Como redatar automaticamente Informações Pessoais Identificáveis (PII) em imagens com o Amazon Nova

O desafio de proteger dados pessoais em imagens

Compartilhar dados entre times internos, parceiros externos ou usá-los para treinar modelos de Aprendizado de Máquina (ML) é uma prática comum no dia a dia das empresas. O problema surge quando esses dados contêm Informações Pessoais Identificáveis (PII) — e as obrigações legais sob regulações como o Regulamento Geral de Proteção de Dados (GDPR) e o Padrão de Segurança de Dados da Indústria de Cartões de Pagamento (PCI DSS) entram em cena. Sem a redação adequada, o risco é real: penalidades regulatórias, danos à reputação e perda de confiança dos clientes.

Redatar PII em imagens do mundo real é particularmente desafiador. Ao contrário de texto estruturado, informações sensíveis em imagens aparecem nos lugares mais inesperados: um rosto parcialmente visível na borda do quadro, um rosto refletido na lataria polida de um carro, uma placa de rua que — combinada com outros elementos visuais — permite identificar uma localização, ou um documento sobre uma mesa em uma foto panorâmica que revela nomes, endereços ou números de identificação. Esses casos-limite costumam derrotar ferramentas de mascaramento de propósito único.

Foi pensando nesses cenários complexos que a AWS publicou uma arquitetura de referência usando o Amazon Nova como orquestrador inteligente de um pipeline completo de redação de PII em imagens.

O papel do Amazon Nova como coordenador do pipeline

O Amazon Nova é uma família de modelos de fundação com capacidades avançadas de compreensão visual. Diferente de ferramentas especializadas em uma única tarefa, o Nova interpreta o conteúdo da imagem de forma holística — raciocina sobre o que constitui PII em contexto, incluindo os casos sutis e incomuns descritos acima, e coordena todo o pipeline de redação do início ao fim.

A solução apresentada pela AWS é um pipeline de múltiplas etapas dirigido pelo Amazon Nova, que usa seu raciocínio visual contextual para coordenar ferramentas complementares:

• O Segment Anything Model (SAM 3), modelo open-source da Meta, implantado no Amazon SageMaker AI para segmentação em nível de pixel.
• O Amazon Textract para Reconhecimento Óptico de Caracteres (OCR).

O pipeline foi projetado para oferecer redação de PII abrangente e em conformidade regulatória, mesmo para casos desafiadores como impressões digitais, carteiras de identidade ou placas de veículos em orientações arbitrárias.

Componentes principais da solução

Amazon Nova 2 Lite

O Amazon Nova 2 Lite é um modelo de fundação multimodal rápido e com boa relação custo-benefício, capaz de processar texto, imagens, vídeos e documentos. Disponível no Amazon Bedrock, ele atua como o coordenador central de toda a solução — tomando decisões em cada etapa e direcionando os serviços especializados para alcançar resultados abrangentes.

Segment Anything Model (SAM 3)

O SAM 3 é um modelo de segmentação open-source que detecta, segmenta e rastreia objetos em imagens a partir de prompts textuais e visuais. Nessa solução, ele age como um instrumento de precisão dirigido pelo Nova: quando o Nova identifica elementos visuais de PII, delega ao SAM 3 a tarefa de produzir os contornos exatos para a redação.

Amazon Textract

O Amazon Textract é um serviço de ML que extrai automaticamente texto, escrita manual, elementos de layout e dados de formatos como PDFs, imagens, tabelas e formulários. No pipeline, ele funciona como a capacidade de OCR do Nova: quando o Nova determina que uma imagem contém PII textual, direciona o Textract para extrair todo o conteúdo textual junto com suas coordenadas.

Quais tipos de PII o pipeline detecta?

Os itens de PII mais comuns encontrados em imagens incluem, mas não se limitam a:

• Nome
• Número de identificação (como número de carteira de motorista)
• Endereço
• Número de telefone
• Informações de ativos (como endereço de Controle de Acesso à Mídia — MAC)
• Número de identificação de propriedade (como Número de Identificação do Veículo — VIN)
• Características pessoais, como imagens faciais
• Dados biométricos, como impressões digitais

Esses itens se dividem em duas modalidades: textual (nome, número de identificação, endereço, telefone, informações de ativos e número de propriedade) e visual (características pessoais e dados biométricos). O Nova coordena um fluxo de trabalho com acesso a dois subprocessos, cada um identificando as coordenadas de pixel dos itens de PII de cada modalidade.

Arquitetura da solução

O pipeline funciona de forma serverless e automatizada, com o Nova dirigindo cada decisão do fluxo. Veja como cada etapa se encaixa:

1. Upload e disparo do fluxo

Quando uma imagem é carregada na pasta input/ do Amazon S3, uma notificação de evento aciona uma regra no Amazon EventBridge, que inicia o fluxo de trabalho no AWS Step Functions.

