek olarak kullanır. Negatif örnek alanı seçmezseniz sistem pozitif örneklerin kalıplarına ve hacmine göre negatif örnekler oluşturur.

   3. Next Step seçeneğine tıklayın.

   4. I accept that Data Security Guard will use samples for model training seçeneğini işaretleyin ve ardından Start Training seçeneğine tıklayın.

      Sistem, seçilen her örnek alandan en fazla 100 satır veri rastgele çıkarır. Tahmini eğitim süresi örnek alanlarının sayısına göre hesaplanır.

      Not

      Model eğitimi uzun sürebilir. Eğitim arka planda çalışırken eğitim iletişim kutusunu kapatıp diğer işlemleri yapabilirsiniz.

4. Model eğitim sonuçlarını görüntüleyin.

   Self-generated data identification models sayfasında hedef modelin eğitim durumunu ve sonuçlarını görüntüleyerek dağıtıma hazır olup olmadığını belirleyin.

   • Eğitim durumunu görüntüleyin.

     • Remaining hh:mm:ss: Model eğitiliyor.

     • Training Completed: Model eğitimi tamamlandı.

     • Draft: Model oluşturuldu ancak henüz eğitilmedi ve veri tanımlama için kullanılamaz.

   • Eğitim sonuçlarını görüntüleyin.

     Eğitim durumu Training Completed olan bir model için Actions sütunundaki simgesine tıklayarak modelin çıkardığı özelliklerin örnek verileri ne kadar doğru tanımladığını görüntüleyin. Modeli yalnızca doğruluk oranı %100'e ulaştığında dağıtın.

     Not

     Modelin değerlendirme doğruluğu %100'e ulaşmazsa dağıtımdan sonra tanımlanan veriler önemli hatalar içerebilir. En iyi sonuçlar için daha fazla örnek veri ekleyin ve modeli dağıtmadan önce doğruluğu %100 olana kadar yeniden eğitin.

     Değerlendirme sayfası, vuruş oranını, toplam örnek sayısını, eşleşmeleri ve eşleşmeyenleri gösteren Positive sample ve Negative sample bölümlerine ayrılmıştır. Identification details bölümü 10 rastgele örnek satır için tanımlama sonuçlarını (eşleşme veya eşleşmeme) gösterir. Diğer rastgele örnekleri görüntülemek için Refresh seçeneğine tıklayabilirsiniz.

5. Kural modelini oluşturmayı tamamlamak için Create seçeneğine tıklayın.

Sonraki adımlar

Kural modeli oluşturulduktan sonra modeli dağıtmak üzere Data identification rules sayfasına gidin. Daha fazla bilgi için bkz. Veri tanımlama kuralı yapılandırma ve tanımlama görevi çalıştırma.