カスタムデータ分類¶

概要¶

Snowflakeは CUSTOM_CLASSIFIER クラス を SNOWFLAKE.DATA_PRIVACY スキーマで提供し、データエンジニアがデータに関する独自の知識に基づいてデータ分類機能を拡張できるようにします。クラスのインスタンスを作成した後、インスタンスのメソッドを呼び出して、独自のセマンティックカテゴリを定義し、プライバシーカテゴリを指定し、オプションで列名を一致させながら列の値パターンに一致する正規表現を指定できます。

カスタム分類インスタンスを作成して使用することで、次のことが可能になります。

• データ分類作業を加速します。

• 機密データを含む列に、業界およびドメイン固有のタグを定義します。

• Snowflakeを活用して、 PII データを追跡する取り組みをより細かく制御します。

考慮事項¶

分類するデータのサイズに合ったウェアハウスを選択する。詳細については、 コンピューティングコスト をご参照ください

カスタム分類アルゴリズムについて¶

Snowflakeは、 データ分類 のアルゴリズムと比較して、カスタム分類に固有のアルゴリズムを使用します。異なる分類アルゴリズムを使用する理由は、データの分類方法に応じて安定した結果を確保するためです。

カスタム分類アルゴリズムは、 スコアリングルール を使用して、推奨するセマンティックカテゴリシステムタグと、代替として提案するセマンティックカテゴリタグ（存在する場合）を決定します。スコアリングロジックは、インスタンスに追加した正規表現を評価します。この正規表現は、インスタンスで custom_classifier !ADD_REGEX メソッドを呼び出して指定します。

スコアリングルールでは、推奨されるタグがどのようなものであるべきかに関して、高い信頼性に相当するデフォルトのしきい値 0.8 が使用されます。サンプル内のデータの80％は、インスタンスに追加した正規表現にマッチしなければなりません。アルゴリズムは、列のスコアをしきい値と比較し、次のいずれかに対応するタグを推奨します。

• 非国際システムタグ。

• 国際システムタグ。

• カスタム分類タグ。

カスタム分類インスタンスのしきい値を指定するには、インスタンスで custom_classifier !ADD_REGEX メソッドを呼び出します。

次の表は、スコアリングアルゴリズムと推奨タグをまとめたものです。

複製とクローニング¶

• データベースをレプリケートすると、 CUSTOM_CLASSIFIER クラスのインスタンスがレプリケートされます。

• インスタンスを含むスキーマをクローンすると、 CUSTOM_CLASSIFIER クラスのインスタンスがクローンされます。