在 SharePoint Server 2016 中的敏感信息类型寻找

这可能是格式或不带格式的模式中的 9 位

设置格式：

• 四位数字开头为 0、 1、 2、 3、 6、 7 或 8

• 连字符

• 四位数字

• 连字符

• 数字

不带格式：

• 9 连续的数字开头为 0、 1、 2、 3、 6、 7 或 8

否

DLP 策略为 75%确信它已检测到这种类型的敏感信息如果 300 个字符的近似内：

• 函数Func_aba_routing查找匹配模式的内容。

• 找到从Keyword_ABA_Routing关键字。

<!-- ABA Routing Number -->
<Entity id="cb353f78-2b72-4c3c-8827-92ebe4f69fdf" patternsProximity="300" recommendedConfidence="75">
      <Pattern confidenceLevel="75">
        <IdMatch idRef="Func_aba_routing" />
        <Match idRef="Keyword_ABA_Routing" />
      </Pattern>
 </Entity>

16 位格式化或不带格式 (dddddddddddddddd) 和必须通过 Luhn 测试。

从所有主要品牌世界各地，包括 Visa、 Mastercard、 发现卡片、 JCB、 美国 Express、 礼品卡和进餐卡片的卡片中检测到的非常复杂，并强大模式。

是的 Luhn 校验和

DLP 策略是 85%确信它已检测到这种类型的敏感信息如果 300 个字符的近似内：

• 函数Func_credit_card查找匹配模式的内容。

• 以下任一条件成立：

  • 找到从Keyword_cc_verification关键字。

  • 找到从Keyword_cc_name关键字。

  • 函数Func_expiration_date查找合适的日期格式的日期。

• 校验和传递。

DLP 策略是 65%确信它已检测到这种类型的敏感信息如果 300 个字符的近似内：

• 函数Func_credit_card查找匹配模式的内容。

• 校验和传递。

<!-- Credit Card Number -->
<Entity id="50842eb7-edc8-4019-85dd-5a5c1f2bb085" patternsProximity="300" recommendedConfidence="85">
  <Pattern confidenceLevel="85">
        <IdMatch idRef="Func_credit_card" />
        <Any minMatches="1">
          <Match idRef="Keyword_cc_verification" />
          <Match idRef="Keyword_cc_name" />
          <Match idRef="Func_expiration_date" />
        </Any>
  </Pattern>
  <Pattern confidenceLevel="65">
        <IdMatch idRef="Func_credit_card" />
  </Pattern>
</Entity>

16 位

非常复杂，并强大图案

是

DLP 策略是 85%确信它已检测到这种类型的敏感信息如果 300 个字符的近似内：

• 函数Func_eu_debit_card查找匹配模式的内容。

• 至少一个下列条件成立：

  • 找到从Keyword_eu_debit_card关键字。

  • 找到从Keyword_card_terms_dict关键字。

  • 找到从Keyword_card_security_terms_dict关键字。

  • 找到从Keyword_card_expiration_terms_dict关键字。

  • 函数Func_eu_date1查找合适的日期格式的日期。

  • 函数Func_eu_date2查找合适的日期格式的日期。

• 校验和传递。

<!-- EU Debit Card Number -->
<Entity id="0e9b3178-9678-47dd-a509-37222ca96b42" patternsProximity="300" recommendedConfidence="85">
  <Pattern confidenceLevel="85">
        <IdMatch idRef="Func_eu_debit_card" />
        <Any minMatches="1">
          <Match idRef="Keyword_eu_debit_card" />
          <Match idRef="Keyword_card_terms_dict" />
          <Match idRef="Keyword_card_security_terms_dict" />
          <Match idRef="Keyword_card_expiration_terms_dict" />
          <Match idRef="Func_expiration_date" />
          <Match idRef="Func_eu_date" />
          <Match idRef="Func_eu_date1" />
          <Match idRef="Func_eu_date2" />
        </Any>
  </Pattern>
</Entity>

四个字母后跟 5-31 字母或数字

四个字母后跟 5-31 字母或数字：

• 四个字母银行代码 （不区分大小写）

• 可选的空间

• 4-28 字母或数字 (基本银行帐户数 (BBAN))

• 可选的空间

• 1-3 字母或数字 （BBAN 余数）

否

DLP 策略为 75%确信它已检测到这种类型的敏感信息如果 300 个字符的近似内：

• 正则表达式Regex_swift查找匹配模式的内容。

• 找到从Keyword_swift关键字。

<Entity id="cb2ab58c-9cb8-4c81-baf8-a4e106791df4" patternsProximity="300" recommendedConfidence="75">
<Pattern confidenceLevel="75">
        <IdMatch idRef="Regex_swift" />
        <Match idRef="Keyword_swift" />
    </Pattern>
</Entity>

7 个字符或空格或短划线分隔 9 个字符

两个可能的模式：

• 两个字母 (有效 NINOs 此前缀，验证此模式; 中使用特定的字符不区分大小写)

