Quand utiliser la classification et l'occultation de texte ?
Voici quelques cas d'utilisation courants :
- Nettoyer les entrées utilisateur avant la persistance de la base de données : masquez les informations permettant d'identifier personnellement l'utilisateur (telles que les numéros de sécurité sociale, les numéros de carte de crédit ou les permis de conduire) dans le texte libre avant d'écrire des enregistrements dans les bases de données de stockage ou d'application.
- Nettoyer les transcriptions et les journaux du service client : supprimez les informations personnelles permettant d'identifier les utilisateurs des historiques de discussions, des demandes d'assistance et des fils de discussion par e-mail avant l'examen par un agent ou l'ingestion des données d'entraînement.
- Identifier les entités sensibles pour le taggage en aval : classifiez le texte pour extraire les infoTypes et les niveaux de probabilité, et utilisez ces informations dans des workflows personnalisés pour acheminer ou signaler les messages à haut risque.
- Masquer les données confidentielles dans les requêtes d'IA générative : masquez les informations propriétaires ou réglementées des requêtes utilisateur avant d'envoyer du contenu à des LLM publics ou tiers.
Classification de texte
Prenons l'exemple de l'entrée de texte suivante :
Please update my records with the following information: Email address: foo@example.com National Provider Identifier: 1245319599 Driver's license: AC333991
Nous obtenons une liste de résultats organisés dans les catégories suivantes :
InfoTypeLikelihoodOffset(l'emplacement de la chaîne où la valeurInfoTypepotentielle a été trouvée)
Des exemples de résultats sont indiqués dans le tableau ci-dessous.
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 |
Masquage automatique de texte
Plutôt que de vous présenter une liste de résultats, le masquage automatique génère un résultat duquel sont effacées les correspondances de données sensibles.
Voici un exemple d'entrée de masquage automatique :
Please update my records with the following information: Email address: foo@example.com National Provider Identifier: 1245319599 Driver's license: AC333991
Voici un exemple de résultat utilisant un espace réservé "***" :
Please update my records with the following information: Email address: *** National Provider Identifier: *** Driver's license: ***
Ressources
- Pour en savoir plus sur l'utilisation de Sensitive Data Protection pour masquer du texte, consultez Masquer des données sensibles dans un texte.
- Pour en savoir plus sur l'utilisation de Sensitive Data Protection pour anonymiser les données sensibles dans un contenu textuel (ce qui inclut le masquage des données sensibles, le remplacement des données sensibles par une chaîne de jeton, et le chiffrement et le remplacement des données sensibles à l'aide d'une clé générée de manière aléatoire ou prédéterminée), consultez Anonymiser les données sensibles dans un contenu textuel.