Amazon Novaで画像内のPIIを自動的に編集する

現代のビジネス運営において、社内のチーム間、パートナーとの外部共有、または機械学習モデルのトレーニングなどのワークロードにデータを使用することは基本です。しかし、そのデータに個人識別情報（PII）が含まれている場合、組織は一般データ保護規則（GDPR）や支払カード業界データセキュリティ基準（PCI DSS）などの規制下で重大な法的およびコンプライアンス義務に直面します。共有や処理の前にPIIが適切に編集されていないと、規制上の罰則、風評被害、顧客の信頼低下につながる可能性があります。

実世界の画像データセットにおけるPII編集は特に困難です。構造化テキストとは異なり、画像内のPIIは予期しない場所や形式で現れることがあります。フレームの端に写り込んだ部分的な顔、車の磨かれた表面に反射した顔、他の視覚的手がかりと組み合わさることで識別可能になる部分的に見える街路標識、またはワイドアングル写真の机の上にある書類に記載された名前、住所、ID番号などです。これらのエッジケースは、単一目的のマスキングツールを日常的に打ち負かします。

Amazon Novaは、高度な視覚理解能力を備えた基盤モデルのファミリーであり、複雑な画像分析ワークフローのインテリジェントコーディネーターとして強力な候補です。Novaは画像コンテンツを全体的に解釈し、文脈に応じて何がPIIを構成するかを推論し（前述の微妙で異常なケースを含む）、編集パイプライン全体を最初から最後まで指揮します。PIIの「何を」理解することで、Novaは専門ツールを連携させ、ピクセルレベルの精度で編集を実現しつつ、画像の全体的な価値を維持します。

この記事では、Amazon Novaが指揮するマルチステップパイプラインを紹介します。Novaの文脈的視覚推論を活用し、Amazon SageMaker AIにデプロイされたMetaのオープンソースSegment Anything Model（SAM 3）によるピクセルレベルのセグメンテーション、およびAmazon Textractによる光学文字認識（OCR）などの補完ツールを連携させます。このパイプラインは、指紋、IDカード、任意の向きのナンバープレートなどの困難なエッジケースに対しても、包括的かつ準拠したPII編集を提供するよう設計されています。

ソリューション概要

このソリューションでは、以下の主要サービスを使用して包括的なPII編集を実現します。

Nova 2 Lite：Amazon Nova 2 Liteは、テキスト、画像、動画、ドキュメントを処理する高速でコスト効率の高いマルチモーダル基盤モデルです。Amazon Bedrockで利用可能で、優れた価格性能比を提供し、企業や開発者が能力が高く信頼性と効率性に優れたアプリケーションを構築できるようにします。このソリューションでは、中央コーディネーターとして、PII検出と編集のワークフロー全体を調整し、各段階で意思決定を行い、専門サービスを連携させて包括的な結果を達成します。

Segment Anything Model (SAM 3)：SAM 3は、テキストおよび視覚プロンプトから画像内のオブジェクトを検出、セグメント化、追跡するオープンソースのセグメンテーションモデルです。このソリューションでは、SAM 3はNovaによって指示される精密機器として機能します。Novaが視覚的なPII要素を識別すると、セグメンテーションタスクをSAM 3に委任し、編集用の正確な境界を生成します。

Amazon Textract：Amazon Textractは、PDF、画像、テーブル、フォームなどの形式からテキスト、手書き文字、レイアウト要素、データを自動的に抽出するMLサービスです。このパイプラインでは、Amazon TextractはNovaのOCR機能として機能します。Novaが画像にテキストPIIが含まれていると判断すると、Amazon Textractにすべてのテキストコンテンツとその座標を抽出するよう指示し、Novaは画像全体のコンテキストを考慮して何が機密情報かを評価します。

PII検出

画像でよく見られるPII項目には、以下が含まれますが、これらに限定されません：氏名、運転免許証番号などの識別番号、住所、電話番号、MACアドレスなどの資産情報、車両識別番号（VIN）などの財産識別番号、顔画像などの個人特性、指紋などの生体データ。これらの項目は、テキスト型（氏名、識別番号、住所、電話番号、資産情報、財産識別番号）と視覚型（個人特性、生体データ）の2つのモダリティに分類できます。

