Märka Google Drive-filer automatiskt med AI-klassificering

Klassificeringen måste vara aktiverad för Drive och Dokument. När AI-modellen har tränats tillämpar den automatiskt klassificeringsetiketten på känsliga Drive-filer. Modellen tränas på endast ett fält per etikett, som måste vara antingen en märkeslista eller en alternativlista.

Vi rekommenderar en märkt känslighetsetikett eftersom den visas tydligt i dokument.

När du använder ett fält med alternativlista eller märkeslista för en klassificeringsetikett måste det

• ha minst två och högst sju alternativ
• publiceras.

Om du har en befintlig etikett som uppfyller dessa krav kan du använda den som klassificeringsetikett. Annars kan du använda etikettshanteraren för att skapa en etikett, antingen före eller när du konfigurerar modellen (längre ned på den här sidan). Mer information finns i Skapa klassificeringsetiketter för organisationen.

Träningsetiketten är nästan identisk med klassificeringsetiketten och används endast i träningssyfte av utsedda personer som sätter etiketter. När du skapar modellen (senare på den här sidan) kan du skapa träningsetiketten automatiskt så att du kan vara säker på att den matchar klassificeringsetiketten.

Du kan även välja att skapa en egen inlärningsetikett manuellt med etikettshanteraren, antingen före eller när du konfigurerar modellen. Mer information finns i Hur skapar jag träningsetiketter manuellt? längre ned på sidan.

1. I Googles administratörskonsol går du till menyn Säkerhet Åtkomst- och datakontroll Dataklassificering.

   Gå till Dataklassificering

   Kräver att administratörsbehörigheterna Visa DLP-regel och Hantera DLP-regel.

2. Klicka på Skapa modell i avsnittet AI-klassificering.
3. Välj en befintlig klassificeringsetikett och ett fält som du vill träna en modell för i listan Klassificeringsetikett eller klicka på Skapa etikett för att skapa en med etikettshanteraren.

   Om du har skapat en etikett i etiketthanteraren återgår du till sidan Skapa modell. Du kan behöva uppdatera sidan för att se den nya etiketten i listan.

4. Välj det kvalificerade fältet du vill använda för klassificeringsetiketten i listan Fältnamn.
5. Klicka på Fortsätt.
6. (Valfritt) Skapa och publicera automatiskt en inlärningsetikett som matchar klassificeringsetiketten:
   1. Klicka på Skapa inlärningsetikett.
   2. Klicka på Uppdatera etikettbehörigheter i meddelandet som visas. Etiketten öppnas i redigeringsläget i Etiketthanteraren på en separat flik.
   3. Klicka på Behörigheter Redigera och ge konfigurationsgruppen med personerna som ska sätta etiketter behörigheten Kan tillämpa etiketter och ange värden.
   4. Klicka på Spara och stäng fliken Etiketthanterare.

      Obs! Du kan även ange etikettbehörigheter senare. Men det är viktigt att enbart de som ska sätta etiketter har åtkomst till inlärningsetiketten.

7. (Valfritt) Om du redan har skapat en träningsetikett väljer du den i listan Träningsetikett.
8. (Valfritt) Skapa en egen träningsetikett nu genom att klicka på Öppna etiketthanteraren.

   Viktigt! Se till att etiketten uppfyller kriterierna för träningsetiketter och att du anger behörigheter så att endast personerna som ska sätta etiketter kan komma åt den. Mer information finns i riktlinjerna för träningsetiketter längre ned på sidan.

   Gå tillbaka till sidan Skapa modell. Du kan behöva uppdatera sidan för att se den nya träningsetiketten i listan.

9. Klicka på Fortsätt på sidan Skapa modell.
10. Ange ett beskrivande namn på jobbet.
11. Klicka på Skapa modell.

När du har skapat modellen visas den valda träningsetiketten och klassificeringsetiketten på sidan Modellinformation.

För att skapa ett träningsdataset måste de utsedda personerna som sätter etiketter tillämpa träningsetiketten på minst 100 filer per etikettalternativ. Om etiketten till exempel har tre alternativ, till exempel ”Need to Know”, ”Confidential” och ”Public”, behöver du minst 300 träningsfiler. Det är dock bäst att ha fler än 100 filer per etikettalternativ eftersom det är troligt att vissa filer inte är kvalificerade för träningsdatasetet. Läs mer om att märka exempel av hög kvalitet för träning.

