Microsoft Purview Classifiers overviewで押さえるべき結論は、分類子を単体機能として見るのではなく、秘密度ラベル、保持ラベル、DLP、コミュニケーション コンプライアンスなどに渡す「判定信号」として見直すことです。Microsoft Purviewでは、機密コンテンツを識別・分類する方法として「手動」「自動パターン マッチング」「トレーニング可能な分類子」の3つが整理されています。(Microsoft Learn)
2026年5月20日時点で管理者が特に見るべきポイントは、分類方式そのものの理解に加えて、自動ラベル付けやDLPに入る前の精度検証、権限設計、既存分類子の棚卸しです。なお、確認できるMicrosoft LearnのClassifiers overview本体は英語版で2025年9月24日が最終更新日です。一方、2026年5月20日に作成・更新されたMicrosoft 365 Release Communicationsでは、Microsoft Purview Information Protectionの「Auto-labeling Simulation Evaluation」が開発中として示されており、分類結果を使った自動ラベル適用の評価・説明強化が今後の運用上の焦点になります。(Microsoft Learn)
Microsoft PurviewのClassifiers overviewとは
Microsoft PurviewのClassifiers overviewは、組織内のファイル、メール、メッセージなどに含まれる機密情報をどのように識別し、分類し、その結果を保護や管理に使うかを説明する公式ドキュメントです。
重要なのは、分類はゴールではなく入口だという点です。たとえば、クレジットカード番号を検出しただけでは情報漏えい対策は完了しません。その検出結果をもとに、秘密度ラベルを自動適用する、DLPで外部送信を制御する、保持ラベルで保管期間を決める、といった後続の制御につなげて初めて意味があります。
Microsoft Learnでは、分類子はMicrosoft Purviewポータルの Information Protection > Classifiers で確認でき、分類結果を調査するExplorer類は Information Protection > Explorers から利用できると説明されています。また、ポリシー作成前に機密コンテンツやラベル付きコンテンツをスキャンし、影響を確認できる考え方を「zero change management」としています。(Microsoft Learn)
何が変わるのか：強制移行よりも「分類精度の検証」が重要になる
今回の確認ポイントは、「既存の分類子が突然使えなくなる」というより、分類をもとにした自動化をより慎重に検証する必要が増しているという点です。
2026年5月20日に作成・更新されたPurview関連の公式リリース情報では、Auto-labeling Simulation Evaluationが示されています。この機能は、自動ラベル付けポリシーを強制適用する前に、マッチしたアイテムが真陽性か偽陽性かをAIによって評価し、理由を説明するものとして説明されています。プレビューは2026年5月、一般提供は2026年6月予定です。(Microsoft)
ただし、Microsoft 365ロードマップの情報は予定であり、リリース日や内容は変更される可能性があります。展開計画では「今月必ず本番適用する」と決め打ちせず、メッセージセンター、ロードマップ、Microsoft Learnの最新情報を確認しながら進めるべきです。(Microsoft)
Classifiers overviewで整理されている3つの分類方法
Microsoft Purviewの分類方法は、大きく次の3つです。
| 分類方法 | 向いている用途 | 具体例 | 注意点 |
|---|---|---|---|
| 手動分類 | 人の判断が必要な文書や、業務文脈で判断する情報 | ユーザーが「社外秘」「Confidential」などの秘密度ラベルを選ぶ | ユーザー教育が不足すると、ラベルの付け忘れや過剰分類が起きやすい |
| 自動パターン マッチング | 定型的な番号、キーワード、メタデータ、テンプレートを検出する用途 | クレジットカード番号、銀行口座番号、社員番号、契約書テンプレート | 条件が広すぎると誤検知が増え、狭すぎると検出漏れが増える |
| トレーニング可能な分類子 | パターンだけでは識別しにくい文書種別を検出する用途 | 法務文書、M&A関連資料、価格情報、知的財産文書 | サンプル設計と検証が重要。公開済みカスタム分類子の再トレーニングには制約がある |
