Construya una canalización de redacción PII sin servidor con Amazon Bedrock Data Automation
aws ·
Este artículo demuestra cómo construir un pipeline sin servidor para la redacción automatizada de información personal identificable (PII) utilizando Amazon Bedrock Data Automation, AWS Step Functions y AWS Lambda. La solución aborda las limitaciones de la redacción manual y del OCR tradicional aprovechando la IA generativa para interpretar el contexto y la disposición de los documentos de manera holística. Un esquema personalizado permite a los usuarios definir campos específicos a redactar mediante instrucciones en lenguaje natural, distinguiendo entre datos sensibles de pacientes e información no sensible de médicos. La arquitectura procesa documentos por lotes, convirtiendo PDFs a imágenes y aplicando una redacción con cajas negras basada en las coordenadas de los cuadros delimitadores devueltas por el servicio. Para mejorar la precisión, el pipeline emplea un método de detección de doble pasada que combina la extracción de esquemas personalizados con la coincidencia de tokens de salida a nivel de palabras. Los resultados de la evaluación mostraron que este enfoque logró una precisión del 97,0 % y aumentó la sensibilidad (recall) del 89,3 % al 95,2 % en varios niveles de calidad de documentos, incluidos formularios manuscritos y escaneos de baja resolución. El diseño sin servidor garantiza escalabilidad y eficiencia de costos mientras mantiene la seguridad mediante roles de IAM, cifrado y redes VPC. Este patrón reutilizable puede adaptarse para los sectores de salud, financiero y gubernamental para manejar requisitos de cumplimiento de PII de alto volumen.
aws