在現代業務運營中，跨團隊內部共享資料、與合作伙伴外部交換資料，或將其用於機器學習模型訓練等工作負載是基礎環節。然而，當資料包含個人身份資訊（PII）時，組織面臨《通用資料保護條例》（GDPR）和《支付卡行業資料安全標準》（PCI DSS）等法規下的重大法律和合規義務。如果在共享或處理資料前未正確編輯PII，可能導致監管處罰、聲譽損害和客戶信任喪失。
現實世界影像資料集中的PII編輯尤其具有挑戰性。與結構化文本不同，影像中的PII可能出現在意想不到的位置和形式：例如畫面邊緣的區域性人臉、汽車拋光表面反射的臉部、部分可見的街道標誌（與其他視覺線索結合後可識別身份），或廣角照片中桌上檔案暴露的姓名、地址或ID號。這些邊緣案例通常能輕易擊敗單一用途的掩碼工具。
Amazon Nova是一系列基礎模型，具備先進的視覺理解能力，是作為複雜影像分析工作流程智慧協調器的有力候選。Nova整體解讀影像內容，結合上下文推理哪些內容構成PII（包括前面描述的微妙和異常情況），並從頭至尾指導整個編輯流水線。透過理解PII的“是什麼”，Nova協調專業工具實現畫素級精度編輯，同時保留影像的整體價值。
在本文中，我們展示了一個由Amazon Nova指揮的多步驟流水線，利用其上下文視覺推理能力協調互補工具，包括部署在Amazon SageMaker AI上的Meta開源Segment Anything Model（SAM 3）進行畫素級分割，以及Amazon Textract進行光學字元識別（OCR）。該流水線旨在為指紋、身份證或任意方向的牌照等具有挑戰性的邊緣案例提供全面且合規的PII編輯。
解決方案概述
該解決方案使用以下關鍵服務實現全面的PII編輯：
Nova 2 Lite：Amazon Nova 2 Lite是一款快速、經濟高效的多模態基礎模型，可處理文本、影像、影片和文件。該模型在Amazon Bedrock中可用，提供強大的價效比，幫助企業和開發者構建能力強大、可靠且高效的應用程式。在該解決方案中，它作為中央協調器，協調整個PII檢測和編輯工作流程，在每個階段做出決策，並協調專業服務以實現全面結果。
Segment Anything Model (SAM 3)：SAM 3是一款開源分割模型，可根據文本和視覺提示檢測、分割和跟蹤影像中的物件。在該解決方案中，SAM 3作為由Nova指導的精密儀器。當Nova識別出視覺PII元素時，它將分割任務委派給SAM 3，以生成精確的編輯邊界。
Amazon Textract：Amazon Textract是一項ML服務，可自動從PDF、影像、表格和表單等格式中提取文本、手寫內容、佈局元素和資料。在該流水線中，Amazon Textract作為Nova的OCR能力。當Nova確定影像包含文本PII時，它指示Amazon Textract提取所有文本內容及其座標，然後Nova根據整個影像的上下文評估哪些內容構成敏感資訊。
PII檢測
影像中常見的PII專案包括但不限於：姓名、身份證號碼（如駕照號碼）、地址、電話號碼、資產資訊（如MAC地址）、財產識別號（如VIN）、個人特徵（如面部影像）、生物特徵資料（如指紋）。這些專案可分為兩種模態：文本型（姓名、身份證號、地址、電話號碼、資產資訊、財產識別號）和視覺型（個人特徵和生物特徵資料）。
Nova指揮一個可訪問兩個子流程的工作流，每個子流程分別識別文本型或視覺型PII專案的畫素座標。Nova首先對影像進行初步評估，確定存在哪些型別的PII，然後智慧地將影像路由到適當的子流程。隨後，AWS Lambda函式根據Nova指示的座標對內容進行模糊處理。
該解決方案非常適合需要高編輯準確性的單次或批次影像預處理場景。Nova 2 Lite強大的價效比、低延遲和先進的多模態推理使其非常適合協調此工作流，提供準確的PII編輯，而無需您的組織具備深厚的機器學習專業知識或微調專用模型。
前提條件
要遵循此解決方案，您應具備：
- 一個AWS賬戶。
- 熟悉Amazon Bedrock、Amazon SageMaker AI、Amazon Simple Storage Service (Amazon S3)、AWS Lambda、AWS Step Functions、Amazon EventBridge和Amazon Textract。
- 透過Amazon Bedrock在您的AWS區域訪問Nova 2 Lite。
- 在SageMaker AI上部署SAM 3。
- AWS SDK的基本知識。
- 計算機視覺概念和影像處理的基本理解。
- 熟悉基礎模型和提示工程技術。
