Textklassifizierung und -entfernung

Wann sollten Textklassifizierung und ‑bearbeitung verwendet werden?

Im Folgenden sind einige gängige Anwendungsfälle aufgeführt:

  • Nutzereingaben vor der Datenbankpersistenz bereinigen: Entfernen Sie vertrauliche personenidentifizierbare Informationen (z. B. Sozialversicherungsnummern, Kreditkartennummern oder Führerscheine) aus Freiformtext, bevor Sie Datensätze in Speicher- oder Anwendungsdatenbanken schreiben.
  • Kundenservice-Transkripte und -Protokolle bereinigen: Entfernen Sie personenbezogene Daten aus Chatverläufen, Supporttickets und E‑Mail-Threads, bevor sie von Kundenservicemitarbeitern überprüft oder als Trainingsdaten aufgenommen werden.
  • Sensible Entitäten für das nachgelagerte Tagging identifizieren: Klassifizieren Sie Text, um infoTypes und Wahrscheinlichkeitsbewertungen zu extrahieren, und verwenden Sie diese Informationen in benutzerdefinierten Workflows, um Nachrichten mit hohem Risiko weiterzuleiten oder zu kennzeichnen.
  • Vertrauliche Daten in Prompts für generative KI maskieren: Proprietäre oder rechtliche Hinweise aus Nutzerprompts entfernen, bevor Inhalte an öffentliche oder Drittanbieter-LLMs gesendet werden.

Textklassifizierung

Betrachten Sie die folgende Texteingabe:

Please update my records with the following information:
Email address: foo@example.com

National Provider Identifier: 1245319599

Driver's license: AC333991

Die Ausgabe ist eine Liste von Ergebnissen, die in die folgenden Kategorien gegliedert sind:

Die Beispielausgabe ist in der folgenden Tabelle dargestellt.

InfoType Likelihood Offset
US_HEALTHCARE_NPI VERY_LIKELY 122
EMAIL_ADDRESS LIKELY 72
US_DRIVERS_LICENSE_NUMBER LIKELY 155
CANADA_BC_PHN VERY_UNLIKELY 122
UK_TAXPAYER_REFERENCE VERY_UNLIKELY 122
CANADA_PASSPORT VERY_UNLIKELY 155

Automatisches Entfernen von Text

Beim automatischen Entfernen erhalten Sie anstelle einer Ergebnisliste direkt eine Ausgabe, bei der die sensiblen Daten bereits entfernt sind.

Hier ein Beispiel für eine Eingabe für die automatische Entfernung:

Please update my records with the following information:
Email address: foo@example.com

National Provider Identifier: 1245319599

Driver's license: AC333991

Hier sehen Sie ein Beispiel für die Ausgabe mit dem Platzhalter „***“:

Please update my records with the following information:
Email address: ***

National Provider Identifier: ***

Driver's license: ***

Ressourcen

  • Weitere Informationen zur Verwendung von Sensitive Data Protection zum Entfernen von Text finden Sie unter Sensible Daten aus Textinhalten entfernen.
  • Weitere Informationen zur Verwendung von Sensitive Data Protection zum De-Identifizieren sensibler Daten in Textinhalten, einschließlich des „Maskierens“ sensibler Daten, des Ersetzens sensibler Daten durch einen „Token“-String und des Verschlüsselns und Ersetzens sensibler Daten durch einen zufällig generierten oder vordefinierten Schlüssel, finden Sie unter Sensible Daten in Textinhalten de-identifizieren.