---
sourceDocument: Brésil Sécurité de la plateforme
sourceDocumentLink: https://servicenow-prod.fluidtopics.net/r/fr-FR/platform-security

 Release :

    - brazil

ft:locale :

    - fr-FR

ft:publication_title :

    - Brésil Sécurité de la plateforme

ft:clusterId :

    - psec

bundleId :

    - psec

workflow :

    - Platform


---

# Configurer des schémas

# Configurer des Découverte de données schémas {#ariaid-title1}

Rversion finale: Brazil  
Mis à jour 10 sept. 2026  
![](https://www.servicenow.com/docs/portal-asset/ico-clock) 3 minutes de lecture  
Configurez un modèle et passez en revue les Découverte de données modèles actuels. Un Découverte de données modèle définit l'expression régulière utilisée pour faire correspondre les données à une table cible.

## Avant de commencer

Rôle requis : data_discovery_admin

## Pourquoi et quand exécuter cette tâche

Les modèles personnalisés Découverte de données peuvent être utilisés avec l'anonymisation Now Assist en plus des modèles du système de base fournis avec la plateforme. Un modèle s'applique aux invites Now Assist lorsqu'il est associé au canal de données de l'IA générative . Les schémas du système de base qui n'incluent pas \<\< (IA générative) \>\> dans leur nom peuvent également s'appliquer à Now Assist, à condition qu'ils soient associés au canal de données de l'IA générative . Les schémas configurés s'appliquent de manière cohérente entre les compétences Now Assist, l'Agent virtuel Now Assist, les agents IA et les compétences personnalisées créées avec le kit de compétences Now Assist.  
Remarque :  
Confidentialité des données pour Now Assist est disponible dans Yokohama et les versions ultérieures. Sur les instances Xanadu, utilisez le gestionnaire de données sensibles pour masquer les données sensibles pour l'IA générative.  
Important :  
L'anonymisation Now Assist utilise un masquage bidirectionnel. Lorsqu'une compétence Now Assist telle que la synthèse d'incidents traite un enregistrement, les données sensibles correspondant à un modèle actif sont remplacées par des jetons d'espace réservé dans l'invite envoyée au grand modèle de langage (LLM). Les valeurs d'origine sont ensuite restaurées dans la réponse renvoyée à l'utilisateur final. Les utilisateurs finaux voient donc des données non masquées dans les réponses Now Assist ; C'est à dessein. L'objectif du masquage est d'empêcher la transmission de données sensibles au LLM, et non de les masquer à l'utilisateur final dans la réponse finale.

## Procédure

1. Accédez à Sécurité de systèmeDécouverte de donnéesTous les schémas de données.
2. Dans la Découverte de données liste Schéma, sélectionnez Nouveau.
3. Renseignez les champs du formulaire Champs de Découverte de données la tâche.  
   {#configure-data-discovery-patterns__table_tgp_2pb_grb__entry__2}

   | Champ | Description |
   |-|-|
   | Périmètre interne | Périmètre du modèle. |
   | Description | Description de la tâche. |
   | Nom | Nom du schéma de données. |
   | Application | Périmètre de l'application du modèle. |
   | Expression | Expression régulière utilisée pour découvrir le schéma de données. Remarque : La longueur de l'expression doit être inférieure à 1 000 caractères. |
   | Mot clé (facultatif) | Mot spécifique (ou mots séparés par une virgule) à rechercher autour d'une expression. Doit être utilisé avec la proximité des mots clés Remarque : Un mot clé peut être utilisé pour rechercher un contexte supplémentaire pour un schéma. Par exemple, l'utilisation de mots clés peut aider à différencier une date de naissance ou une date d'embauche étant donné qu'ils ont le même format MM/JJ/AA. |
   | Proximité du mot clé (facultatif) | À quelle distance de l'expression pour rechercher des mots clés. Doit être utilisé avec le mot clé Remarque : La valeur par défaut est 30, limite supérieure de 64 |
   | Configuration de la technique de confidentialité | Technique de masquage appliquée aux données correspondantes avant qu'elles ne soient envoyées au LLM. Les techniques courantes incluent : Remplacement synthétique :   Remplace la valeur correspondante par un substitut réaliste mais fictif (par exemple, remplacement d'une adresse e-mail différente). À utiliser lorsque le LLM a besoin de valeurs plausibles pour maintenir la qualité des réponses. Remplacement statique :   Remplace la valeur correspondante par un espace réservé fixe non inférable (par exemple, en remplaçant tout NSS par \<\< 999-99-9999 \>\>). Remplacement sélectif par x :   Masque une partie ou la totalité de la valeur à l'aide de caractères génériques (par exemple, en masquant la plupart des chiffres d'un numéro de carte tout en conservant les quatre derniers). À utiliser lorsqu'une visibilité partielle est acceptable et aide le LLM à comprendre le contexte. Supprimer :   Supprime entièrement la valeur correspondante de l'invite. |
   | Valeur synthétique | Liste des valeurs substituées aux schémas |
   | Type | Type de modèle * Local : le modèle est basé sur regex * Modèle : utilise le service AI/ML {#configure-data-discovery-patterns__ul_hjr_fch_cgc} |
   [Tableau 1. Découverte de données Champs de tâche]

   {#configure-data-discovery-patterns__table_tgp_2pb_grb}
4. Sélectionnez Soumettre.
   * Le bouton Test vous permet de tester votre expression régulière avant d'envoyer la liste des schémas de données.
   {#configure-data-discovery-patterns__choices_pq1_dp3_3xb}

Le modèle de données doit être défini sur actif pour être utilisé avec les travaux planifiés.

5. Accédez à Sécurité de systèmeDécouverte de donnéesSchémas de données actifs.
6. Dans la Découverte de données liste Modèle actif, sélectionnez Modifier.
7. Sélectionnez la liste de modèles dans les listes disponibles et déplacez-la vers les listes sélectionnées.