Obs! Träningsdatasetet kan innehålla högst en miljon filer.

När du har skapat modellen kontrollerar den automatiskt hur många filer som har märkts för träning inom cirka 24 timmar. Därefter kontrolleras den kontinuerligt under dagen.

Så här kontrollerar du hur många filer som har märkts:

1. I Googles administratörskonsol går du till menyn Säkerhet Åtkomst- och datakontroll Dataklassificering.

   Gå till Dataklassificering

   Kräver att administratörsbehörigheterna Visa DLP-regel och Hantera DLP-regel.

2. Klicka på Visa sparade modeller i avsnittet AI-klassificering.
3. Välj Visa information under Åtgärder för modellen.
4. I panelen högst upp på sidan, under Träningsfiler för aktiv modell, kan du se antalet märkta filer.

Om modellen har tillräckligt med filer för träning visas Klar för träning

En träningskörning tar vanligtvis fyra till sex timmar, men det kan ta längre tid för större dataset. Modellen behöver sannolikt flera träningskörningar för att lära sig att märka dina filer korrekt.

Under en träningskörning jämför modellen den klassificering som den väljer för en fil med den träningsetikett som tillämpas på filen för att generera poäng. Mer information finns i Hur beräknas poängen?

Efter en träningskörning kan du kontrollera modellens noggrannhet.

Så här startar du en träningskörning:

1. I Googles administratörskonsol går du till menyn Säkerhet Åtkomst- och datakontroll Dataklassificering.

   Gå till Dataklassificering

   Kräver att administratörsbehörigheterna Visa DLP-regel och Hantera DLP-regel.

2. Klicka på Visa sparade modeller i avsnittet AI-klassificering.
3. Välj Visa information under Åtgärder för modellen på sidan Modellinformation.
4. Klicka på Starta en träningskörning i träningspanelen högst upp på sidan.

   Obs! Den här knappen är endast tillgänglig om dina etikettansvariga har märkt det minsta antalet träningsfiler.

Efter en träningskörning släpps modellen med procentpoäng för varje etikettalternativ. Varje poäng, som kallas återkallningspoäng, är procentandelen inlärningsexempel som modellen klassificerats korrekt efter att ha testat sig själv:

• Under 50% – låg exakthet. Modellen behöver bättre data och är inte klar än.
• 50–80% – medelhög precision. Modellen kan vara klar i begränsad omfattning.
• Över 80% – hög precision. Modellen är redo att klassificera filer för organisationen.

Så här kontrollerar du modellens noggrannhet efter en träningskörning:

På sidan Modellinformation kan du se modellresultat:

• I panelen med träningsresultat högst upp på sidan, under Användning och poäng för aktuella filer
• I panelen Nuvarande träningsdataset

1. I Googles administratörskonsol går du till menyn Säkerhet Åtkomst- och datakontroll Dataklassificering.

   Gå till Dataklassificering

   Kräver att administratörsbehörigheterna Visa DLP-regel och Hantera DLP-regel.

2. Klicka på Visa sparade modeller i avsnittet AI-klassificering.
3. Välj Visa information under Åtgärder för modellen på sidan Modellinformation.
4. Klicka på Konfigurera automatisk tillämpning på träningspanelen.

   Obs! Den här knappen är endast tillgänglig om minst ett etikettalternativ har nått 50% noggrannhet.

   Om du tidigare har ställt in automatisk tillämpning klickar du på Redigera automatisk tillämpning under AI-märkta filer.

5. Markera rutorna för de etikettalternativ som du vill att AI-modellen ska tillämpa automatiskt.
6. Klicka på Spara och fortsätt för att välja vilka organisationsenheter eller grupper som äger filerna som modellen ska tillämpa etiketter automatiskt på. Standardinställningen är den överordnade organisationen på högsta nivå.

   Du kan även klicka på Spara för att välja användare senare.

7. Om du valde att välja användare väljer du en organisationsenhet eller grupp vid sidan.

   Gruppinställningar åsidosätter organisationsenheter. Läs mer

8. Klicka på På – etiketten tillämpas automatiskt med ett av alternativen nedan.
9. Klicka på Spara.

   På sidan Modellinformation är Aktuell status för automatisk tillämpning för regeln På.