自動パターン マッチングには、キーワードやメタデータ、機密情報の種類、ドキュメント フィンガープリント、Exact Data Matchなどが含まれます。トレーニング可能な分類子は、評価用サンプルを与えて特定のコンテンツ種別を認識させる仕組みです。(Microsoft Learn)
影響範囲：分類子の見直しはDLP・ラベル・保持に波及する
分類子の設定変更は、単に「検索結果が変わる」だけではありません。Microsoft Purviewでは、機密情報の種類やトレーニング可能な分類子が、DLPポリシー、秘密度ラベル、保持ラベル、インサイダーリスク管理、コミュニケーション コンプライアンス、自動ラベル付けポリシー、Microsoft Privaなどで使われます。(Microsoft Learn)
つまり、分類条件を1つ変更すると、次のような運用影響が出る可能性があります。
| 影響する領域 | 起こり得る変化 | 確認すべきこと |
|---|---|---|
| 秘密度ラベル | 自動ラベルの適用件数が増減する | ラベルの優先順位、対象ユーザー、既定ラベル、暗号化設定 |
| DLP | ブロック、警告、監査の発生件数が変わる | 誤検知時の例外申請、監査ログ、エンドポイントDLPの対象 |
| 保持ラベル | 文書の保管・削除ルールが変わる | 保持期間、レコード化、削除前レビュー |
| Explorer類 | 機密データの見え方や集計が変わる | Data explorer、Activity explorerでの確認権限 |
| ユーザー体験 | Officeアプリ上のラベル表示や警告が増える | ヘルプリンク、社内ガイド、問い合わせ窓口 |
特にDLPや自動ラベル付けに分類子を使っている場合、いきなり本番で条件を厳しくすると、業務メールの送信ブロック、外部共有の停止、ファイル操作の警告増加につながります。まずはシミュレーション、監査、パイロット展開で影響を確認するのが安全です。
管理者が最初に確認すべき設定
権限は最小特権で割り当てる
Classifiers overviewでは、データ分類ページにアクセスするためのMicrosoft 365ロールとして、全体管理者、コンプライアンス管理者、セキュリティ管理者、コンプライアンス データ管理者が挙げられています。また、Information Protection Admin、Information Protection Analyst、Information Protection Investigator、Information Protection Readerなどのロールでアクセス制御を細かく調整できます。(Microsoft Learn)
実務では、全体管理者を日常運用に使うのは避けるべきです。Microsoft Purviewポータルの権限管理でも、Microsoftは最小権限のロール利用を推奨しています。Data explorerのようにスキャン済みファイルの内容を閲覧できる機能は、ローカルのアイテム権限を超えて内容を確認できる場合があるため、閲覧権限と管理権限を分けて設計する必要があります。(Microsoft Learn)
ClassifiersとExplorersの場所を確認する
管理者は、まずMicrosoft Purviewポータルで次の画面を確認します。
| 確認場所 | 主な目的 |
|---|---|
| Information Protection > Classifiers | 機密情報の種類、トレーニング可能な分類子、分類条件の確認 |
| Information Protection > Explorers > Data explorer | ラベル付き、保持ラベル付き、機密情報として分類されたアイテムの現在のスナップショット確認 |
| Information Protection > Explorers > Activity explorer | ラベル適用、ラベル変更、DLP検出などのアクティビティ確認 |
Data explorerでは、機密情報の種類やトレーニング可能な分類子のマッチ数を確認し、Match / Not a Matchのフィードバックによって分類子の精度改善に活用できます。ただし、Data explorerの件数更新には時間がかかる場合があり、SharePointのファイルでは最大14日かかる可能性があると説明されています。(Microsoft Learn)