• 六位数字

• 任一 A，B，C，或有 （仅限某些字符中允许后缀; 不区分大小写，如前缀，）

或者

• 两个字母

• 空格或短划线

• 两位数字

• 空格或短划线

• 两位数字

• 空格或短划线

• 两位数字

• 空格或短划线

• A，B，C，或具有

否

DLP 策略是 85%确信它已检测到这种类型的敏感信息如果 300 个字符的近似内：

• 函数Func_uk_nino查找匹配模式的内容。

• 找到从Keyword_uk_nino关键字。

DLP 策略为 75%确信它已检测到这种类型的敏感信息如果 300 个字符的近似内：

• 函数Func_uk_nino查找匹配模式的内容。

• 不找到Keyword_uk_nino从任何关键字。

<!-- U.K. NINO -->
<Entity id="16c07343-c26f-49d2-a987-3daf717e94cc" patternsProximity="300" recommendedConfidence="75">
    <Pattern confidenceLevel="85">
        <IdMatch idRef="Func_uk_nino" />
        <Any minMatches="1">
          <Match idRef="Keyword_uk_nino" />
        </Any>
    </Pattern>    
     <Pattern confidenceLevel="75">
        <IdMatch idRef="Func_uk_nino" />
        <Any minMatches="0" maxMatches="0">
          <Match idRef="Keyword_uk_nino" />
        </Any>
    </Pattern>
</Entity>

9 个数字

九个连续的数字

否

DLP 策略为 75%确信它已检测到这种类型的敏感信息如果 300 个字符的近似内：

• 函数Func_usa_uk_passport查找匹配模式的内容。

• 找到从Keyword_passport关键字。

<Entity id="178ec42a-18b4-47cc-85c7-d62c92fd67f8" patternsProximity="300" recommendedConfidence="75">
    <Pattern confidenceLevel="75">
        <IdMatch idRef="Func_usa_uk_passport" />
        <Match idRef="Keyword_passport" />
    </Pattern>
</Entity>

4-17 数字

4-17 连续的数字

否

DLP 策略为 75%确信它已检测到这种类型的敏感信息如果 300 个字符的近似内：

• 正则表达式Regex_usa_bank_account_number查找匹配模式的内容。

• 找到从Keyword_usa_Bank_Account关键字。

<!-- U.S. Bank Account Number -->
<Entity id="a2ce32a8-f935-4bb6-8e96-2a5157672e2c" patternsProximity="300" recommendedConfidence="75">
    <Pattern confidenceLevel="75">
        <IdMatch idRef="Regex_usa_bank_account_number" />
        <Match idRef="Keyword_usa_Bank_Account" />
    </Pattern>
</Entity>

取决于状态

取决于状态-例如，纽约：

• 9 个数字格式，如 ddd ddd ddd 将匹配。

• 9 个数字，如 ddddddddd 将不匹配。

否

DLP 策略为 75%确信它已检测到这种类型的敏感信息如果 300 个字符的近似内：

• 函数Func_new_york_drivers_license_number查找匹配模式的内容。

• 找到从Keyword_[state_name]_drivers_license_name关键字。

• 找到从Keyword_us_drivers_license关键字。

DLP 策略是 65%确信它已检测到这种类型的敏感信息如果 300 个字符的近似内：

• 函数Func_new_york_drivers_license_number查找匹配模式的内容。

• 找到从Keyword_[state_name]_drivers_license_name关键字。

• 找到从Keyword_us_drivers_license_abbreviations关键字。

• 不找到Keyword_us_drivers_license从任何关键字。

    <Pattern confidenceLevel="75">
        <IdMatch idRef="Func_new_york_drivers_license_number" />
        <Match idRef="Keyword_new_york_drivers_license_name" />
        <Match idRef="Keyword_us_drivers_license" />
    </Pattern>
    <Pattern confidenceLevel="65">
        <IdMatch idRef="Func_new_york_drivers_license_number" />
        <Match idRef="Keyword_new_york_drivers_license_name" />
        <Match idRef="Keyword_us_drivers_license_abbreviations" />
        <Any minMatches="0" maxMatches="0">
          <Match idRef="Keyword_us_drivers_license" />
        </Any>
    </Pattern>

9 个数字，以"9"开头，包含"7"8"，为第四位数字，或者格式设置为空格或短划线

设置格式：

• 将数字"9"

• 两位数字

• 空格或短划线

• "7"或者"8"

• 数字

• 空格或短划线

• 四位数字

不带格式：

• 将数字"9"

• 两位数字

• "7"或者"8"