Obs! Du kan övervaka AI-klassificering med hjälp av händelseloggen för Drive. Mer information finns i Övervaka händelser för AI-klassificeringsetiketter längre ned på den här sidan.

När automatisk tillämpning har aktiverats för filer som ägs av användare och delade enheter skannar AI-klassificeringen filerna (i viloläge) minst en gång inom en till två veckor. AI-klassificeringen skannar även filer när de laddas upp eller ändras och kan ändra den tillämpade etiketten om filens innehåll ändras.

Obs! Inaktiv filskanning måste aktiveras manuellt när du använder AI-klassificering med Gemini-instruktioner. Aktivera funktionen genom att klicka på Tillämpa etikett på inaktiva filer på sidan Anvisningar.

Dataskyddsregler

Etikettvärden som ställs in av dataskyddsregler har företräde framför AI-klassificering och båda har företräde framför standardklassificering.

Flera anpassade modeller eller Gemini-instruktioner

När två eller fler AI-klassificeringskällor försöker tillämpa olika etikettalternativ för samma etikettfält på samma fil tillämpas alternativet som är högre upp på etikettens alternativlista. Du kan till exempel ha en etikett med ett fält som har tre alternativ i etiketthanteraren:

1. Konfidentiellt
2. Internt
3. Offentlig

Om AI-klassificeringskälla 1 försöker ange etiketten Konfidentiellt och källa 2 försöker ange etiketten Offentligt för samma fil tillämpas Konfidentiellt eftersom det är högre upp på etikettens alternativlista. Se till att etikettens fältalternativ visas i önskad prioritetsordning innan du skapar regler.

Användaretiketter

Etiketter som användare tillämpar på filer har företräde framför AI-tillämpade etiketter. AI-klassificering ändrar alltså inte en etikett som en användare har angett tidigare.

Obs! När en användare godkänner eller ändrar en AI-etiketterad fil betraktas etiketten som användartillämpad och AI-klassificeringen ändrar inte längre värdet.

Användarna behöver fil- och etikettbehörigheter för att interagera med automatiskt tillämpade etiketter. Du kan ange behörigheter för klassificeringsetiketten i etiketthanteraren. Mer information finns i Skapa klassificeringsetiketter för organisationen.

• Användare som vill visa automatiskt tillämpade etiketter måste ha behörigheten Kan visa den här etiketten för klassificeringsetiketten.
• Om användarna ska kunna godkänna och ändra automatiskt tillämpade etiketter måste de ha behörigheten Kan tillämpa etiketter och ange värden för klassificeringsetiketten och vara redigerare eller ägare till filen.

1. I Googles administratörskonsol går du till menyn Säkerhet Åtkomst- och datakontroll Dataklassificering.

   Gå till Dataklassificering

   Kräver att administratörsbehörigheterna Visa DLP-regel och Hantera DLP-regel.

2. Klicka på Visa sparade modeller i avsnittet AI-klassificering.
3. På sidan Modellinformation väljer du Visa filer under AI-märkta filer för etikettalternativet du vill visa händelser för.

   Verktyget för säkerhetsutredningar öppnas på en ny flik med sökresultat för loggen för Drive-händelser för två AI-klassificeringsrelaterade händelser: Etikett tillämpad och Värdet i etikettfältet ändrades.

4. Klicka på händelsens beskrivning för att visa mer information, till exempel:
   • Namn och typ av dokument som har märkts
   • Etikettfältvärde som har tilldelats dokumentet (till exempel Konfidentiellt eller Begränsat)

På sidan Modellinformation för AI-klassificering visar diagrammet Användaracceptans resultatdata för dina promptar som härleds från användarfeedback under de föregående 180 dagarna.

Mätvärdena omfattar

• Användare har granskat – det totala antalet användare som interagerade med bannern med den automatiska etiketten för att antingen godkänna eller ändra ett etikettalternativ som tillämpats med Gemini.
• Användaren godkände – det totala antalet användare som valde att behålla den specifika etiketten som föreslogs av Gemini.

