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 des stockages en nuage tels qu’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 des Données pour le stockage AWS S3 avec la fonctionnalité OCR.
Ici, nous allons vous présenter la Découverte de Données Sensibles pour Amazon S3 avec le soutien d’Amazon Textract pour étendre les possibilités de reconnaissance des données sensibles dans les images et les documents.
Possibilités de la Découverte de Données Sensibles de DataSunrise
DataSunrise peut déjà découvrir des données sensibles dans S3. La grande variété de formats de fichiers pris en charge augmente le volume potentiel 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 structurés comme les documents Microsoft Word
- Images (PNG, JPEG, TIFF, JPEG 2000, GIF, WebP, BMP, PNM)
L’une des caractéristiques les plus importantes de la découverte de données sensibles dans S3 est la découverte de données dans les images. Pour découvrir des informations sensibles dans les images, nous utilisons le moteur Tesseract basé sur la technologie de réseau neuronal pour la reconnaissance des 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 des informations sensibles même de documents contenant à la fois du texte et des chiffres mélangés.
Pour améliorer nos capacités de découverte de données sensibles, nous avons implémenté la prise en charge d’Amazon Textract pour S3 dans la version 8.4.
Qu’est-ce qu’Amazon Textract ?
Amazon propose un service de machine learning qui détecte et extrait du texte imprimé, du texte manuscrit et des tableaux à partir d’images et de documents numérisés. Amazon Textract prend en charge les formats de fichiers suivants : PNG, JPEG et PDF. Dans les autres cas, vous devez convertir votre fichier dans ces formats pour pouvoir utiliser Amazon Textract.
Le principal avantage pour les entreprises du 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 relevés financiers, etc. Avec l’aide d’Amazon Textract, vous pouvez extraire des données sans ressources humaines. Cette possibilité réduit le risque d’erreurs pouvant nuire 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 a de nombreux avantages pour la protection des données sensibles et le stockage des données. Nous visons à 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 devez simplement 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 “DataDiscoveryUseAmazonTextractS3Integranion”.
- Lancez la tâche et DataSunrise effectuera automatiquement la découverte par OCR.
Nous avons implémenté ces deux paramètres dédiés pour configurer la Découverte de Données basée sur Textract. Veuillez noter que, pour un bon fonctionnement, l’OCR de Textract doit être situé sur l’instance de base de données sur laquelle vous allez faire la Découverte de Données.
Veuillez noter que l’utilisation d’Amazon Textract entraîne des frais pour l’utilisation de l’API de Détection de Texte de Document.
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.
