Découverte de Données Sensibles avec Amazon Textract
La découverte de données sensibles est l’une des étapes essentielles de la protection des données. Avec la croissance de la quantité de données, les entreprises utilisent le stockage cloud comme Amazon S3. Pour protéger les données, vous devez savoir où elles se trouvent dans vos buckets. Ensuite, vous devez comprendre quelles informations vous devez protéger et comment. DataSunrise dispose déjà d’une solution de découverte de données pour le stockage AWS S3 avec la fonctionnalité OCR.
Nous vous présenterons ici la découverte de données sensibles pour Amazon S3 avec le support d’Amazon Textract afin d’étendre les possibilités de reconnaissance des données sensibles dans les images et les documents.
Possibilités de la Découverte de Données Sensibles DataSunrise
DataSunrise peut déjà découvrir des données sensibles dans S3. La grande quantité de formats de fichiers pris en charge augmente le volume possible d’informations découvertes. Voici quelques-uns des formats avec lesquels nous travaillons :
- Format de fichier Apache Parquet
- Fichiers semi-structurés comme XML, JSON, CSV
- Formats de texte non structuré comme les documents Microsoft Word
- Images (PNG, JPEG, TIFF, JPEG 2000, GIF, WebP, BMP, PNM)
L’une des fonctionnalités les plus importantes pour découvrir les données sensibles dans S3 est la découverte de données dans les images. Pour découvrir les informations sensibles dans les images, nous utilisons le moteur Tesseract basé sur la technologie des réseaux de neurones pour la reconnaissance de caractères. Notre découverte de données sensibles par OCR vous permet de détecter des informations sensibles même si elles sont mentionnées dans des diagrammes et des tableaux. DataSunrise extrait même les informations sensibles des documents mélangeant texte et chiffres.
Pour améliorer nos possibilités de découverte de données sensibles, nous avons implémenté le support d’Amazon Textract pour S3 dans la version 8.4.
Qu’est-ce qu’Amazon Textract ?
Amazon propose un service d’apprentissage automatique qui détecte et extrait le texte imprimé, le texte manuscrit et les tableaux des images et des documents numérisés. Amazon Textract prend en charge les formats de fichiers suivants : PNG, JPEG et PDF. Sinon, vous devez convertir votre fichier dans les formats suivants pour pouvoir utiliser Amazon Textract.
L’avantage principal pour les entreprises dans le service Textract est la possibilité de détection et d’extraction de texte manuscrit à partir de documents tels que les factures, les rapports médicaux, les dossiers financiers et autres. Avec l’aide d’Amazon Textract, vous pouvez extraire les données sans ressources humaines. Cette possibilité réduit le risque d’erreurs pouvant causer des préjudices à votre entreprise lors de l’utilisation des données, de l’audit, ou en cas de fuite de données.
DataSunrise et Amazon Textract
La découverte de données par OCR présente de nombreux avantages pour la protection des données sensibles et le stockage des données. Nous avons pour objectif de trouver une solution pratique et efficace pour nos clients qui travaillent avec des documents imprimés et manuscrits et stockent ces documents dans S3. C’est pourquoi nous pouvons maintenant utiliser Amazon Textract. Cette fonctionnalité améliore les possibilités de découverte de données par OCR dans S3.
Pour commencer à utiliser la Découverte de Données pour S3, vous n’avez qu’à suivre les étapes suivantes :
- Accédez à Découverte de Données → Découverte de Données Périodique.
- Créez une tâche de découverte de données pour votre bucket S3.
- Choisissez deux paramètres dédiés “DataDiscoveryUseAmazonTextractOCR” et “DataDiscoveryUseAmazonTextractS3Integration”.
- Lancez la tâche et DataSunrise effectuera automatiquement la découverte par OCR.
Nous avons implémenté ces deux paramètres dédiés pour la configuration de la découverte de données basée sur Textract. Veuillez noter que pour un fonctionnement correct, l’OCR de Textract doit se situer dans l’instance de base de données pour laquelle vous allez effectuer la découverte de données.
Veuillez noter que l’utilisation d’Amazon Textract entraîne une facturation pour l’utilisation de l’API Detect Document Text API.
Grâce à cela, le processus de découverte de données dans S3 devient plus simple et moins chronophage. Essayez notre nouvelle possibilité de Découverte de Données Sensibles dans S3. Assurez-vous de savoir où se trouvent toutes vos données sensibles et protégez-les avec l’aide de DataSunrise.
