Imaginea textului Finder
Cum să construiți un PII automat sau o pipeline de editare a cuvintelor cheie cu .NET

Cum să construiți un PII automat sau o pipeline de editare a cuvintelor cheie cu .NET

Redacția informațiilor identificabile cu caracter personal (PII) și a cuvintelor cheie sensibile în imaginile scanate este esențială pentru operațiunile de confidențialitate, legale și de conformitate. Aspose.OCR Image Text Finder pentru .NET permite automatizarea detecției și redactării în fluxurile de lucru.

Problema lumii reale

Redacția manuală a datelor confidențiale în fișierele scanate este lentă, fără erori și costisitoare. automatizarea este necesară pentru a asigura un masaj fiabil și consecvent pentru auditurile de conformitate și securitate.

Soluție de ansamblu

Detectați automat PII sau cuvintele cheie folosind OCR, apoi mascați, blurați sau înlocuiți-le în imagine și salvați rezultatele redactate - asigurând confidențialitatea și securitatea.

Prevederile

  • Visual Studio 2019 sau mai târziu
  • .NET 6.0 sau mai târziu (sau .Net Framework 4.6.2+)
  • Aspose.OCR pentru .NET de la NuGet
  • PII sau lista cuvintelor cheie într-un fișier text
PM> Install-Package Aspose.OCR

Implementarea pas cu pas

Pasul 1: Pregătiți PII / Lista cuvintelor cheie și imagini de intrare 

List<string> piiList = new List<string>(File.ReadAllLines("pii_keywords.txt"));
string[] files = Directory.GetFiles("./input", "*.png");

Pasul 2: Căutare PII / Cuvinte cheie 

RecognitionSettings settings = new RecognitionSettings();
settings.Language = Language.English;
AsposeOcr ocr = new AsposeOcr();
foreach (string file in files)
{
    foreach (string pii in piiList)
    {
        bool found = ocr.ImageHasText(file, pii, settings);
        if (found)
        {
            // Proceed to redact in Step 3
        }
    }
}

Pasul 3: Redacți sau mascați termenii detectați

  • În timp ce Aspose.OCR detectează termeni, redactarea trebuie aplicată cu bibliotecile de imagini (de exemplu, System.Drawing, SkiaSharp).
// Example using System.Drawing to overlay black box (simplified)
using (var image = new Bitmap(file))
{
    using (var g = Graphics.FromImage(image))
    {
        // Locate/estimate bounding box for found term (requires mapping OCR region, see docs/API)
        // g.FillRectangle(Brushes.Black, x, y, width, height);
    }
    image.Save($"./redacted/redacted_{Path.GetFileName(file)}");
}

Pasul 4: Înregistrați fișierele editate 

File.AppendAllText("redaction_log.csv", $"{file},{pii},redacted\n");

Pasul 5: Exemplul complet al fluxului de lucru Batch 

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

class Program
{
    static void Main(string[] args)
    {
        List<string> piiList = new List<string>(File.ReadAllLines("pii_keywords.txt"));
        string[] files = Directory.GetFiles("./input", "*.png");
        RecognitionSettings settings = new RecognitionSettings();
        settings.Language = Language.English;
        AsposeOcr ocr = new AsposeOcr();
        foreach (string file in files)
        {
            foreach (string pii in piiList)
            {
                bool found = ocr.ImageHasText(file, pii, settings);
                if (found)
                {
                    // Redact by overlay (simplified; see docs for bounding box)
                    using (var image = new Bitmap(file))
                    using (var g = Graphics.FromImage(image))
                    {
                        // Example: Draw rectangle where text is found (requires OCR region info)
                        // g.FillRectangle(Brushes.Black, x, y, width, height);
                        // Save redacted copy
                        image.Save($"./redacted/redacted_{Path.GetFileName(file)}");
                    }
                    File.AppendAllText("redaction_log.csv", $"{file},{pii},redacted\n");
                }
            }
        }
    }
}

Notă: Pentru maparea exactă a regiunii, folosiți API-urile de recunoaștere din regiunea Aspose.OCR pentru a obține coordonate ale blocurilor de text detectate, apoi mascați exact.

Folosește cazuri și aplicații

Legale și conformitate

Redacția automată a contractelor, a fișierelor HR și a documentelor reglementate.

Audituri de confidențialitate

Asigurați-vă că PII nu scade în arhive scanate, pe bord, sau fișiere de probă.

Batch DLP (prevenirea pierderii datelor)

Închideți partajarea accidentală sau stocarea informațiilor sensibile în imagini scanate.

Provocări și soluții comune

Provocare 1: Localizarea unor regiuni de text precise

Soluție: Utilizați rezultatul regiunii text OCR și hartă pentru a masca coordonatele imaginii.

Cuvânt cheie: Fake Positive / Negative

Soluție: Faceți liste cu cuvinte cheie, validați imagini redactate și efectuați audituri.

Cuvânt cheie: Batch Job Size

Soluție: Paralelizează și automată gestionarea erorilor pentru scară.

Considerații de performanță

  • Calcularea regiunii și scrierea imaginii poate fi lentă pentru batch-uri mari – utilizați async dacă este necesar
  • Înregistrați toate redacțiile pentru revizuirea conformității

Cele mai bune practici

  • Regiune de testare a preciziei cu imagini variate
  • Actualizarea regulată a listelor de cuvinte cheie pentru noile modele PII
  • Asigurați atât fișierele originale, cât și redactate
  • Validați cu verificări manuale

Scenarii avansate

Scenariul 1: Blur în loc de Blackout

Utilizați filtre de imagine pentru a blura regiunile detectate pentru masaj mai subțire.

Scenariul 2: Text de editare / înlocuire personalizată

Întoarceți eticheta personalizată (de exemplu, „REDACTED”) în loc de cutia neagră.

concluziile

Aspose.OCR Image Text Finder pentru .NET vă permite să automatizați redactarea PII / cuvânt cheie la scară – reducând riscul legal și asigurând confidențialitatea în arhivele imaginii.

Pentru API-uri regionale precise și integrarea redactării, vezi Aspose.OCR pentru .NET API Referință .

 Română