미디어 집합의 민감 정보 검사

SDS는 미디어 집합의 내용을 텍스트로 추출한 뒤 정규식이나 언어 모델 조건으로 검사할 수 있습니다. 이미지 이해 기능이 있는 언어 모델은 이미지 내용을 직접 분류하는 경로도 지원합니다.

미디어 집합에는 내용만 검사하는 정규식 조건 또는 내용 기반 언어 모델 조건을 사용합니다. 이미지 자체를 분류하려면 vision을 지원하는 모델을 선택합니다. 텍스트 전용 모델도 이미지와 문서의 OCR 결과나 음성 전사 결과를 분류할 수 있습니다.

추출 결과의 제한

OCR이나 전사는 원래 내용을 정확히 재현하지 못할 수 있습니다. 단어를 나누거나 대소문자를 바꾸고, 텍스트가 없는 이미지에서 잘못된 문자를 추출할 수도 있습니다. 특정 형식과 대소문자를 가정한 정규식은 이에 따라 예상과 다르게 일치할 수 있습니다.

실제 검사 대상 텍스트를 살펴보려면 같은 미디어 집합을 입력한 Pipeline Builder에서 다음 변환을 사용합니다.

• PDF: Extract text from PDF (using OCR)
• 이미지: Extract text from images (using OCR)
• 음성: Transcribe audio into text

검사 결과 확인

Open scan details에서 구성을 열고 Scan results의 일치한 미디어 집합과 탐지 조건을 확인합니다.

탐지 조건에 마우스를 올리면 해당 조건에 일치한 미디어 항목의 미리보기가 나타납니다. 검사한 항목 수와 일치한 항목 수도 표시하며, 일치 결과가 많으면 처음 10개의 미리보기를 보여 줍니다.

썸네일을 선택하면 상세 화면에서 이미지를 확대하거나 여러 페이지 문서를 확인할 수 있습니다.

이슈 대응은 미디어 집합별로 모읍니다. 한 미디어 집합에서 같은 조건에 여러 항목이 일치해도 해당 조건의 이슈는 하나만 생성합니다.

비용과 반복 스캔

텍스트 추출은 연산량이 클 수 있습니다. 전수 검사가 필요하지 않으면 데이터셋의 행 표본처럼 미디어 항목도 표본으로 검사할 수 있습니다. 반복 검사에는 Continuous 대신 주간이나 월간처럼 낮은 빈도를 선택하는 방법도 있습니다.

반복 미디어 스캔은 마지막으로 성공한 스캔 이후 추가되거나 갱신된 항목만 증분 검사합니다. 이미 검사한 항목을 매번 다시 처리하지 않습니다. 증분 실행이면 결과 표의 해당 행에 정보 아이콘을 표시합니다.

결과의 작업 메뉴에서 View scan history를 선택하면 이전 증분 실행의 타임라인, 검사 항목 수와 탐지 조건을 확인할 수 있습니다. 상단 카드에는 모든 증분 실행에서 발견한 조건을 모아 보여 줍니다.

필요하면 전체 리소스의 재검사를 시작할 수 있습니다. 개인정보를 제거한 뒤에는 전체 재검사로 아직 조건에 일치하는 내용이 남았는지 확인하는 것이 권장됩니다. 스캔 조건과 일정은 스캔 생성, 언어 모델 및 정규식은 탐지 조건을 참조합니다.