Поделиться через

Что такое обнаружение пин-кодов на языке Azure?

Это важно

Функция обнаружения личной информации и ее анонимизации (синтетическая замена) в инструменте Foundry Tools Text для языка Azure в настоящее время доступна в preview и лицензирована вам в рамках подписки Azure. Использование этой функции распространяется на условия, применимые к предварительным версиям , как описано в дополнительных условиях использования для предварительных версий Microsoft Azure и надстройке защиты данных (DPA) продуктов и служб Майкрософт.

Функция распознавания личных сведений (PII) в инструментах Foundry от Azure Language представлена как возможность языка Azure. Служба обнаружения piI — это облачный API, который использует алгоритмы машинного обучения и искусственного интеллекта для разработки интеллектуальных приложений с помощью расширенного распознавания естественного языка. Обнаружение персональных данных в Azure Language использует распознавание именованных сущностей (NER) для идентификации и редактирования конфиденциальной информации из входящих данных. Служба классифицирует конфиденциальные персональные данные в предопределенные категории. К этим категориям относятся номера телефонов, адреса электронной почты и идентификационные документы. Эта классификация помогает эффективно обнаруживать и устранять такие сведения.

Совет

Попробуйте функцию обнаружения ПИИ в портале Microsoft Foundry. Там можно использовать существующий ресурс Language Studio или создать новый ресурс Foundry.

Новые возможности

Версия 2025-11-15-preview содержит следующие новые параметры задачи PII:

Возможности

В настоящее время поддержка PII доступна для следующих возможностей:

Язык — это облачная служба, которая применяет функции обработки естественного языка (NLP) для обнаружения категорий персональных данных (PII) в текстовых данных. Эта документация содержит следующие типы:

  • Краткие руководства — инструкции по началу работы и отправке запросов в службу.
  • Руководства — содержат инструкции для более специфического или специализированного использования службы.

Стандартный рабочий процесс

Чтобы использовать эту возможность, нужно в приложении передать данные для анализа и обработать полученный от API результат. Анализ выполняется как есть, без добавления настройки модели, используемой для данных.

  1. Создайте ресурс Azure Language in Foundry Tools, который предоставляет доступ к функциям, предлагаемым языком. Он создает пароль (называемый ключом) и URL-адрес конечной точки, используемый для проверки подлинности запросов API.

  2. Создайте запрос, используя REST API или клиентскую библиотеку для C#, Java, JavaScript или Python. Также можно отправить асинхронные вызовы с пакетным запросом, чтобы объединить в один вызов несколько запросов к разным функциям API.

  3. Отправьте запрос, содержащий текстовые данные. Ключ и конечная точка используются для проверки подлинности.

  4. Выполните потоковую передачу ответа или сохраните его локально.

Ключевые особенности для текстовой PII

Язык предлагает распознавание именованных сущностей для идентификации и классификации информации в тексте. Эта функция обнаруживает категории piI, включая имена, организации, адреса, номера телефонов, номера финансовых счетов или коды, а также идентификационные номера правительства. Подмножество этой персональной информации представляет собой защищенную медицинскую информацию (PHI). Указав domain=phi в запросе, возвращаются только сущности PHI.

Приступите к обнаружению PII

Чтобы использовать обнаружение piI, вы отправляете текст для анализа и обрабатываете выходные данные API в приложении. Анализ выполняется как есть, без настройки модели, используемой в данных. Существует два способа использования обнаружения лично идентифицируемой информации:

Вариант разработки Описание
Портал Microsoft Foundry (новый) Foundry (новое) — это облачная платформа искусственного интеллекта, которая обеспечивает упрощенный доступ к моделям, агентам и инструментам Foundry через проекты Foundry.
Портал Foundry (классический) Foundry (классическая) — это облачная платформа, которая поддерживает проекты на основе концентраторов и другие типы ресурсов. При регистрации вы можете использовать собственные данные для обнаружения личных сведений в текстовых примерах.
REST API или клиентская библиотека (Azure SDK) Интеграция обнаружения PII в приложения с помощью REST API или клиентской библиотеки, доступной на различных языках.

Справочная документация и примеры кода

При использовании этой функции в ваших приложениях ознакомьтесь со следующей справочной документацией и примерами для службы Azure Language в инструменте Foundry.

Вариант разработки и язык Справочная документация Примеры
REST API Документация по REST API
C# Документация по C# Примеры C#
Ява Документация по Java Примеры для Java
JavaScript Документация по работе с JavaScript. Примеры JavaScript
Питон Документация по Python. Примеры для Python

Требования к входным данным и ограничения службы

Ответственное применение ИИ

Система ИИ включает не только технологию, но и людей, которые используют ее, людей, пострадавших от нее, и среды развертывания. Ознакомьтесь с примечанием о прозрачности для персональных данных, чтобы узнать больше об ответственном использовании и развертывании искусственного интеллекта в своих системах. Дополнительные сведения см. в следующих статьях:

Пример сценариев

  • Применяйте метки конфиденциальности. Например, на основе результатов службы по обнаружению персональных данных публичная метка конфиденциальности может применяться к документам, в которых персональные данные не выявлены. Для документов, в которых распознаются адреса и номера телефонов США, может применяться метка "конфиденциально". Метка высокого уровня конфиденциальности может использоваться для документов, в которых распознаются номера маршрутизации банка.
  • Отредактировать некоторые категории персональных данных из документов, которые получают более широкий оборот . Например, если записи контактов клиентов доступны сотрудникам службы поддержки первого уровня, компания может удалить личную информацию клиента, помимо их имени, из версии журнала клиентов для сохранения конфиденциальности клиента.
  • Отредактируйте личную информацию, чтобы уменьшить бессознательную предвзятость. Например, во время процесса рассмотрения резюме в компании, они могут скрывать имя, адрес и номер телефона, чтобы помочь уменьшить бессознательные гендерные или другие предвзятости.
  • Замена персональных данных в исходных данных машинного обучения, чтобы снизить несправедливость. Например, если вы хотите удалить имена, которые могут выявить пол при обучении модели машинного обучения, можно использовать службу для их идентификации и заменить их универсальными заполнителями для обучения моделей.
  • Удалите персональные данные из транскрипции центра обработки вызовов. Например, если вы хотите удалить имена или другие персональные данные, которые упоминаются в разговоре агента и клиента в сценарии центра обработки вызовов. Служба позволяет выявлять и удалять эти данные.
  • Очистка данных для науки о данных - Персонально идентифицируемая информация (PII) может использоваться для подготовки данных, чтобы специалисты и инженеры по данным могли использовать эти данные для обучения своих моделей машинного обучения. Исправление данных, чтобы избежать раскрытия данных клиента.

Следующие шаги

Приступить к использованию функции связывания сущностей можно одним из двух путей:

  • Foundry — это веб-платформа, которая позволяет использовать несколько функций языка без необходимости писать код.
  • Для получения инструкций по выполнению запросов к службе с использованием REST API и SDK клиентской библиотеки, см. это краткое руководство.
  • Last updated on