O que esta ferramenta faz
Ela responde por que uma regra de DLP disparou, ou não, separando três coisas que costumam ser reunidas numa só — e que falham separadamente:
- Candidatos — quantas cadeias têm o formato certo
- Correspondências — quantas delas passam no checksum
- Limiar — se essa contagem atinge o que a regra exige
Uma regra que não disparou falhou em exatamente um desses pontos, e saber qual diz o que mudar.
Por que o checksum importa mais que o padrão
Um identificador de dados predefinido não é uma expressão regular. Uma cadeia de dezesseis dígitos é um candidato; se ela conta como correspondência depende de aritmética.
Esse único fato explica a maioria das discussões sobre ajuste de DLP. "Marcou um número de pedido de compra" costuma ser um número que por acaso passa no Luhn. "Deixou passar um cartão real" costuma ser um com dígito trocado, que falha no Luhn e portanto não é um cartão do ponto de vista do motor. Nenhuma das queixas se resolve discutindo o padrão.
Os identificadores
Cartão de pagamento — o algoritmo de Luhn, como especificado para números de cartão. Note que cartões válidos têm de treze a dezenove dígitos, então regras escritas em torno de dezesseis perdem o resto.
CPF e CNPJ — os identificadores brasileiros, cada um com dois dígitos verificadores mod-11. Sequências de dígitos repetidos como 111.111.111-11 satisfazem a aritmética mas nunca são emitidas, então são rejeitadas.
Esses três estão aqui porque sua validação é um algoritmo público e inequívoco. Um identificador cujas regras não são públicas não pode ser modelado com honestidade.
Privacidade
Tudo permanece no seu navegador. Nada do que você cola é transmitido, armazenado ou registrado — o que importa mais aqui do que na maioria das ferramentas, porque a ideia é justamente colar conteúdo que você suspeita ser sensível.
Limites honestos
Este não é o motor da Netskope. Ele modela o passo do checksum, que é o que surpreende as pessoas. Palavras-chave por proximidade, dicionários, impressão digital de documentos, correspondência exata de dados, OCR e detecção de tipo de arquivo estão todos fora de escopo, e nenhum deles é aproximado.
A detecção de formato aqui é deliberadamente simples, então zero candidatos significa esta ferramenta não achou nenhum, não a plataforma não acharia nenhum. E ela conta um número repetido uma vez; se determinada plataforma conta ocorrências ou valores distintos muda o comportamento do limiar, e isso é configuração que ela não modela.