2. Validação e triagem inicial de PII

O fluxo valida primeiro se o tipo de arquivo é compatível com os formatos suportados pelo Amazon Bedrock. Em seguida, o Nova 2 Lite realiza uma avaliação inicial da imagem, atuando como primeira linha de inteligência para determinar se há PII presente. Se o Nova concluir que não há PII, o fluxo encerra antecipadamente e a imagem é movida para a pasta noPII/ do S3, pronta para uso sem processamento adicional.

Essa saída antecipada é um diferencial importante de custo: a maioria das imagens corporativas não contém PII, e o Nova evita chamadas desnecessárias ao Textract e ao SAM 3 para esses casos.

3. Detecção visual de PII

Quando o Nova 2 Lite identifica PII em potencial, ele classifica o tipo detectado — textual, visual ou ambos — e decide o roteamento para os subprocessos. O processo visual foca em elementos como rostos e placas de veículos. Sob a direção do Nova, o SAM 3, implantado no SageMaker AI, é acionado para localizar esses elementos e produzir máscaras de segmentação pixel a pixel.

Uma máscara de segmentação é um contorno em nível de pixel que traça o formato exato de um objeto na imagem — diferente de uma caixa delimitadora retangular, ela segue os contornos reais do item detectado. Isso permite redatar apenas os pixels sensíveis sem obscurecer o conteúdo ao redor, preservando o valor da imagem para usos como treinamento de modelos de ML.

4. Detecção textual de PII

O processo textual usa o raciocínio multimodal do Nova em conjunto com o Amazon Textract. Primeiro, o Textract identifica a localização em nível de pixel do texto na imagem e extrai seu conteúdo, fornecendo coordenadas de caixa delimitadora alinhada ao eixo e coordenadas de polígono para cada elemento de texto detectado. O Nova 2 Lite então avalia cada elemento extraído, junto com a imagem bruta, para determinar quais contêm PII.

É aqui que a inteligência contextual do Nova se torna crítica: alguns elementos de texto, considerados isoladamente, podem não parecer PII, mas o Nova consegue raciocinar sobre o contexto visual ao redor para reconhecer sua natureza sensível. Por exemplo, o nome de uma rua e um número de residência em dois locais distintos da imagem não constituem PII separadamente — mas como ambos aparecem na mesma imagem, o endereço completo fica visível e deve ser redatado.

5. Redação e verificação final

Após a conclusão dos subprocessos, as coordenadas identificadas são passadas para a etapa de redação. Uma função AWS Lambda mescla as coordenadas retornadas pelos processos em um conjunto unificado de localizações de PII. A função Lambda RedactPII então obscurece as regiões identificadas na imagem original usando a biblioteca Pillow (PIL) em Python e armazena a imagem redatada na pasta redacted/ do S3.

Como etapa final de garantia de qualidade, o Nova 2 Lite realiza uma revisão abrangente da imagem redatada para verificar se todo o PII detectado foi removido. Se o Nova determinar que a imagem está limpa, ela é movida para a pasta noPII/. Se ainda detectar PII, a imagem é movida para uma pasta de quarentena para revisão manual.

Pré-requisitos para implementar a solução

Para seguir com essa solução, a AWS recomenda que você tenha:

• Uma conta AWS ativa.
• Familiaridade com Amazon Bedrock, Amazon SageMaker AI, Amazon Simple Storage Service (Amazon S3), AWS Lambda, AWS Step Functions, Amazon EventBridge e Amazon Textract.
• Acesso ao Nova 2 Lite via Amazon Bedrock na sua região AWS.
• Implantação do SAM 3 no SageMaker AI.
• Conhecimento básico dos Kits de Desenvolvimento de Software (SDK) da AWS.
• Compreensão básica de visão computacional e processamento de imagens.
• Familiaridade com modelos de fundação e técnicas de engenharia de prompts.

É importante estar ciente de que a solução gera cobranças na AWS, incluindo armazenamento no S3, invocações do Lambda, transições de estado no Step Functions, hospedagem de endpoint no SageMaker AI, chamadas de API no Amazon Bedrock e chamadas de API no Amazon Textract. Verifique os preços desses serviços na sua região AWS antes de criar os recursos correspondentes.

Por que essa abordagem se destaca?

A solução é ideal para cenários de pré-processamento de imagens individuais ou em lote onde alta precisão de redação é necessária. A forte relação custo-benefício, a baixa latência e o raciocínio multimodal avançado do Nova 2 Lite tornam essa arquitetura adequada para coordenar o fluxo de trabalho sem que a organização precise de expertise profunda em ML ou de ajuste fino de modelos especializados.

Para começar, a AWS recomenda explorar os modelos Amazon Nova no console do Amazon Bedrock e consultar a documentação do Amazon Nova, a documentação do Amazon Textract e a documentação do Amazon SageMaker AI para implantar os serviços complementares usados no pipeline.

Fonte

Automatically redact PII in images with Amazon Nova (https://aws.amazon.com/blogs/machine-learning/automatically-redact-pii-in-images-with-amazon-nova/)