• 五位数

否

DLP 策略是 85%确信它已检测到这种类型的敏感信息如果 300 个字符的近似内：

• 函数Func_formatted_itin查找匹配模式的内容。

• 至少一个下列条件成立：

  • 找到从Keyword_itin关键字。

  • 函数Func_us_address查找合适的日期格式中的地址。

  • 函数Func_us_date查找合适的日期格式的日期。

  • 找到从Keyword_itin_collaborative关键字。

DLP 策略为 75%确信它已检测到这种类型的敏感信息如果 300 个字符的近似内：

• 函数Func_unformatted_itin查找匹配模式的内容。

• 至少一个下列条件成立：

  • 找到从Keyword_itin_collaborative关键字。

  • 函数Func_us_address查找合适的日期格式中的地址。

  • 函数Func_us_date查找合适的日期格式的日期。

<!-- U.S. Individual Taxpayer Identification Number (ITIN) -->
<Entity id="e55e2a32-f92d-4985-a35d-a0b269eb687b" patternsProximity="300" recommendedConfidence="75">
    <Pattern confidenceLevel="85">
        <IdMatch idRef="Func_formatted_itin" />
        <Any minMatches="1">
          <Match idRef="Keyword_itin" />
          <Match idRef="Func_us_address" />
          <Match idRef="Func_us_date" />
          <Match idRef="Keyword_itin_collaborative" />
        </Any>
    </Pattern>
    <Pattern confidenceLevel="75">
        <IdMatch idRef="Func_unformatted_itin" />
        <Match idRef="Keyword_itin" />
        <Any minMatches="1">
          <Match idRef="Keyword_itin_collaborative" />
          <Match idRef="Func_us_address" />
          <Match idRef="Func_us_date" />
        </Any>
    </Pattern>
</Entity>

9 位，可能在格式或不带格式的图案

四个函数查找 Ssn 四种不同模式中：

• Func_ssn预 2011年强格式设置为短划线或空格 (ddd-dd dddd 或 ddd dd dddd) 查找 Ssn

• Func_unformatted_ssn预 2011年强格式九个连续的数字 (ddddddddd) 为不带格式的查找 Ssn

• Func_randomized_formatted_ssn查找文章 2011 Ssn 格式设置为短划线或空格 (ddd-dd dddd 或 ddd dd dddd)

• Func_randomized_unformatted_ssn查找是九个连续的数字 (ddddddddd) 为不带格式的文章 2011 Ssn

否

DLP 策略是 85%确信它已检测到这种类型的敏感信息如果 300 个字符的近似内：

• 函数Func_ssn查找匹配模式的内容。

• 至少一个下列条件成立：

  • 找到从Keyword_ssn关键字。

  • 函数Func_us_date查找合适的日期格式的日期。

  • 函数Func_us_address查找合适的日期格式中的地址。

DLP 策略为 75%确信它已检测到这种类型的敏感信息如果 300 个字符的近似内：

• 函数Func_unformatted_ssn查找匹配模式的内容。

• 找到从Keyword_ssn关键字。

• 至少一个下列条件成立：

  • 函数Func_us_date查找合适的日期格式的日期。

  • 函数Func_us_address查找合适的日期格式中的地址。

DLP 策略是 65%确信它已检测到这种类型的敏感信息如果 300 个字符的近似内：

• 函数Func_randomized_formatted_ssn查找匹配模式的内容。

• 函数Func_ssn未找到匹配模式的内容。

• 至少一个下列条件成立：

  • 找到从Keyword_ssn关键字。

  • 函数Func_us_date查找合适的日期格式的日期。

  • 函数Func_us_address查找合适的日期格式中的地址。

DLP 策略是 55%确信它已检测到这种类型的敏感信息如果 300 个字符的近似内：

• 函数Func_randomized_unformatted_ssn查找匹配模式的内容。

• 找到从Keyword_ssn关键字。

• 函数Func_unformatted_ssn未找到匹配模式的内容。

• 至少一个下列条件成立：

  • 函数Func_us_date查找合适的日期格式的日期。

  • 函数Func_us_address查找合适的日期格式中的地址。

<!-- U.S. Social Security Number (SSN) -->
<Entity id="a44669fe-0d48-453d-a9b1-2cc83f2cba77" patternsProximity="300" recommendedConfidence="75">
    <Pattern confidenceLevel="85">
        <IdMatch idRef="Func_ssn" />
        <Any minMatches="1">
          <Match idRef="Keyword_ssn" />
          <Match idRef="Func_us_date" />
          <Match idRef="Func_us_address" />
        </Any>
    </Pattern>
    <Pattern confidenceLevel="75">
        <IdMatch idRef="Func_unformatted_ssn" />
        <Match idRef="Keyword_ssn" />
        <Any minMatches="1">
          <Match idRef="Func_us_date" />
          <Match idRef="Func_us_address" />
        </Any>
    </Pattern>
    <Pattern confidenceLevel="65">
        <IdMatch idRef="Func_randomized_formatted_ssn" />
        <Any minMatches="0" maxMatches="0">
          <Match idRef="Func_ssn" />
        </Any>
        <Any minMatches="1">
          <Match idRef="Keyword_ssn" />
          <Match idRef="Func_us_date" />
          <Match idRef="Func_us_address" />
        </Any>
    </Pattern>
    <Pattern confidenceLevel="55">
        <IdMatch idRef="Func_randomized_unformatted_ssn" />
        <Match idRef="Keyword_ssn" />
        <Any minMatches="0" maxMatches="0">
          <Match idRef="Func_unformatted_ssn" />
        </Any>
        <Any minMatches="1">
          <Match idRef="Func_us_date" />
          <Match idRef="Func_us_address" />
        </Any>
    </Pattern>
</Entity>