为敏感数据创建自定义类别¶

如果没有能够检测您特定领域敏感数据的原生语义类别，您可以为您的敏感数据创建一个自定义类别。

通过定义自定义分类器来实现自定义语义类别。自定义分类器具有以下属性：

识别数据类型的自定义语义类别；例如 medical_code 和 employee_id。
Snowflake 算法用于检测您的敏感数据的正则表达式。
预定义的隐私类别之一。

工作原理¶

Snowflake 在 SNOWFLAKE.DATA_PRIVACY 架构中提供 CUSTOM_CLASSIFIER 类，使数据工程师能够根据自己的数据知识扩展其数据分类能力。创建该类的实例后，您可以调用该实例上的方法来定义您的自定义语义类别、指定隐私类别，并指定用于匹配列值模式（同时可选匹配列名）的正则表达式。

重要

敏感数据分类存储的是自定义分类器的定义，而不是引用。如果更改自定义分类器，必须使用 SET_CUSTOM_CLASSIFIERS 方法将分类配置文件更新为新的定义。

有关使用 CUSTOM_CLASSIFIER 类创建和使用自定义分类器的示例，请参阅示例。

注意事项¶

选择一个与您正在分类的数据大小相匹配的仓库：

无需担心处理时间：超小型仓库。
表中最多有 100 列：小型仓库。
表中有 101 到 300 列：中型仓库。
表中有超过 300 列：大型仓库。

自定义类别的阈值¶

用于对自定义类别进行分类的算法使用 评分规则 来评估自定义分类器的正则表达式，以确定要推荐哪个语义类别。

评分规则使用的默认阈值为 0.8，这相当于在推荐类别方面具有很高的置信度。样本中 80% 的数据必须与您添加到实例中的正则表达式匹配。算法会将列的分数与阈值进行比较，并推荐对应于以下各项之一的类别：

非国际系统标签
国际系统标签
自定义分类器标签

您可以对实例调用 custom_classifier!ADD_REGEX 方法，来指定自定义分类实例的阈值。

备注

两个自定义分类器的分数可能会相同。在这种情况下，可通过评估以下内容来解决分数相同的问题：

各自自定义类别之间的匹配百分比。
自定义类别名称之间的字母顺序。

在这种情况下，获胜类别将成为推荐类别，其余类别将成为备选类别。

下表汇总了评分算法和推荐标签：

提供的名称匹配器	值匹配 >= 阈值	名称匹配	建议
True	True	True	自定义类别
	False	True	Snowflake 类别
	True	False	Snowflake 类别
	False	False	Snowflake 类别
False	True	不适用	自定义类别
	False	不适用	Snowflake 类别

复制和克隆¶

复制数据库时，也将复制 CUSTOM_CLASSIFIER 类的实例。
克隆包含实例的架构时，也将克隆 CUSTOM_CLASSIFIER 类的实例。