¿Qué es la detección de PII en Azure Language?

La detección de información de identificación personal (PII) es una funcionalidad Azure Language core que le ayuda a identificar, clasificar y redactar datos confidenciales en texto, conversaciones y documentos nativos. Envíe texto de entrada al servicio y reciba una salida estructurada con categorías de entidad, puntuaciones de confianza y resultados censurados en función de la configuración de la API. Puede usar esta funcionalidad para implementar controles de privacidad, reducir la exposición de datos confidenciales y admitir los requisitos de cumplimiento en los flujos de trabajo de procesamiento de datos y aplicaciones.

Sugerencia

Pruebe la detección de PII en Microsoft Foundry y elija el tipo de característica que coincida con los datos de entrada.

Demostración de vídeo

En este vídeo, presentamos el servicio de detección de PII y le mostramos cómo detecta y redacta datos confidenciales en las transcripciones de texto, documentos y conversaciones. Tratamos:

  • Cómo probar el servicio en el área de juegos del portal de Azure Foundry
  • Opciones de personalización de claves para tipos de entidad, estilos de enmascaramiento y exclusiones
  • ¿Por qué la protección de PII es importante y el impacto empresarial de las infracciones de datos?

Los subtítulos ocultos están disponibles en este vídeo.

Documentación de PII por tipo de característica

Las funcionalidades de PII se agrupan por tipo de característica. Cada tipo de característica se asigna a un modelo de procesamiento y formato de entrada específico.

Captura de pantalla del diagrama de tipos de características de PII.

Elija el tipo de característica que coincida con los requisitos de forma de datos y tiempo de ejecución.

PII de texto

Text PII procesa cargas basadas en cadenas y devuelve resultados de detección y redacción sincrónicos. Use esta característica cuando el sistema controle el procesamiento en tiempo de solicitud de mensajes, indicaciones, registros y otros campos de texto.

Utilice la siguiente documentación para implementar y ajustar las cargas de trabajo de información personal identificable en texto.

PII de conversación

La DCP de conversación procesa intercambios de varios turnos y cargas orientadas a transcripciones en los que los límites de turno y el contexto de la conversación incluyen en el comportamiento de detección y enmascaramiento. Use esta característica para cargas de trabajo asincrónicas que analizan estructuras de chat y transcripción.

Utiliza la documentación siguiente para implementar el procesamiento de información personalmente identificable (PII) en conversaciones basado en tareas.

Información Personal Identificable basada en documentos

PII basado en documentos procesa archivos nativos y devuelve una salida de redacción que conserva la estructura del documento, al tiempo que genera metadatos legibles por máquina. Usa esta característica para canalizaciones asincrónicas basadas en almacenamiento que controlan .pdf, .docx y .txt.

Utilice la siguiente documentación para implementar Información Personal Identificable (PII) basada en documentos en canalizaciones de archivos nativos.

Elección de la característica PII correcta

Use la tabla siguiente para seleccionar la experiencia correcta antes de iniciar la implementación:

Tipo de característica Entrada Más adecuado para Fortaleza clave
PII de texto Cadenas de texto sin formato Aplicaciones, mensajes, registros, tickets Amplia cobertura de idioma y opciones flexibles de redacción
DCP de conversación Datos de chat o transcripción por turnos Centros de contacto, reuniones, transcripciones de voz Contexto de la conversación y salida adaptada a la transcripción
PII basado en documentos Archivos nativos (.pdf, .docx, .txt) Flujos de trabajo de cumplimiento y uso compartido de documentos Archivos redactados con fidelidad al documento original y metadatos en formato JSON

Comenzar

Para usar la detección de PII, envíe texto para su análisis y controle la salida de la API en la aplicación. El análisis se realiza as-is, sin personalizar el modelo usado en los datos. Hay dos maneras de usar la detección de PII:

Opción desarrollo Descripción
Microsoft Foundry (nuevo) portal Foundry (nuevo) es una plataforma de inteligencia artificial basada en la nube que proporciona acceso simplificado a los modelos, agentes y herramientas de Foundry a través de proyectos de Foundry.
Portal de Fundación (clásico) Foundry (clásico) es una plataforma basada en la nube que admite proyectos basados en concentradores y otros tipos de recursos. Al registrarse, puede usar sus propios datos para detectar información de identificación personal dentro de ejemplos de texto.
REST API o biblioteca cliente (SDK de Azure) Integre la detección de PII en las aplicaciones mediante la API REST o la biblioteca cliente disponible en varios idiomas.

