MediaSelección múltiple

Pregunta de práctica de SC-900

¿Qué DOS características de Microsoft Purview se pueden utilizar para clasificar y proteger automáticamente datos confidenciales en documentos?

Elige todas las respuestas correctas.

Respuestas correctas

  • CTrainable classifiers
  • ESensitive information types

Explicación

Los tipos de información confidencial (E) son las definiciones integradas o personalizadas basadas en patrones en Microsoft Purview que detectan y clasifican automáticamente datos confidenciales como números de tarjetas de crédito, números de identificación nacional o registros de salud, convirtiéndolos en un mecanismo central de clasificación automática. Los clasificadores entrenables (C) utilizan aprendizaje automático para identificar y clasificar automáticamente contenido confidencial por categoría (por ejemplo, código fuente, currículos o contratos) cuando la coincidencia de patrones por sí sola es insuficiente. Juntas, estas dos características alimentan el motor de clasificación que luego puede activar la protección, como el cifrado o DLP. Las políticas de prevención de pérdida de datos (A) actúan sobre datos confidenciales ya clasificados para evitar el intercambio, pero son un mecanismo de protección/aplicación en lugar de una característica de clasificación. eDiscovery (Premium) (B) se utiliza para identificar, recopilar y revisar contenido para casos legales, no para la clasificación y protección automática. Las etiquetas de retención (D) gobiernan cuánto tiempo se conserva o elimina el contenido, lo cual es una función de ciclo de vida, no una clasificación automática de datos confidenciales.

Por qué cada opción es correcta o incorrecta

A

Incorrecta

Data loss prevention policies

Las políticas de prevención de pérdida de datos detectan información confidencial y bloquean o advierten sobre el intercambio, pero no clasifican documentos ni aplican protección como el cifrado. Las etiquetas de confidencialidad hacen ambas cosas. DLP es tentador porque utiliza los mismos tipos de información confidencial, pero su punto de aplicación es la salida, no el etiquetado.

B

Incorrecta

eDiscovery (Premium)

eDiscovery (Premium) admite retención legal, conjuntos de revisión y flujos de trabajo de casos para litigios; no aplica etiquetas de confidencialidad ni clasifica automáticamente el contenido. Es tentador porque muestra elementos confidenciales durante las investigaciones, pero eso es descubrimiento reactivo, no la clasificación y protección automatizada que requiere el enunciado.

C

Correcta

Trainable classifiers

Los clasificadores entrenables utilizan aprendizaje automático para identificar contenido por ejemplo en lugar de patrones fijos, clasificando automáticamente los documentos que se ajustan a una categoría entrenada. Esto satisface el requisito del enunciado de clasificación y protección automática de datos confidenciales en documentos.

D

Incorrecta

Retention labels

Las etiquetas de retención gobiernan cuánto tiempo se conserva el contenido y cuándo se elimina; no detectan tipos de información confidencial ni aplican cifrado. Las etiquetas de confidencialidad realizan la clasificación y protección. Las etiquetas de retención son tentadoras porque también se aplican automáticamente, pero su eje es la retención del ciclo de vida, no la clasificación de datos.

E

Correcta

Sensitive information types

Los tipos de información confidencial detectan patrones de datos específicos, como números de tarjetas de crédito o números de seguro nacional, lo que permite la clasificación automática de documentos. Esto satisface el requisito del enunciado de clasificación y protección automática de datos confidenciales en documentos.

Para profundizar

Los clasificadores entrenables utilizan un proceso de dos etapas: primero, se entrenan con contenido semilla para aprender patrones, luego aplican puntuación de similitud a nuevos documentos, logrando más del 95% de precisión para categorías bien definidas como 'contratos' o 'currículos'. Los tipos de información confidencial se basan en patrones regex, listas de palabras clave y niveles de confianza (por ejemplo, 85% para una tarjeta de crédito con verificación Luhn) para detectar datos, y pueden combinarse con clasificadores entrenables para una mayor precisión. En la práctica, una empresa financiera podría usar un clasificador entrenable para 'informes financieros' y un tipo de información confidencial para 'números IBAN' para aplicar automáticamente una etiqueta de confidencialidad y cifrar el documento.

Sobre estas preguntas de práctica

Esta es una de las preguntas de práctica originales de SC-900 de Courseiva, escrita para aprender y nunca copiada de exámenes reales ni de dumps.

Traducida del original en inglés con IA y revisada para comprobar el sentido. Los códigos de examen, los comandos y los nombres de productos se mantienen tal como aparecen en el examen.