基于文档的个人身份信息 (PII) 概述

基于文档的 PII是 Azure AI 语言 个人身份信息（PII）检测中的预览功能。 它可帮助你直接在原始文档文件中检测和修订敏感数据，包括 Microsoft Word 和 PDF 文件，而无需生成自己的文本提取和重建流程。

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：

• 原生文件改正功能适用于.pdf、.docx和.txt文件。
• 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。

视频演示

在此视频中，我们将介绍 PII 检测服务，并演示如何直接从本机文档检测和编辑敏感数据，同时保留文件结构和格式。 我们还介绍了常见用例、支持的格式以及如何在 Azure AI 语言 中开始使用基于文档的 PII：

此视频提供了隐藏式字幕。

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：

• 请对 .pdf、.docx 和 .txt 文件中的 PII 进行编辑。
• 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。

它返回的内容

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。

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。

它与其他 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：

• 基于文档的个人身份信息 (PII) 已针对原生文件编辑工作流和文件输出的保真度进行了优化。
• 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 针对基于轮次和话语记录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：

不支持以下内容类型：

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