Novaは、テキスト型または視覚型のPII項目のピクセル座標をそれぞれ識別する2つのサブプロセスにアクセスできるワークフローを指揮します。Novaは最初に画像の初期評価を実行してどのタイプのPIIが存在するかを判断し、次に画像を適切なサブプロセスにインテリジェントにルーティングします。その後、AWS Lambda関数がNovaの指示に従って特定された座標のコンテンツを不明瞭化します。

このソリューションは、高い編集精度が必要な単発またはバッチ画像前処理シナリオに最適です。Nova 2 Liteの優れた価格性能比、低レイテンシー、高度なマルチモーダル推論により、組織が深い機械学習の専門知識を持ったり、専用モデルを微調整したりすることなく、正確なPII編集を提供するワークフローを調整するのに適しています。

前提条件

このソリューションを試すには、以下が必要です：

• AWSアカウント
• Amazon Bedrock、Amazon SageMaker AI、Amazon Simple Storage Service (Amazon S3)、AWS Lambda、AWS Step Functions、Amazon EventBridge、Amazon Textractに精通していること
• お使いのAWSリージョンでAmazon Bedrock経由でNova 2 Liteにアクセスできること
• SageMaker AIにSAM 3をデプロイしていること
• AWS SDKの基本的な知識
• コンピュータビジョンの概念と画像処理の基本的な理解
• 基盤モデルとプロンプトエンジニアリングのテクニックに精通していること

このソリューションでは、S3ストレージ、Lambda呼び出し、Step Functions状態遷移、SageMaker AIエンドポイントホスティング、Amazon Bedrock API呼び出し、Amazon Textract API呼び出しを含むAWS料金が発生することに注意してください。対応するリソースを作成する前に、お使いのAWSリージョンにおけるこれらのサービスの料金を理解しておいてください。

ソリューションアーキテクチャ

このセクションでは、Novaが画像処理ワークフローを駆動し、テキスト分析と視覚分析の並列実行を指示して機密情報を識別および編集するアーキテクチャのガイダンスについて説明します。

1. ドキュメントアップロードとワークフロートリガー：画像をS3 input/フォルダにアップロードすると、S3イベント通知がEventBridgeルールをトリガーし、AWS Step Functionsワークフローを開始します。

1. ファイル検証と初期PIIスクリーニング：ワークフローは最初に、アップロードされたファイルタイプがAmazon Bedrockでサポートされている画像形式と互換性があることを検証します。検証後、Nova 2 Liteが画像の初期評価を実行し、PIIが存在するかどうかを判断する最初のインテリジェンスラインとして機能します。NovaがPIIなしと判断した場合、ワークフローは早期に終了し、画像は直ちにS3 noPII/フォルダに移動され、それ以上の処理なしで下流で使用できる状態になります。ほとんどの業務用画像にはPIIが含まれていません。このNovaによる早期終了判断は、最初の最も安価なステップで多数の画像をルーティングし、Amazon TextractやSageMaker AI上のSAM 3などの下流サービスの不要な呼び出しを回避することで、パイプライン全体のコストを大幅に削減します。

1. 並列PII検出：視覚プロセス：Nova 2 Liteが潜在的なPIIを識別すると、検出されたPIIをタイプ（テキスト、視覚、または両方）に分類し、下流処理のルーティング判断を行います。Novaの分類に基づき、Step Functionsワークフローは選択的に一方または両方の専門プロセスを呼び出します：NovaがテキストPIIを検出した場合はテキストプロセス、視覚PIIを検出した場合は視覚プロセス、両方を識別した場合は並行して両方のプロセスを呼び出します。

