Přelíčení fotografií se textem
Jak extrahovat osobní nebo citlivé údaje z snímků pomocí ASPOSE.OCR

Jak extrahovat osobní nebo citlivé údaje z snímků pomocí ASPOSE.OCR

Odstranění osobních nebo citlivých údajů z obrázků je nezbytné pro dodržování předpisů, kontroly soukromí a automatické předcházení ztrátám dat. Aspose.OCR pro .NET umožňuje vyhledávat, odstraňovat a přezkoumávat důvěrný obsah v digitálních snímcích a skenovaných dokumentech.

Reálný světový problém

Organizace musí najít a vypracovat osobně identifikovatelné informace (PII) nebo důvěrné údaje skryté ve skenovaných smlouvách, formulářích nebo digitálních fotografiích.

Řešení přehled

Aspose.OCR pro .NET může vyhledávat konkrétní textové vzory (jména, adresy, ID, čísla účtu atd.), dokonce i pomocí pravidelných výrazů, a extrahovat nebo zveřejňovat citlivé údaje.

Předpoklady

  • Visual Studio 2019 nebo novější
  • .NET 6.0 nebo novější (nebo .Net Framework 4.6.2+)
  • Aspose.OCR pro .NET z NuGet
  • Základní C# zkušenosti
PM> Install-Package Aspose.OCR

krok za krokem implementace

Krok 1: Instalace a nastavení ASPOSE.OCR 

using Aspose.OCR;

Krok 2: Připravte své obrázkové soubory 

string img1 = "id_card.png";
string img2 = "contract_scan.jpg";

Krok 3: Nastavení PII/Senzitivní uznávání vzorků 

RecognitionSettings settings = new RecognitionSettings();
settings.Language = Language.English;

Krok 4: Vyhledávání PII nebo důvěrných údajů ve snímcích

  • Použijte string/regex vzorky, aby odpovídaly PII (jako jsou jména, SSN, čísla účtů, e-maily):
AsposeOcr ocr = new AsposeOcr();
bool foundSsn = ocr.ImageHasText(img1, @"\d{3}-\d{2}-\d{4}", settings); // US SSN pattern
bool foundEmail = ocr.ImageHasText(img2, @"[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\\.[a-zA-Z]{2,}", settings);

Krok 5: Odstraňte a zveřejňujte citlivý obsah

  • Využijte veškerý uznaný text pro další zpracování:
OcrInput input = new OcrInput(InputType.SingleImage);
input.Add(img1);
input.Add(img2);
List<RecognitionResult> results = ocr.Recognize(input, settings);
foreach (RecognitionResult result in results)
{
    Console.WriteLine(result.RecognitionText); // For human review
    result.Save("extracted_data.txt", SaveFormat.Text); // Save for audit/compliance
}

Krok 6: Přidejte chybové řešení 

try
{
    bool found = ocr.ImageHasText(img1, @"\d{3}-\d{2}-\d{4}", settings);
}
catch (Exception ex)
{
    Console.WriteLine($"Error: {ex.Message}");
}

Krok 7: Optimalizace pro hromadné nebo automatické audity

  • Batch zpracování souborů pro audity v celé organizaci
  • Záznam výsledků do centrální databáze nebo souboru pro přezkum shody
foreach (string file in Directory.GetFiles("./images", "*.png"))
{
    bool found = ocr.ImageHasText(file, @"[A-Z]{2}[0-9]{6}", settings); // Example: passport pattern
    if (found) { Console.WriteLine($"PII found in: {file}"); }
}

Krok 8: Kompletní příklad 

using Aspose.OCR;
using System;
using System.Collections.Generic;

class Program
{
    static void Main(string[] args)
    {
        try
        {
            RecognitionSettings settings = new RecognitionSettings();
            settings.Language = Language.English;
            AsposeOcr ocr = new AsposeOcr();

            string img1 = "id_card.png";
            string img2 = "contract_scan.jpg";

            bool foundSsn = ocr.ImageHasText(img1, @"\d{3}-\d{2}-\d{4}", settings);
            bool foundEmail = ocr.ImageHasText(img2, @"[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\\.[a-zA-Z]{2,}", settings);

            OcrInput input = new OcrInput(InputType.SingleImage);
            input.Add(img1);
            input.Add(img2);
            List<RecognitionResult> results = ocr.Recognize(input, settings);
            foreach (RecognitionResult result in results)
            {
                Console.WriteLine(result.RecognitionText);
                result.Save("extracted_data.txt", SaveFormat.Text);
            }
        }
        catch (Exception ex)
        {
            Console.WriteLine($"Error: {ex.Message}");
        }
    }
}

Použití případů a aplikací

Audity soukromí a shody

Vyhledávání obrázků pro PII (jména, SSN, adresy) v souladu s GDPR, CCPA a vnitřní povinnosti týkající se soukromí.

Redakční automatizace

Automaticky označte nebo upravte důvěrný obsah v právních a obchodních dokumentech.

Digital Forensics a hodnocení

Zrychlete manuální přehled tím, že zdůrazníte citlivý obsah přes velké datové sady.

Společné výzvy a řešení

Výzva 1: Komplexní nebo ručně psané PII

Rozhodnutí: Použijte skenery vyšší kvality, testujte pravidelné projevy a doplňte manuální recenzí.

Výzva 2: Vysoký objem snímků

Rozhodnutí: Proces seskupení v složkách a výsledky vývozu pro hlášení.

Výzva 3: Přizpůsobené PII vzorce

Rozhodnutí: Použijte přizpůsobený regex pro jedinečné typy dat vaší organizace.

Úvahy o výkonu

  • Batch proces pro rychlost
  • Fine-tune regex pro vaše typy PII
  • Objekty OCR po běhu

Nejlepší postupy

  • Test PII vyhledávání na různých vzorcích obrázků
  • Pravidelně aktualizovat nastavení reggex a souladu
  • Zajištění všech výsledků a získaných údajů
  • Zálohování originálních a zpracovaných souborů

Pokročilé scénáře

Scénář 1: vícejazyčný nebo mezinárodní PII 

settings.Language = Language.French;

Scénář 2: Vývoz do JSON pro vykazování shody 

foreach (RecognitionResult result in results)
{
    result.Save("extracted_data.json", SaveFormat.Json);
}

závěr

Aspose.OCR pro .NET vám dává sílu identifikovat a extrahovat citlivé informace z obrázků a skenování, automatizovat dodržování a soukromí pracovních toků v rozsahu.

Podívejte se na více pokročilých vzorků kódu v Aspose.OCR pro .NET API Reference .

 Čeština