使用异步作业 (API) 编辑 PII 实体

要编辑文本中的 PII 实体，您需要启动一个异步批处理作业。要运行任务，请将您的文档上传到 Amazon S3，然后提交StartPiiEntitiesDetectionJob请求。

开始之前

在开始之前，请确保您具有：

• 输入和输出存储桶：确定要用于输入文件和输出文件的 Amazon S3 存储桶。存储桶必须与所调用的 API 位于同一区域。

• IAM 服务角色：您必须拥有一个有权访问您的输入和输出存储桶的 IAM 服务角色。有关更多信息，请参阅 异步操作所需的基于角色的权限。

输入参数

在您的请求中，请包含以下必需的参数：

• InputDataConfig— 为您的请求提供InputDataConfig定义，其中包括任务的输入属性。对于 S3Uri 参数，指定输入文档的 Amazon S3 位置。

• OutputDataConfig— 为您的请求提供OutputDataConfig定义，其中包括任务的输出属性。对于 S3Uri 参数，指定 Amazon Comprehend 写入其分析结果的 Amazon S3 位置。

• DataAccessRoleArn：提供 AWS Identity and Access Management 角色的 Amazon 资源名称（ARN)。该角色必须授予 Amazon Comprehend 对您的输入数据的读取权限以及对您在 Amazon S3 中的输出位置的写入权限。有关更多信息，请参阅 异步操作所需的基于角色的权限。

• Mode：将该参数设置为 ONLY_REDACTION。使用此设置，Amazon Comprehend 会将您的输入文档的副本写入 Amazon S3 中的输出位置。在此副本中，每个 PII 实体都经过了编辑。

• RedactionConfig— 为您的请求提供RedactionConfig定义，其中包括密文的配置参数。指定要编辑的 PII 类型，并指定是用其类型的名称还是您选择的字符替换每个 PII 实体：

  • 在 PiiEntityTypes 数组中指定要编辑的 PII 实体类型。要编辑所有实体类型，请将数组值设置为 ["ALL"]。

  • 要将每个 PII 实体替换为其类型，请将 MaskMode 参数设置为 REPLACE_WITH_PII_ENTITY_TYPE。例如，使用此设置，PII 实体“Jane Doe”将替换为“[姓名]”。

  • 要用您选择的字符替换每个 PII 实体中的字符，请将 MaskMode 参数设置为 MASK，然后将 MaskCharacter 参数设置为替换字符。仅提供单个字符。有效字符为！、#、￥、%、&、*和@。例如，使用此设置，PII 实体“Jane Doe”将替换为“**** ***”

• LanguageCode— 将此参数设置为en或es。Amazon Comprehend 支持英语或西班牙语文本的 PII 检测。

输出文件格式

以下示例显示了编辑 PII 的分析作业的输入和输出文件。输入格式是每行一个文档。

{
Managing Your Accounts Primary Branch Canton John Doe Phone Number 443-573-4800 123 Main StreetBaltimore, MD 21224
Online Banking HowardBank.com  Telephone [phone] Bank 3301 Boston Street, Baltimore, MD 21224      
     

编辑该输入文件的分析作业会生成以下输出文件。

{
Managing Your Accounts Primary Branch ****** ******** Phone Number ************ **********************************
Online Banking **************  Telephone ************** Bank ***************************************     
 }   

使用 PII 进行编辑 AWS Command Line Interface

以下示例使用 AWS CLI的 StartPiiEntitiesDetectionJob 操作。

此示例的格式适用于 Unix、Linux 和 macOS。对于 Windows，请将每行末尾的反斜杠 (\) Unix 行继续符替换为脱字号 (^)。

aws comprehend start-pii-entities-detection-job \
    --region region \
    --job-name job name \
    --cli-input-json file://path to JSON input file
    

对于 cli-input-json 参数，请提供包含请求数据的 JSON 文件的路径，如以下示例中所示。

{
    "InputDataConfig": {
        "S3Uri": "s3://input bucket/input path",
        "InputFormat": "ONE_DOC_PER_LINE"
    },
    "OutputDataConfig": {
        "S3Uri": "s3://output bucket/output path"
    },
    "DataAccessRoleArn": "arn:aws:iam::account ID:role/data access role"
    "LanguageCode": "en",
    "Mode": "ONLY_REDACTION"
    "RedactionConfig": {
        "MaskCharacter": "*",
        "MaskMode": "MASK",
        "PiiEntityTypes": ["ALL"]
    }
}

如果启动事件检测作业的请求成功，您将会收到一条与以下类似的响应：

{
  "JobId": "7c4fbe6e...e5b"
  "JobArn":  "arn:aws:comprehend:us-west-2:123456789012:pii-entities-detection-job/7c4fbe6e...e5b" 
  "JobStatus": "SUBMITTED",   
}   

您可以使用该DescribeEventsDetectionJob操作来获取现有任务的状态。

aws comprehend describe-pii-entities-detection-job \
    --region region \
    --job-id job ID

任务成功完成后，您将会收到一条与以下类似的响应：

{
  "PiiEntitiesDetectionJobProperties": {
     "JobId": "7c4fbe6e...e5b"
     "JobArn":  "arn:aws:comprehend:us-west-2:123456789012:pii-entities-detection-job/7c4fbe6e...e5b" 
     "JobName": "piiCLIredtest1",
     "JobStatus": "COMPLETED",
     "SubmitTime": "2022-05-05T14:54:06.169000-07:00",
     "EndTime": "2022-05-05T15:00:17.007000-07:00",
     "InputDataConfig": {
        (identical to the input data that you provided with the request)
  }
}