Activity explorerは、ラベル付きコンテンツに対して何が行われたかを監視する画面です。Microsoft 365統合監査ログをもとに、最大30日分のアクティビティを表示し、ラベル適用、変更、削除、DLPポリシー検出などを確認できます。(Microsoft Learn)
機密情報の種類は「検出範囲」と「信頼度」を必ず調整する
機密情報の種類、いわゆるSensitive Information Typesは、パターンベースの分類子です。社会保障番号、クレジットカード番号、銀行口座番号のような定型的な機密情報を検出するために使われ、Microsoft提供の組み込みSITのほか、カスタムSITも作成できます。(Microsoft Learn)
カスタムSITを作るときは、次の4点を必ず確認します。
| 設定項目 | 実務上の確認ポイント |
|---|---|
| 主要素 | 正規表現、キーワード、関数など、何を主な検出条件にするか |
| 補助要素 | 「請求書」「社員番号」「契約ID」など、文脈を補強する証拠を入れるか |
| 近接範囲 | 主要素と補助要素が何文字以内にあれば一致とみなすか |
| 信頼度 | high、medium、lowのどれで検出するか |
信頼度を高くすると誤検知は減りやすくなりますが、検出漏れが増える可能性があります。逆に低くすると検出漏れは減りやすいものの、誤検知が増えます。公式ドキュメントでは、低い信頼度は低・中・高の一致を返し、高い信頼度は高信頼度の一致のみを返すと説明されています。(Microsoft Learn)
日本語環境では、全角文字と半角英数字が混在する表現にも注意が必要です。Microsoft Learnでは、中国語、日本語、韓国語などの2バイト文字セットがSITでサポートされる一方、日本語と英語、または日本語と数字が混在するキーワードでは、スペースあり・なしの両方をバリアントとして定義する例が示されています。(Microsoft Learn)
Exact Data Matchは「自社固有の値」を検出したい場合に使う
Exact Data Match、つまりEDMベースのSITは、一般的な正規表現ではなく、組織が持つ実データに近い値をもとに検出する方法です。Microsoft Learnでは、EDMは構造化された機密データに向いており、誤検知を減らし、参照データベースを日次で更新でき、最大1億行のデータを含められると説明されています。(Microsoft Learn)
EDMが向いているのは、次のようなケースです。
| 用途 | EDMが向いている理由 |
|---|---|
| 顧客番号や会員ID | 単なる数字列ではなく、実在するIDと照合できる |
| 従業員番号 | 桁数だけでは誤検知しやすいが、実データ照合で精度を上げられる |
| 患者IDや契約番号 | 外部公開すべきでない業務固有の識別子を検出できる |
| 取引先コード | 一般的なSITでは検出しにくい自社固有の値に対応できる |
一方で、EDMは参照データの準備、更新、管理が必要です。データの鮮度が落ちると、退職者や解約済み顧客の情報が検出されなかったり、逆に不要な一致が残ったりします。データ管理部門とセキュリティ部門が連携し、更新頻度と責任者を明確にしておく必要があります。
トレーニング可能な分類子は「文書の意味」を扱うが制約もある
トレーニング可能な分類子は、パターンやキーワードだけでは識別しにくいコンテンツを分類するための機能です。Microsoft Learnでは、数百のサンプルをもとに特定のコンテンツ種別を学習し、法務文書、戦略文書、価格情報、財務情報などの例が示されています。(Microsoft Learn)
ただし、実務で使う前に次の制約を確認してください。
| 確認項目 | 注意点 |
|---|---|
| 暗号化ファイル | 分類子は暗号化されていないアイテムで動作すると説明されている |
| カスタム分類子の言語 | カスタム分類子は英語に限定される旨が記載されている |
| 公開済み分類子の改善 | 公開済みカスタム分類子の再トレーニングはサポートされず、精度改善には分類子を削除して大きなサンプルセットでやり直す必要がある |
| スキャン停止の影響 | スキャンを無効にすると、その分類子を使う秘密度ラベルやDLPポリシーが機能しない |
トレーニング可能な分類子は便利ですが、万能ではありません。日本語文書を中心に扱う組織では、カスタム分類子よりも、SIT、EDM、キーワード、ドキュメント フィンガープリント、手動ラベルの組み合わせを検討したほうが現実的な場合があります。
秘密度ラベルとの関係：分類は「検出」、ラベルは「保護」
分類子は、どのコンテンツが機密なのかを識別します。一方、秘密度ラベルは、そのコンテンツにどのような保護を適用するかを決めます。
