配置识别算法、规则和任务

智能分类分级按“算法 → 规则 → 任务 → 结果确认 → 评审发布”运行。一般规则使用的正则算法可在算法库维护；血缘级联和机器学习的具体入口、可选规则以环境提供的功能为准。

维护算法库

1. 进入“系统设置 → 识别算法 → 算法库”，准备算法目录。
2. 在算法列表区域单击“新建”，填写算法名称、目录及正则表达式。目录树中的“新建”用于创建目录，不是算法。
3. 输入一条测试数据验证匹配，再用正反例检查误判。
4. 确定后按名称或描述查找，按需编辑。

已有引用的算法编辑会提示影响；被规则引用或具有子算法的父算法不能删除。可按模板导入算法；导出时未勾选为全部，勾选为部分。

批量导入从“更多操作 → 导入算法”下载模板后填写，上传文件须保持模板结构。在任务进度浏览中查看导入、导出进度，遇到错误按提示修正记录。列表可按算法名称和描述搜索；算法目录填写名称和描述，目录内仍有算法时不能删除。

如果环境提供“机器学习算法 → 牛刀小试”，可以输入内容查看候选分类及评分。评分范围为 0 至 1 时，数值越高表示相对匹配可能性越大；评分不是业务合规结论或已发布等级。没有该入口时，可先使用一般规则及其条件测试。

用虚构代码验证正则表达式

首次使用可先做下面的小样例。它只验证表达式是否匹配输入文本，不查询真实业务数据，也不把算法保存或发布为治理规则。

1. 在新建算法表单填写一个能识别测试用途的名称，选择有权限的算法目录。当前页面在测试前也会校验这些必填项，不能只填表达式。
2. 识别算法类型选择“正则表达式”，在“识别算法内容”填写 ^[A-Z]{2}[0-9]{4}$，表示完整文本由两位大写字母和四位数字组成。
3. 在“测试”输入框填写 AB1234，单击“测试”，检查“符合规则”的结果。
4. 将测试文本改成 AB12，再次测试，检查“没有识别到符合规则的内容”。
5. 体验完成后单击底部“取消”返回列表。正式使用时，应替换为经业务确认的表达式和正反样本，完成检查后再保存。

测试输入	本样例的实际结果	说明
AB1234	符合规则	两位大写字母加四位数字
AB12	没有识别到符合规则的内容	数字不足四位

样例仅演示匹配方向，不代表企业编码规则。算法测试通过后，还需要在一般规则中选取对象进行条件测试，并检查任务结果；不能直接据此批量确认安全分类。

配置识别规则

进入“分类分级工具 → 智能分类分级 → 识别规则”，创建目录后选择页面实际提供的规则类型。当前核对的新建菜单提供“一般规则”；其他环境提供血缘级联或机器学习规则时，再使用对应配置。不要将不同规则类型套用到一般规则表单。

类型	操作重点
一般规则	选择依赖信息项或直接按安全分类识别；多个条件按与/或组合，选择少量对象进行条件测试
血缘级联规则	按已有血缘向下游推荐；不要套用资产盘点中上游与下游都可选的规则
机器学习规则	选择学习目标：表、依赖已分类表的字段、不依赖表的字段或信息项；填写目标分类/信息项、目录、优先级、评分阈值和推荐条数

被任务引用的规则不能删除。调整算法和规则后，重新运行前应检查受影响数据范围。

一般规则的条件测试

1. 在“识别规则 → 新建”选择“一般规则”。
2. “识别目标”选择“信息项”或“数据分类”。选择信息项时填写识别信息项；选择数据分类时，先选择“表/视图/实体”或“数据项”，再选择目标分类。
3. 填写规则名称、目录、描述和优先级，再填写子条件，检查条件组之间的“与”“或”关系。
4. 单击“条件测试”，在弹出的元数据选择界面选取少量已知对象。
5. 比较预期命中、预期不命中与实际测试结果，确认后保存。

条件测试的样本应同时包含正例和反例。选择范围过大会增加等待时间，先通过小样本检验条件，再配置正式任务。

图示展示新建表单的目标配置区域。部分界面的“安全分类”在此显示为“数据分类”。改变识别目标或资产类型后，重新检查已经选择的分类与条件，避免用字段的识别依据处理整张表。

字段或控件	操作要点
规则名称	按实际识别目的命名，遵守输入长度提示
识别目标	信息项与数据分类两种方式，决定后续需选择的依据
识别资产类型	数据分类方式下选择对象粒度，表/视图/实体与数据项分开
识别信息项或选择数据分类	选择已维护的对应对象，不能只填写分类说明代替选择
选择目录、描述	确定规则归属，记录适用范围与依据
优先级	表单提供 P1、P2、P3；不从标签自行推断多规则冲突后的唯一结果
新增条件组、条件测试	先组合条件，再以少量已知对象检查命中和未命中情况

机器学习规则的目标与参数

参数	如何选择
对表进行分类	选择表要进入的目标安全分类
对字段进行分类（依赖已分类的表）	先确认父表已有可用分类，再用对应目标处理字段
对字段进行分类（不依赖已分类的表）	选择字段要进入的目标安全分类
信息项	选择字段要依赖的分类信息项
规则目录、描述、优先级	记录归属及用途，核对多个规则同时命中的处理配置
评分阈值	限制候选结果分数，不等同于最终安全等级
推荐结果	指最终识别结果中推荐的分类条数，不是取样数据行数

选择不同学习目标后，需选择的分类或信息项不同。保存前确认目标与对象粒度匹配，不能把表级分类直接当成每个字段的最终等级。

创建和运行任务

1. 切换“识别任务”，新建任务目录。
2. 单击“新建识别任务”，填写基本信息并添加识别规则。
3. 确认后检查配置，按需要开启任务。
4. 单击“运行”，随后查看结果；“发起成功”仅表示已提交任务。
5. 复用时可复制任务并修改名称，重新核对规则及范围。

“开启/关闭”用于切换任务状态，“运行”用于发起本次执行，两者应分别检查。列表按任务名称模糊查询；复制任务的默认名称带“副本”，应改成能区分用途的名称。任务目录有任务时不能删除；删除任务前保留仍需追溯的运行及评审依据。

确认识别结果

在“识别结果确认”按资产名称、系统、数据源、采集名称、表或安全等级筛选；部分界面将该页称为“识别结果”。核对每项来源、分类和级别，必要时通过分类和等级的修改入口调整。

确认正确后提交评审；需要重做时“重新梳理”回到待梳理，仍在范围内的对象会参加后续识别；暂不处理时设为“暂不梳理”。最后由评审人员按评审与发布完成结果确认。

处理选择	适用情况	处理后检查
修改分类或等级	对象正确，但推荐结果与依据不符	调整的是所选对象，分类与等级分别准确
提交评审	已复核本批对象及建议	进入评审流程，不以提交提示替代已发布状态
重新梳理	需要调整依据后再次识别	回到待梳理；对象仍在识别范围时会参与下次任务
暂不梳理	本轮暂不处理	对象显示为暂不梳理，并记录业务处理原因

评审人员通过后分类分级结果才完成发布；驳回的对象回到待梳理。若元数据更新导致某些对象已不存在，批量处理可能同时出现成功和失败项，应按返回明细逐项处理，不只记录整体提示。

没有结果时依次检查任务运行、识别范围、算法测试和规则条件；大量误判时先修正规则和依据，不批量发布以填满覆盖率。