Flujo de trabajo típico

Para usar esta característica, envíe datos para su análisis y controle la salida de la API en la aplicación. El análisis se realiza as-is, sin personalización agregada al modelo usado en los datos.

  1. Cree un recurso de Azure Language en Foundry Tools, que le concede acceso a las características que ofrece Language. Genera una contraseña (denominada clave) y una dirección URL de punto de conexión que se usa para autenticar las solicitudes de API.

  2. Cree una solicitud mediante la API REST o la biblioteca cliente para C#, Java, JavaScript y Python. También puede enviar llamadas asincrónicas con una solicitud por lotes para combinar solicitudes de API para varias características en una sola llamada.

  3. Envíe la solicitud que contiene los datos de texto. Su clave y su punto de conexión se usan para la autenticación.

  4. Transmita o almacene la respuesta localmente.

¿Qué difiere entre los tipos de características?

Todos los tipos de características usan categorías de entidad predefinidas y devuelven detecciones con puntuación de confianza. Difieren principalmente por el formato de entrada y el modelo de procesamiento:

  • El PII de texto está optimizado para la entrada sincrónica basada en cadenas.
  • La PII conversacional está optimizada para estructuras de chat y transcripciones segmentadas por turnos.
  • La PII basada en documentos está asincrónica y optimizada para procesar archivos nativos a la vez que conserva la estructura del documento.

Nota

La PII basada en archivos se centra en flujos de trabajo de redacción de archivos nativos. Algunas opciones de solo texto no están disponibles en cada versión de API de documento.

Guía sobre la disponibilidad general y las versiones preliminares

Para evitar problemas de integración, use las versiones de API y las características que coincidan con el destino de implementación:

  • Use versiones de API de disponibilidad general (GA) para cargas de trabajo de producción.
  • Utilice versiones de API en vista previa solo cuando necesite funcionalidades exclusivas de vista previa.
  • Evite combinar ejemplos de carga de solicitudes de diferentes versiones de API.

Cada artículo de instrucciones específico de características identifica las secciones disponibles solo como versión preliminar cuando corresponda.

Requisitos de entrada y límites de servicio

Use las siguientes referencias para comprobar la cobertura de idioma, los límites de servicio y el comportamiento de la versión del modelo:

Documentación de referencia y ejemplos de código

A medida que use esta característica en las aplicaciones, consulte la siguiente documentación de referencia y ejemplos para Azure Language en Foundry Tools:

Opción de desarrollo/lenguaje Documentación de referencia Ejemplos
REST API Documentación de la API REST
C# Documentación de C# ejemplos de C#
Java documentación de Java ejemplos de Java
JavaScript Documentación de JavaScript ejemplos de JavaScript
Python documentación de Python ejemplos de Python

Inteligencia artificial responsable

Debe diseñar soluciones responsables teniendo en cuenta el comportamiento del modelo, los usuarios que operan el sistema y las personas afectadas por la salida. Lea la nota de transparencia de PII para comprender las instrucciones de implementación responsables. Para obtener más información, consulte los artículos siguientes:

Casos de uso comunes

La detección de PII (Información de Identificación Personal) es útil cuando es necesario aplicar controles de privacidad antes del almacenamiento, el análisis, la compartición o el procesamiento de IA posterior.

Entre los ejemplos típicos se incluyen:

  • Aplicar etiquetas de confidencialidad en función de las categorías de información personal identificable detectadas.
  • Anonimizar información personal en documentos distribuidos más ampliamente.
  • Enmascaramiento de identificadores personales en los flujos de trabajo de selección de currículos para reducir el riesgo de sesgo.
  • Reemplazar valores confidenciales por marcadores de posición en conjuntos de datos de entrenamiento de aprendizaje automático.
  • Redactar nombres y detalles de contacto en los flujos de trabajo de transcripción del call center.
  • Preparar conjuntos de datos para análisis y ciencia de datos sin exponer los datos de los clientes.

Pasos siguientes

Use las siguientes referencias para continuar la implementación:

  • Last updated on