Så här inaktiverar du automatisk tillämpning för alla eller bara specifika etikettalternativ:

1. I Googles administratörskonsol går du till menyn Säkerhet Åtkomst- och datakontroll Dataklassificering.

   Gå till Dataklassificering

   Kräver att administratörsbehörigheterna Visa DLP-regel och Hantera DLP-regel.

2. Klicka på Visa sparade modeller i avsnittet AI-klassificering.
3. Välj Visa information under Åtgärder för modellen på sidan Modellinformation.
4. Klicka på Redigera tillämpning automatiskt under AI-märkta filer.
5. Avmarkera rutorna för de etikettalternativ som du vill inaktivera automatisk tillämpning för.

   Om du vill pausa automatisk tillämpning helt rensar du alla alternativ.

Så här inaktiverar du automatisk tillämpning helt för specifika organisationsenheter eller grupper:

Du kan inaktivera automatisk tillämpning helt för innehåll som ägs av användare i specifika organisationsenheter eller grupper.

1. I Googles administratörskonsol går du till menyn Säkerhet Åtkomst- och datakontroll Dataklassificering.

   Gå till Dataklassificering

   Kräver att administratörsbehörigheterna Visa DLP-regel och Hantera DLP-regel.

2. Klicka på Visa sparade modeller i avsnittet AI-klassificering.
3. Välj Visa information under Åtgärder för modellen på sidan Modellinformation.
4. Klicka på Hantera tillämpa automatiskt Uppdatera aktiverade organisationsenheter/grupper i Fler åtgärder högst upp på sidan.
5. Klicka på en organisationsenhet eller grupp till vänster för att välja den.
6. Välj Av – etiketten tillämpas inte automatiskt.
7. Klicka på Spara.

Du kan behöva radera en anpassad modell eller Gemini-instruktioner om till exempel noggrannheten inte är godtagbar. Om du raderar en anpassad modell eller Gemini-instruktioner tas alla AI-klassificeringsinställningar bort permanent. Obs!

• Etiketter som används i modellen eller Gemini-instruktioner tas bort från AI-klassificeringsinställningarna och historiken för modellen eller Gemini-instruktionerna raderas. Etiketterna raderas dock inte och kan fortfarande hanteras i etiketthanteraren.
• (Endast anpassad modell) Inlärningsetiketter finns kvar på filerna. När du har raderat modellen kan du välja att konfigurera en ny anpassad modell för att använda samma inlärningsetikett. Modellerna fungerar på samma sätt om du tränar om dina befintliga träningsetiketter och träningsfiler.
• Automatisk etikettillämpning som har aktiverats för modellen stoppas omedelbart. Du kan välja att ta bort eller behålla etiketter som tidigare har tillämpats automatiskt på filer som inte har godkänts eller ändrats av en användare.
• Om du skapar en ny modell eller Gemini-instruktioner med samma klassificeringsetikett skriver AI-klassificeringsfunktionen över resultaten från tidigare klassificeringar. Detta gör att du kan bearbeta organisationens Drive-filer på nytt, vilket kan vara användbart om kvaliteten på modellen eller anvisningarna har förbättrats avsevärt sedan du började använda den.

Så här raderar du en modell eller instruktioner:

1. I Googles administratörskonsol går du till menyn Säkerhet Åtkomst- och datakontroll Dataklassificering.

   Gå till Dataklassificering

   Kräver att administratörsbehörigheterna Visa DLP-regel och Hantera DLP-regel.

2. Klicka på Visa sparade modeller i avsnittet AI-klassificering.
3. Klicka på Åtgärder bredvid modellen eller anvisningarna på sidan Modellista och välj Radera modell eller Radera anvisningar. I dialogrutan visas effekterna av raderingen och du kan bestämma om du vill behålla eller slänga tidigare tillämpade etiketter:
   • Behåll tillämpade etiketter – etiketter som tidigare har tillämpats av någon version av dessa instruktioner finns kvar i filerna.
   • Ta bort tillämpade etiketter – etiketter som tidigare har tillämpats av någon version av dessa anvisningar tas bort från filerna. Det kan ta upp till två veckor innan etiketter tas bort. Etiketter tas inte bort om de har ändrats av en användare, regler, en annan AI-modell eller Gemini-instruktioner.
4. Markera rutan för att bekräfta Genom att fortsätta bekräftar du att det inte går att ångra den här åtgärden.
5. Klicka på Radera modell eller Radera anvisningar för att fortsätta.