視覚プロセスは、画像内の顔やナンバープレートなどの視覚的PII要素の検出に焦点を当てます。Novaの指示の下、SageMaker AIにデプロイされたSAM 3がプロンプトされ、視覚的PII要素を特定し、ピクセル単位のセグメンテーションマスクを生成します。セグメンテーションマスクは、画像内のオブジェクトの正確な形状をトレースするピクセルレベルの輪郭であり、各ピクセルをそのオブジェクトに属するかどうかでラベル付けします。これは正確なデジタルステンシルのようなものです。単純なバウンディングボックス（オブジェクトの周りの大まかな長方形）とは異なり、セグメンテーションマスクは検出されたアイテムの真の輪郭に従い、周囲のコンテンツを隠すことなく機密ピクセルだけを編集できます。Novaの初期PII分類によって導かれるこの精密なアプローチは、機密領域のみを削除しながら画像の価値を維持するのに役立ちます。例えば、大規模な画像データセットでMLモデルをトレーニングする場合、この方法はPIIがモデルに渡されるのを防ぎつつ、データセットサイズと非機密の視覚情報を保持します。

1. 並列PII検出：テキストプロセス：テキストプロセスは、Novaのマルチモーダル推論を利用し、Amazon Textractの助けを借りて画像に埋め込まれたテキストを分析します。まず、Amazon Textractが画像内のテキストのピクセルレベルの位置を識別し、そのコンテンツを抽出します。検出された各テキスト要素に対して、軸に沿ったバウンディングボックスとポリゴン座標の両方を提供し、ニーズに最も適した座標タイプを選択できます。次にNova 2 Liteが、生の画像とともに抽出された各テキスト要素を評価し、名前、住所、識別番号などのPIIが含まれているかどうかを判断します。ここでNovaの文脈的インテリジェンスが重要になります。一部のテキスト要素は、単独で考えるとPIIに見えないかもしれませんが、Novaは画像内の周囲の視覚的コンテキストを推論してその機密性を認識できます。例えば、通り名と番地が2つの別々の場所にある場合、それらだけではPIIを構成しませんが、同じ画像に両方が存在するため、完全な住所が可視であり、PIIとして隠蔽されるべきです。マルチモーダルモデルとして、Novaはテキストと画像を同時に処理し、これらの微妙なPII判断を行うことができます。最後に、Amazon TextractはNovaがPIIとして識別したテキストの座標を返し、次のステップで使用されます。

1. PII編集と最終検証：サブプロセスがNovaの指示の下で分析を完了した後、それらの座標出力は編集のための次の段階に渡されます。視覚プロセスの出力はSAM 3からのセグメンテーションマスク座標であり、テキストプロセスの出力はAmazon Textractからのバウンディングボックスまたはポリゴン座標であることを思い出してください。

Lambda関数は、プロセスから返された座標を画像上の統一されたPII位置セットにマージします。次に、RedactPII Lambda関数がPythonのPillow (PIL)ライブラリを使用して元の画像内の識別された領域を不明瞭化し、編集された画像をS3 redacted/フォルダに保存します。

最終的な品質保証ステップとして、Nova 2 Liteが編集された画像の包括的なレビューを実行し、検出されたすべてのPIIが削除されたかどうかを判断します。この最終検証では、Novaの全体的な視覚理解を利用して、残存する機密コンテンツを捕捉します。Novaが画像がクリーンであると判断した場合、S3 noPII/フォルダに移動され、下流で使用されます。NovaがまだPIIを検出した場合、画像は隔離フォルダに移動され、手動レビューが行われます。これにより、PIIのすり抜けを防ぐことを目的としています。

1. ソリューションのテスト：ソリューションが正しく動作することを確認するには、以下の手順に従ってください。PIIを含むサンプルテスト画像を使用します（AI生成画像を使用できます）。AWS CLIまたはAmazon S3コンソールを使用して、画像をS3 originals/バケットにアップロードします。AWS Step FunctionsコンソールでStep Functionsの実行を監視し、ワークフローの進行状況を追跡します。編集された画像がS3 redacted/またはhumanreview/フォルダに表示されることを確認します。出力画像をダウンロードします。