自动抹除图像中的个人隐私信息

在跨团队共享、外部分发以及机器学习训练等场景中，图像里夹带的个人隐私信息会带来 GDPR、PCI DSS 等合规风险。AWS 发布了一套以 Amazon Nova 2 Lite 为调度核心的自动打码流水线，专门处理人脸、指纹、证件、车牌等高难度敏感元素，逐像素完成遮盖。

方案的核心思路是让基础模型充当智能编排者。Amazon Nova 2 Lite 在 Amazon Bedrock 中提供多模态推理能力，会先对整张图做整体评估，判断哪些区域属于隐私信息，再把不同模态的子任务分发给最合适的工具：视觉类目标交给 Meta 开源、部署在 SageMaker AI 上的 SAM 3 做像素级分割，文字类目标交给 Amazon Textract 做 OCR 与坐标提取。

整套流程由事件驱动。当图像上传到 S3 的 input 目录后，S3 事件触发 EventBridge 规则并启动 AWS Step Functions 状态机。Nova 先校验文件格式，再对图像做初次 PII 筛查，将文本型与视觉型 PII 分别路由到两个子流程；Lambda 函数依据 Nova 给出的坐标，对原始图像进行涂黑处理，并把结果写回 S3。

相比单一的打码工具，这条流水线的优势在于上下文判断。Nova 能够识别反光表面的侧脸、宽角照片里露出姓名的文档、边缘截断的人脸等边缘场景，并据此决定是否需要触发分割或 OCR 子流程。Nova 2 Lite 的低延迟与较高性价比，也让批量图像预处理不必依赖深厚的机器学习工程能力。

落地这套方案需要预先准备 AWS 账号、对应区域的 Nova 2 Lite 模型访问权限、部署在 SageMaker AI 上的 SAM 3 推理端点，以及对 Bedrock、S3、Lambda、Step Functions、EventBridge、Textract 的基本熟悉度。运行过程中会产生 S3 存储、Lambda 调用、Step Functions 状态转换、SageMaker 端点托管、Bedrock API 调用和 Textract API 调用等多项费用，部署前需要结合所在区域的定价做评估。

要点

• 以 Amazon Nova 2 Lite 为调度核心，把视觉推理、SAM 3 像素分割与 Amazon Textract OCR 组合成一条自动打码流水线。
• 通过上下文判断识别反光侧脸、边缘截断人脸、证件、车牌等高难度 PII 场景，覆盖文本与视觉两类信息。
• 上传 S3 后由 EventBridge 触发 Step Functions，Nova 路由后由 Lambda 按坐标涂黑，结果回写 S3，全程事件驱动。
• 依托 Amazon Bedrock 与托管服务，无需自建或微调专用模型即可获得较高准确度的 PII 抹除能力。
• 运行会产生 S3、Lambda、Step Functions、SageMaker、Bedrock、Textract 等多项费用，需按区域定价评估成本。