[发明专利]用于执行机器学习的用户界面和工作流

权利要求书

1.一种为数据丢失防护系统产生基于机器学习的检测概况的方法，包括：

经由用户界面接收训练数据集，所述训练数据集包括多个敏感数据的正例和多个敏感数据的反例；

经由所述用户界面接收存储器分配的用户选择；

通过使用机器学习来分析所述训练数据集以便训练基于机器学习的检测概况，所述基于机器学习的检测概况将用于将新数据分类为敏感数据或非敏感数据；以及

在所述用户界面中显示针对所述基于机器学习的检测概况的质量度量，所述质量度量包括存储器利用率，其中针对类别数据的所述存储器利用率符合所述存储器分配。

2.根据权利要求1所述的方法，其中，分析所述训练数据集包括：

在所述训练数据集上执行特征提取以生成特征集，所述特征集包括正例的特征和反例的特征；

从所述训练数据集生成分类模型；以及

计算所述质量度量，其中所述质量度量包括假正面率、假反面率或存储器利用率中的至少一种。

3.根据权利要求2所述的方法，还包括：

如果所述假正面率在假正面阈值内并且所述假反面率在假反面阈值内，就能够实现配置操作；

经由所述用户界面接收执行所述配置操作的用户请求；以及

响应于接收所述用户请求，将所述基于机器学习的检测概况添加到数据丢失防护系统的数据丢失防护策略中。

4.根据权利要求2所述的方法，还包括：

在所述用户界面中，从所述训练数据集识别引起假正面的数据和引起假反面的数据中的至少一种。

5.根据权利要求1所述的方法，还包括：

接收针对敏感数据的正例和针对敏感数据的反例的类别信息；以及

在用户界面中识别添加到训练数据集的数据类别来改进所述质量度量。

6.根据权利要求1所述的方法，还包括：

如果所述质量度量不能满足质量阈值，则响应于用户输入来修改所述训练数据集；

分析修改的训练数据集以重新训练所述基于机器学习的检测概况；以及

在所述用户界面中显示针对所述基于机器学习的检测概况的新质量度量。

7.根据权利要求1所述的方法，其中，

通过数据丢失防护系统的数据丢失防护策略收集所述训练数据集，所述多个敏感数据的反例包括由所述数据丢失防护策略错误分类为敏感文档的文档，所述方法还包括：

将所述基于机器学习的检测概况配置到所述数据丢失防护策略中。

8.根据权利要求1所述的方法，还包括：

经由所述用户界面接收针对所述基于机器学习的检测概况的敏感性阈值的选择；并且

基于所述选择控制针对所述基于机器学习的检测概况的敏感性阈值设置。

9.一种用于为数据丢失防护系统产生基于机器学习的检测概况的设备，包括：

用于经由用户界面接收训练数据集的装置，所述训练数据集包括多个敏感数据的正例和多个敏感数据的反例；

用于经由所述用户界面接收存储器分配的用户选择的装置；

用于通过使用机器学习来分析所述训练数据集以便训练基于机器学习的检测概况的装置，基于机器学习的检测概况将用于将新数据分类为敏感数据或非敏感数据；以及

用于在所述用户界面中显示针对所述基于机器学习的检测概况的质量度量的装置，所述质量度量包括存储器利用率，其中针对类别数据的所述存储器利用率符合所述存储器分配。

10.根据权利要求9所述的设备，其中，分析所述训练数据集包括：

在所述训练数据集上执行特征提取以生成特征集，所述特征集包括正例的特征和反例的特征；

从所述训练数据集生成分类模型；以及

计算所述质量度量，其中所述质量度量包括假正面率、假反面率或存储器利用率中的至少一种。

11.根据权利要求10所述的设备，所述设备还包括：

用于如果所述假正面率在假正面阈值内并且所述假反面率在假反面阈值内，使配置操作实现的装置；

用于经由所述用户界面接收执行所述配置操作的用户请求的装置；以及

用于响应于接收所述用户请求，将所述基于机器学习的检测概况添加到数据丢失防护系统的数据丢失防护策略中的装置。