Microsoft Learnでは、秘密度ラベルにより、暗号化、透かし、ヘッダーやフッターなどのコンテンツ マーキング、SharePointやTeamsなどのコンテナー保護、Microsoft 365 Copilot利用時の保護などが可能と説明されています。また、ラベルはファイルやメールのメタデータに保持され、コンテンツとともに残る性質があります。(Microsoft Learn)
運用で重要なのは、分類条件とラベル設計を別々に考えないことです。
たとえば、次のような設計はトラブルになりやすいです。
| 失敗例 | 起こり得る問題 |
|---|---|
| すべての個人情報に最上位ラベルを自動適用する | 暗号化により外部共有や共同編集に支障が出る |
| 初期ラベルに暗号化付きラベルを設定する | ユーザーが意図せず保護し、取引先が開けない |
| ラベルの優先順位を整理しない | 複数条件に一致したときに想定外のラベルが適用される |
| 親ラベルを既定ラベルにする | サブラベル運用で適用できないラベルを指定してしまう |
Microsoft Learnでも、秘密度ラベルの優先順位は重要であり、最も制限の強いラベルをリストの下に置く考え方が示されています。また、ラベルポリシーの変更が組織全体に反映されるまで最大24時間かかる場合があります。(Microsoft Learn)
保持ラベルとの関係：分類結果は削除・保管ルールにも使われる
保持ラベルは、コンテンツをどのくらい保持するか、保持期間終了後に削除するか、レコードとして扱うかを制御します。Microsoft Learnでは、保持ラベルは特定の機密情報、キーワード、トレーニング可能な分類子のパターン一致などを条件に自動適用できると説明されています。(Microsoft Learn)
ここで注意したいのは、分類ミスが情報漏えいだけでなく、保存しなければならない文書の削除や、削除すべき文書の過剰保持にもつながることです。
たとえば、契約書を識別する分類子の精度が低いと、次のような問題が起こります。
| 分類ミス | 影響 |
|---|---|
| 契約書を検出できない | 保持ラベルが適用されず、必要な期間保存されない |
| 契約書でない文書を契約書として検出する | 不要な文書が長期保持され、ストレージや監査負荷が増える |
| 古い分類条件を使い続ける | 新しい契約テンプレートや業務プロセスに追従できない |
保持ラベルに分類子を使う場合は、法務、コンプライアンス、情報システム部門が共同で検証する必要があります。DLPよりも影響が見えにくいため、適用件数、対象サイト、削除予定、レビュー対象を定期的に確認しましょう。
管理者向け：展開前チェックリスト
本番展開前には、次の順番で確認すると失敗しにくくなります。
| 手順 | 作業 | 判断基準 |
|---|---|---|
| 現状把握 | 既存のSIT、EDM、トレーニング可能な分類子、秘密度ラベル、保持ラベルを一覧化する | どの分類子がどのポリシーで使われているか分かる状態にする |
| 対象データの定義 | 個人情報、財務情報、契約書、知財など、守るべきデータを分類する | 「何を検出したいか」を業務用語で説明できる |
| 分類方式の選定 | 手動、SIT、EDM、トレーニング可能な分類子を使い分ける | 正規表現で足りるか、実データ照合が必要か、文書種別判定が必要かを判断する |
| テスト | サンプルファイルでSITや分類子をテストする | 真陽性、偽陽性、検出漏れを記録する |
| シミュレーション | 自動ラベルやDLPを監査・シミュレーションで確認する | ブロック前に影響ユーザー、件数、業務影響を把握する |
| パイロット | 限定部門で展開する | 問い合わせ件数、例外申請、誤検知率を確認する |
| 本番展開 | 段階的に対象を広げる | ラベル・DLP・保持の変更履歴を残す |
| 運用改善 | Data explorer、Activity explorer、監査ログを定期確認する | ルール追加よりも、不要ルール削除と精度改善を優先する |
特にカスタムSITは、未使用のものや広すぎる条件のものを放置しないことが重要です。Microsoft Learnでは、Endpoint DLPがテナント内の利用可能なすべてのSITをもとにファイル分類を行うため、チューニング不足のカスタムSITが多くのファイルに一致すると分類トラフィックが過剰になる可能性があると説明されています。(Microsoft Learn)
開発者・アプリ担当者が確認すべきポイント
開発者や業務アプリ担当者は、Purviewの分類子そのものを直接操作しない場合でも、ラベルや暗号化の影響を受けます。
