基于文档的个人身份信息 (PII) 概述

Azure AI 语言 中的个人身份信息 (PII) 检测里的基于文档的 PII可帮助你直接在原生文档文件（包括 Microsoft Word 和 PDF 文件）中检测和遮盖敏感数据，而无需构建自己的文本提取和重构流程。

此功能使用异步 API 工作流并返回保留文档结构和格式的编辑输出。 文档保真度对于合规性评审、共享、分析和下游 AI 工作流非常重要时，可以使用它。

概览

基于文档的 PII 提供以下功能：

• .pdf、 .docx和 .txt 文件的本机文档修订。
• 输出文档中的保留布局，包括字体、间距和颜色。
• 用于提取、检测和修订的单个异步 API 工作流。
• 企业就绪输出：经过编辑的文档和结构化 JSON 结果。
• 用于字符掩码、实体标记和综合替换方案的可配置掩码策略。

正式版 （2026-05-01） 新增功能

正式发布版引入了以下功能和操作增强功能。 这些新增功能扩展了平台的修订策略，增强了配置灵活性，并改进了对专用文档处理方案的支持：

• 改进了修订输出质量，同时保留字体、颜色和文档格式。
• 对基于图像的文档方案的基于模糊的修订支持。
• 扩展的掩码策略选项，包括实体标签掩码和综合替换。
• 用于确定哪些已检测到的实体会被遮盖的置信度阈值控制项。
• 用于对延迟敏感工作流禁用严格实体验证的可选控件。
• 实体同义词支持，用于将客户特定的词汇映射到标准 PII 实体类型。
• 支持值排除策略，以使某些术语在特定工作流中保持不被脱敏。

GA 和预览功能比较

下表提供了一个详细的功能矩阵，用于比较正式发布（2026-05-01）的功能集和预览 API 版本（2026-05-15-preview）。 使用此比较来了解每个版本中可用的功能，并根据特定的功能要求做出有关 API 版本选择的明智决策：

为何使用基于文档的 PII？

许多自定义管道需要多个步骤来提取文本、运行检测和重新构造文档输出。 基于文档的 PII 通过针对文档处理系统设计的单个异步 API 模式和输出项目简化了此流。

当你需要时，基于文档的 PII 特别有用：

• 在 .pdf、 .docx和 .txt 文件中编辑 PII。
• 保留下游业务流程的文档布局。
• 生成用于审核和集成的结构化 JSON 输出。

基于文档的 PII 使用与文本 PII 相同的预定义 PII 类别，包括地址、电话号码和信用卡号等实体。

基于文档的 PII 返回的内容

作业成功后，你会收到：

• 目标存储容器中经过修订的文档。
• 包含检测到的实体、类别、置信度评分和处理元数据的 JSON 结果文件。
• 可保留下游审阅和审核过程的可视文档保真度的修订结果。

基于文档的 PII 的工作原理

基于文档的 PII 使用异步工作流：

1. 使用源和目标存储位置提交作业。
2. 使用操作位置来轮询作业状态。
3. 从目标存储位置检索输出工件。

有关实现详细信息和请求示例，请参阅 原始文档中的检测和去除个人身份信息。

基于文档的 PII 与其他 PII 功能类型有何不同

所有 PII 功能类型都使用预定义实体类别，但它们针对不同的输入类型进行了优化：

• 基于文档的 PII 针对本机文件修订工作流和文件输出保真度进行优化。
• 文本 PII 针对基于字符串的直接输入和应用集成进行优化。
• 对话 PII 针对基于轮次和脚本的聊天输入进行了优化。

常见用例

基于文档的 PII 专为企业和受监管行业工作流设计，团队需要在存储、分析、外部共享或下游 AI 处理之前对文件进行匿名处理。

典型示例包括：

• 法庭记录和法律文档。
• 政府表单和内部记录。
• 财务文档。
• 内部企业文档工作流。

支持的格式和限制

基于文档的 PII 直接接受本机文件格式，而无需文本预处理。 下表列出了支持的格式：

以下输入约束适用：

有关当前语言覆盖率和服务限制的详细信息，请参阅 语言支持 和 配额 和限制。

Pricing

基于文档的 PII 编辑使用 Azure AI 语言 定价。 有关最新的定价详情，请参阅Azure AI 语言 定价。

后续步骤

使用以下参考资料继续进行实施：

• 为存储容器创建 SAS 令牌
• 为存储容器创建托管标识