請注意，該解決方案將產生AWS費用，包括：S3儲存、Lambda呼叫、Step Functions狀態轉換、SageMaker AI端點託管、Amazon Bedrock API呼叫和Amazon Textract API呼叫。在建立相應資源之前，請確保瞭解這些服務在您AWS區域中的定價。
解決方案架構
本節描述Nova驅動影像處理工作流並指導並行文本和視覺分析以識別和編輯敏感資訊的架構指南。
- 文件上傳和工作流觸發：當您上傳影像到S3 input/資料夾時，S3事件通知觸發EventBridge規則，該規則啟動AWS Step Functions工作流。
- 檔案驗證和初始PII篩查：工作流首先驗證上傳的檔案型別與Amazon Bedrock支援的影像格式相容。驗證後，Nova 2 Lite對影像進行初步評估，作為第一道情報防線，判斷是否存在PII。如果Nova確定沒有PII，工作流提前退出，影像立即移至S3 noPII/資料夾，無需進一步處理即可用於下游。大多數業務影像不含PII。Nova的早期退出決策在第一步且最便宜的步驟中路由走大量影像，透過避免不必要的下游服務呼叫（如Amazon Textract和SageMaker AI上的SAM 3）顯著降低整體流水線成本。
- 並行PII檢測：視覺流程：當Nova 2 Lite識別到潛在PII時，它按型別（文本、視覺或兩者）對檢測到的PII進行分類，並做出下游處理的路由決策。根據Nova的分類，Step Functions工作流選擇性地呼叫一個或兩個專業流程：如果Nova檢測到文本PII，則呼叫文本流程；如果檢測到視覺PII，則呼叫視覺流程；如果兩者都有，則並行呼叫。
視覺流程專注於檢測影像中的視覺PII元素（如人臉和車牌）。在Nova的指導下，部署在SageMaker AI上的SAM 3被提示定位視覺PII元素並生成逐畫素分割掩碼。分割掩碼是畫素級的輪廓，精確追蹤物件在影像中的形狀，類似於精確的數字模板。與簡單的邊界框（圍繞物件的粗略矩形）不同，分割掩碼遵循檢測項的真正輪廓，允許僅編輯敏感畫素而不遮擋周圍內容。這種由Nova初始PII分類引導的精確方法有助於在保持影像價值的同時僅移除敏感區域。例如，在大型影像資料集上訓練ML模型時，此方法有助於防止PII傳遞給模型，同時保留資料集大小和非敏感視覺資訊。
- 並行PII檢測：文本流程：文本流程利用Nova的多模態推理，藉助Amazon Textract分析影像中嵌入的文本。首先，Amazon Textract識別影像中文本的畫素級位置並提取其內容。它為每個檢測到的文本元素提供軸對齊邊界框和多邊形座標，您可以選擇最適合編輯需求的座標型別。然後Nova 2 Lite結合原始影像評估每個提取的文本元素，判斷哪些包含PII（如姓名、地址或身份證號）。這是Nova上下文智慧至關重要的地方：有些文本元素在單獨考慮時可能看起來不是PII，但Nova可以透過影像中的周圍視覺上下文推理出其敏感性質。例如，街道名稱和街道號碼分別出現在兩個位置，單獨看並不構成PII，但由於它們出現在同一影像中，完整地址可見，應作為PII隱藏。作為多模態模型，Nova可以同時處理文本和影像以做出這些細微的PII判斷。最後，Amazon Textract返回Nova識別為PII的文本座標，供下一步使用。
- PII編輯和最終驗證：在子流程在Nova指導下完成分析後，它們的座標輸出被傳遞到下一階段進行編輯。回想一下，視覺流程的輸出是來自SAM 3的分割掩碼座標，而文本流程的輸出是來自Amazon Textract的邊界框或多邊形座標。
Lambda函式將子流程返回的座標合併為影像上統一的PII位置集。然後，RedactPII Lambda函式使用Python的Pillow（PIL）庫在原始影像中模糊識別區域，並將編輯後的影像儲存在S3 redacted/資料夾中。
作為最終質量保證步驟，Nova 2 Lite對編輯後的影像進行全面審查，判斷所有檢測到的PII是否已被移除。此最終驗證利用Nova的整體視覺理解來捕捉任何殘留的敏感內容。如果Nova確定影像乾淨，則將其移至S3 noPII/資料夾供下游使用。如果Nova仍檢測到PII，則影像移至隔離資料夾進行人工審查，旨在幫助防止PII漏網。
- 測試解決方案：為驗證解決方案正常工作，請執行以下步驟：使用包含PII的示例測試影像（可使用AI生成影像）。使用AWS CLI或Amazon S3控制台將影像上傳到S3 originals/儲存桶。在AWS Step Functions控制台上監控Step Functions執行，跟蹤工作流進度。驗證編輯後的影像出現在S3 redacted/或humanreview/資料夾中。下載輸出影像。