Estrarre informazioni personali

In molti scenari, è necessario identificare e proteggere le informazioni personali riservate nei documenti. Ad esempio, potrebbe essere necessario rimuovere informazioni personali (PII) dai commenti e suggerimenti dei clienti, dalle cartelle cliniche o dai documenti legali prima di condividerli.

Il linguaggio di Azure offre funzionalità di rilevamento e reindirizzamento delle informazioni personali per identificare informazioni riservate, ad esempio nomi, indirizzi, numeri di telefono, indirizzi di posta elettronica, numeri di previdenza sociale e numeri di carta di credito. È possibile sia estrarre le entità PII per l'analisi che redigere (oscurare) per proteggere la privacy.

Come per tutte le funzioni del linguaggio di Azure, è possibile inviare uno o più documenti per l'analisi:

# Example text to analyze
documents = ["John Smith works at Contoso Ltd. His email is john.smith@contoso.com and his phone number is 555-012-456.",
             "Patient Sarah Johnson, SSN 123-45-6789, was admitted on 03/15/2024."]

# Extract PII entities
response = client.recognize_pii_entities(documents=documents, language="en")
for doc in response:
    print(f"\nPII entities in document {doc.id}:")
    for entity in doc.entities:
        print(f" - {entity.text}: {entity.category} (confidence: {entity.confidence_score:.2f})")

La risposta include le entità PII identificate nel testo insieme alle relative categorie e punteggi di attendibilità:

PII entities in document 0:
 - John Smith: Person (confidence: 0.99)
 - Contoso Ltd: Organization (confidence: 0.85)
 - john.smith@contoso.com: Email (confidence: 1.00)
 - 555-012-456: PhoneNumber (confidence: 0.80)
PII entities in document 1:
 - Sarah Johnson: Person (confidence: 0.99)
 - 123-45-6789: USSocialSecurityNumber (confidence: 0.99)
 - 03/15/2024: DateTime (confidence: 0.80)

È anche possibile redigire le entità PII per proteggere le informazioni riservate. Il servizio restituisce una versione redattita del testo con informazioni personali sostituite da asterischi o da un carattere specificato:

# Redact PII entities
response = client.recognize_pii_entities(documents=documents, language="en")
for doc in response:
    print(f"\nDocument {doc.id} (redacted):")
    print(f" {doc.redacted_text}")

L'output viene generato con le informazioni riservate mascherate:

Document 0 (redacted):
 ********** works at ************. His email is ************************ and his phone number is ********.
Document 1 (redacted):
 Patient *************, SSN ***********, was admitted on **********.