Både klassificeringsetiketten och inlärningsetiketten måste uppfylla följande villkor:

• Måste innehålla minst två och högst sju alternativ.
• Alternativen måste vara i samma ordning.
• Måste publiceras.
• Ha etiketter med olika åtkomstbehörigheter. Inlärningsetiketten måste vara tillgänglig enbart för etikettansvariga som kan träna modellen. Klassificeringsetiketten kan ha bredare åtkomst.

• Se till att etiketten uppfyller de etikettkriterier som krävs.
• Identifiera träningsetiketten med ordet ”träna” eller ”träning” för att göra det lättare för dem som sätter etiketter att känna igen etiketten och tillämpa den när träningsdatasetet skapas.
• Lägg till ett beskrivningsfält i inlärningsetiketten för att ytterligare hjälpa dem som sätter etiketter att förstå dess syfte.
• Se till att du anger behörigheterna för etiketten till endast de personer som ska sätta etiketter, det vill säga de som ska identifiera filer för modellträning, med hjälp av den konfigurationsgrupp som du har skapat för etiketter.

För bästa resultat när du tränar modellen ska de som sätter etiketterna följa dessa riktlinjer:

• Se till att varje fil innehåller minst 500 tecken.
• Välj filer som representerar innehåll som användarna skapar, delar och använder i organisationen.
• Sätt etikett på ungefär lika många filer per etikettalternativ, med minst 100 filer för varje alternativ. Det hjälper modellen att få en omfattande förståelse för din data och förbättra resultaten.
• Inkludera en representativ variation av filer för varje alternativtyp. Märk till exempel inte 100 cv:n som den totala uppsättningen exempelfiler för Topphemligt om kontrakt också är en vanlig filtyp för Topphemligt i organisationen.
• Tillämpa endast inlärningsetiketten på filer som ägs av organisationen, antingen direkt av användare eller lagrade på delade enheter. AI-klassificering behandlar inte filer som ägs av externa användare eller som finns på externa delade enheter.

När automatisk tillämpning har aktiverats skannar och klassificerar AI-klassificeringen alla vilande filer som den kan extrahera tillräckligt med text från. Dessa filer genomsöks minst en gång.

AI-klassificering bearbetar filer regelbundet när innehållet ändras. Ändringar av innehållet kan leda till en annan förutsägelse för en fil. När AI-klassificeringen har både ett gammalt och ett nytt förväntat alternativ för en fil föredrar den alternativet som är högre upp i alternativlistan. Om ett fält till exempel har tre alternativ i etiketthanteraren:

• Konfidentiellt
• Internt
• Offentlig

Anta att AI-klassificeringen klassificerar en fil som Intern och att innehållet ändras så att AI-klassificeringsmodellen förutspår Konfidentiellt. I det här fallet ändras klassificeringen av filen till Konfidentiellt. Om AI-klassificeringsmodellen förutspår Offentligt förblir klassificeringen av filen Internt.

AI-klassificeringen ändrar inte automatiskt tillämpade etiketter och fältvärden som har granskats eller ändrats av användare.

Dina filer behandlas av den senaste modellen när de skapas eller ändras. Befintliga filer bearbetas inte automatiskt på nytt när en ny modellversion lanseras. Modellen kan dock med jämna mellanrum bearbeta alla dina filer med den senaste versionen, oberoende av specifika modelluppdateringar eller omträning.

1. Dataskyddsregel utan att användaren kan åsidosätta
2. Manuell klassificering
3. Dataskyddsregel med åsidosättande av användare
4. AI-klassificering
5. Standardklassificering

• AI-klassificering använder samma indexerbara textbehandling som DLP för Drive. Mer information finns i listan över filtyper som skannas av DLP. Ljud- och videofiler stöds inte.
• En fil måste ha en viss mängd text för att AI-klassificeringen ska kunna tillämpa en etikett. Det innebär att vissa filer, till exempel mycket korta dokument och bilder med lite text, kanske inte klassificeras.

Filer som AI-klassificeringen tidigare har etiketterat behåller den tillämpade etiketten och alternativvärdena även efter att alternativet har inaktiverats.