まず、Officeファイルやメールを生成・加工するアプリでは、秘密度ラベルが適用されたファイルを正しく扱えるか確認が必要です。秘密度ラベルはメタデータとして保持され、暗号化やコンテンツ マーキングなどの保護設定を伴うことがあります。サードパーティアプリやサービスでラベルを読み取り、保護設定を適用する場合にはMicrosoft Information Protection SDKの利用シナリオも説明されています。(Microsoft Learn)
次に、帳票出力、契約書生成、ワークフロー承認、外部共有ポータルなどでは、次の観点をテストしてください。
| 対象 | 確認ポイント |
|---|---|
| 自動生成ファイル | 生成直後に既定ラベルや自動ラベルの対象になるか |
| 外部共有 | 暗号化ラベルが付いた場合、取引先が開けるか |
| ファイルプレビュー | 暗号化された文書をプレビューできるか |
| 検索・インデックス | ラベルや暗号化が検索結果に影響しないか |
| DLP連携 | アプリ経由のアップロード、ダウンロード、コピーがDLPイベントとして記録されるか |
開発側でよくある失敗は、「テスト用ファイルは開けたが、本番では秘密度ラベルが付いていて処理できない」というケースです。分類子、ラベル、暗号化、DLPを別々にテストするのではなく、実際の業務フローに近い状態で確認しましょう。
よくある失敗と回避策
いきなりブロックポリシーを有効にする
分類子の精度を確認せずにDLPのブロックを有効にすると、通常業務のメール送信やファイル共有が止まる可能性があります。最初は監査、警告、シミュレーションを使い、誤検知の傾向を見てから強制適用に進むのが現実的です。
ラベル数を増やしすぎる
秘密度ラベルを細かく作りすぎると、ユーザーは判断できなくなります。Microsoft Learnでは、実環境では主要ラベルが5個を超えたり、各主要ラベルのサブラベルが5個を超えたりすると有効性が低下しやすいという実務上の注意が示されています。(Microsoft Learn)
日本語キーワードの揺れを考慮しない
「機密document」と「機密 document」のように、日本語と英数字の間にスペースが入る場合と入らない場合があります。SITのキーワードや辞書を作るときは、表記ゆれ、全角・半角、スペース有無をサンプルで検証してください。
公開済みトレーニング可能分類子を後から簡単に直せると思い込む
公開済みカスタム分類子は再トレーニングがサポートされていないため、精度改善には削除して大きなサンプルセットで作り直す必要があります。最初から本番用途で作るのではなく、サンプルの品質と量を十分に確認してから公開するべきです。(Microsoft Learn)
権限を広く付けすぎる
Data explorerやContent explorer系の権限は、機密ファイルの内容確認につながる場合があります。調査担当者、ポリシー管理者、監査担当者の権限を分け、PIMや定期レビューを使って不要な権限を削除しましょう。
まず何をすべきか
Microsoft PurviewのClassifiers overviewを読んだ後に最初に行うべきことは、新機能を探すことではありません。まず、現在の分類子がどのポリシーに使われ、どの業務に影響しているかを棚卸しすることです。
優先順位は次の通りです。
| 優先度 | 実施内容 |
|---|---|
| 高 | DLP、自動ラベル、保持ラベルで使われている分類子を一覧化する |
| 高 | Information Protection関連ロールとData explorer閲覧権限を確認する |
| 高 | 誤検知が多いカスタムSIT、未使用SIT、広すぎるキーワードを見直す |
| 中 | EDMが必要な自社固有IDや顧客番号を洗い出す |
| 中 | Activity explorerでラベル変更、ダウングレード、DLP検出の傾向を見る |
| 中 | 自動ラベル付けのシミュレーション評価や今後のロードマップを確認する |
| 低 | ラベル名や説明文をユーザーに分かりやすく整える |
分類は、セキュリティ部門だけで完結する設定ではありません。法務、総務、人事、営業、開発、データ管理部門が「何を機密とみなすか」をそろえて初めて、DLPやラベルが正しく機能します。
Microsoft Purviewの分類子を見直すときは、まず既存分類子とポリシーの関係を可視化し、次に誤検知・検出漏れをテストし、最後に自動ラベルやDLPへ段階的に反映してください。新しい自動化機能を使うほど、前段の分類設計の品質がそのまま保護精度になります。
コメント