智客 ZICQ
EN 登录 / 注册
智客前沿 大模型 #AWS #Bedrock #PII去标识化 #无服务器架构 #生成式AI

AWS发布Amazon Bedrock Data Automation:革新文档级PII去标识化解决方案

Mr.Xu 的头像

文 / Mr.Xu 智客前沿编译 · 审校

发布时间: · 8 次阅读

中文阅读 (Chinese) English Version
共读互动 选中正文任意句子即可高亮划线、写下你的技术批注,或一键生成金句引用卡。 直达讨论区 ↓

摘要:AWS推出了Amazon Bedrock Data Automation,这是一款基于生成式AI的文档理解服务,旨在帮助企业自动化处理扫描文档中的个人身份信息(PII)检测与去标识化。该服务通过自定义蓝图、AWS Step Functions和AWS Lambda的无服务器架构,实现了对文档和图像的端到端处理,尤其适用于医疗、金融和政府等对数据隐私有严格要求的行业。


概述

在处理大量扫描文档(如医疗表格、保险索赔和财务记录)的组织中,面临着一个持续的合规需求:在与第三方共享或下游处理之前,必须对文档中的个人身份信息(PII)进行去标识化。手动去标识化不仅耗时,还容易出错,并带来合规风险。此外,去标识化不仅是一个检测问题,也是一个精度问题。传统方法结合光学字符识别(OCR)和模式匹配或定制机器学习(ML)模型,但这些方法在处理文本质量差、难以表达字段级业务逻辑以及需要ML专业知识来构建和重新训练模型时存在局限性。

核心突破

Amazon Bedrock Data Automation通过以下方式革新了文档级PII去标识化:

  1. 生成式AI文档理解:利用基础模型对文档页面进行整体解释,包括布局、字段标签和上下文,从而区分字段所属的信息。
  2. 自定义蓝图功能:允许用户使用自然语言指令声明需要提取的命名文档字段,实现字段级精度。
  3. 无服务器批处理架构:结合AWS Step Functions和AWS Lambda,实现对文档和图像的端到端处理。

技术亮点

  • 自定义蓝图:用户可以通过AWS管理控制台、AWS CLI或开发者SDK创建自定义蓝图,指定目标蓝图架构,枚举需要去标识化的字段、其数据类型、自然语言描述和适用的转换。
  • 质量检查:通过结合自定义输出和标准输出,并使用标记匹配逻辑提高召回率,确保在自由文本段落和手写文本中也能捕捉到重复的PII实例。
  • 无服务器管道:使用AWS Lambda函数和AWS Step Functions状态机,实现文档级和页面级的并行处理,最大限度地提高并发性,同时保持成本效益。

性能评估

在针对六种文档质量级别的测试中,Amazon Bedrock Data Automation的蓝图提取在精度和召回率方面表现出色:

  • 精度:97.0%(仅蓝图提取),96.5%(结合标准输出和匹配逻辑)。
  • 召回率:89.3%(仅蓝图提取),95.2%(结合标准输出和匹配逻辑)。

通过引入标准输出作为质量检查步骤,召回率从89.3%提高到95.2%,同时保持了较高的精度。

行业影响

该解决方案适用于以下场景:

  • 文档质量差或混合格式:例如低分辨率扫描、手写文本等。
  • 字段级业务逻辑应用:例如去标识化患者姓名但不处理医生姓名。
  • 需要像素级边界框坐标的图像去标识化。

开发者建议

  • 设计自定义蓝图:根据具体文档处理用例设计定制化的BDA蓝图,以实现最佳的去标识化效果。
  • 优化并发设置:根据账户级别的服务配额和实际工作负载属性,优化文档级和页面级的并发设置。
  • 利用安全控制:利用AWS提供的IAM权限管理、加密和审计功能,确保数据安全和合规性。

结论

Amazon Bedrock Data Automation为企业和开发者提供了一种高效、可扩展且精确的PII去标识化解决方案。通过自定义蓝图和AWS的无服务器架构,用户可以轻松地将该解决方案应用于各种文档处理场景,推动数据隐私保护和数据处理的现代化。


消息来源:AWS Machine Learning Blog (2026-09-16)

—— 完 ——

主题标签: #AWS #Bedrock #PII去标识化 #无服务器架构 #生成式AI

编辑部与事实核查说明:本篇专刊由智客前沿资讯管线根据官方技术公告、学术论文及开源工程文档整理编译,经算法实体核验与人工编辑审校后发布。若发现技术事实纰漏,欢迎依据勘误方针或一键向编辑部发送勘误反馈。

读完这篇,你的第一判断是?
🚀 去【作品】晒出你的相关实践

社区整体评论区

正在加载实时智能评论与划词标注…