新闻 · AWS Machine Learning Blog
使用 Amazon Bedrock Data Automation 构建无服务器 PII 脱敏流水线
了解如何使用 Amazon Bedrock Data Automation 结合自定义蓝图、AWS Step Functions 和 AWS Lambda，大规模自动化扫描文档中的端到端 PII 检测与脱敏。自定义蓝图以字段级精度对敏感字段进行脱敏，令牌匹配质量检查可提高退化和手写文档的召回率。
en
英文原标题：Build a serverless PII redaction pipeline with Amazon Bedrock Data Automation
本文为英文原文的机器翻译摘要，原文见：AWS Machine Learning Blog ↗
- 文章介绍如何用 Amazon Bedrock Data Automation（BDA）、AWS Step Functions 和 AWS Lambda 构建无服务器批量 PII 脱敏流水线，处理扫描文档和图像。
- 传统 OCR 加模式匹配或自定义 ML 模型在文本退化、字段级业务逻辑表达和格式变化时存在局限，而生成式 AI 能整体理解页面布局、字段标签和上下文。
- BDA 自定义蓝图允许用自然语言指令声明要提取的命名字段，返回字段内容、置信度和边界框坐标，用于后续黑框脱敏。
- 设计蓝图需回答四个范围问题：什么是敏感信息、什么不是、在页面何处、如何移除；文中以 Attending Physician Statements 为例，需脱敏患者姓名、出生日期、住址和联系方式，但不脱敏医生信息、检查日期等。
- 蓝图示例定义了 9 个字段组共 37 个字段，每个字段使用 inferenceType: "explicit" 和自然语言指令来限定检测范围；部署时以蓝图 ARN 作为输入参数，同一流水线可服务多个脱敏用例。
关键数据
- 蓝图示例定义了 9 个字段组共 37 个字段
- 每个字段使用 inferenceType: "explicit"
- 流水线每次 API 调用发送一页文档给 BDA
为什么值得看：它展示了如何利用生成式 AI 文档理解能力，以无服务器架构和可定制蓝图实现大规模、高精度的 PII 脱敏，解决传统 OCR 方案在退化文本和字段级逻辑上的不足。