GSP1283

Übersicht

Sensitive Data Protection ist ein vollständig verwalteter Dienst, mit dem Sie sensible Daten erkennen, klassifizieren und schützen können. Zu den wichtigsten Optionen gehören die Erkennung sensibler Daten, um kontinuierlich Profile für sensible Daten zu erstellen, die De-Identifikation sensibler Daten einschließlich ihrer Entfernung und die Cloud Data Loss Prevention (DLP) API, mit der Sie die Erkennung, Prüfung und De-Identifikation dieser Daten in benutzerdefinierte Arbeitslasten und Anwendungen einbinden können.

Sie können nicht nur sensible Daten in Datenspeicheroptionen wie Cloud Storage und BigQuery identifizieren und schützen, sondern auch sensible Daten, die von generativen KI-Modellen zurückgegeben werden. Dies ist sehr hilfreich, um Bedenken hinsichtlich sensibler Daten in Ihrem gesamten Ökosystem zu mindern.

In diesem Lab nutzen Sie diese Möglichkeit über ein Jupyter-Notebook, das die Cloud Data Loss Prevention (DLP) API zur Klassifizierung und Entfernung sensibler Daten in -Modellantworten verwendet.

Lerninhalte

Aufgaben in diesem Lab:

• Auf ein vordefiniertes Jupyter-Notebook in einer Vertex AI Workbench-Instanz zugreifen
• Python-Pakete für die Vertex AI und die Cloud Data Loss Prevention (DLP) API installieren
• Mithilfe des -Modells Beispieltext mit sensiblen Daten generieren
• Python-Funktionen definieren und ausführen, um verschiedene Arten von sensiblen Daten in -Modellantworten mithilfe der DLP API zu entfernen

Vorbereitung

Vorkenntnisse über die gängige Verwendung der Vertex AI und der Cloud Data Loss Prevention (DLP) API in Google Cloud-Workflows sind hilfreich, aber nicht erforderlich. Wenn Sie sich mit diesen Tools vertraut machen möchten, bevor Sie das Lab starten, können Sie die folgenden Labs durcharbeiten:

• Vertex AI: Qwik Start
• Erste Schritte mit Sensitive Data Protection

Einrichtung und Anforderungen

Vor dem Klick auf „Start Lab“ (Lab starten)

Lesen Sie diese Anleitung. Labs sind zeitlich begrenzt und können nicht pausiert werden. Der Timer beginnt zu laufen, wenn Sie auf Lab starten klicken, und zeigt Ihnen, wie lange Google Cloud-Ressourcen für das Lab verfügbar sind.

In diesem praxisorientierten Lab können Sie die Lab-Aktivitäten in einer echten Cloud-Umgebung durchführen – nicht in einer Simulations- oder Demo-Umgebung. Dazu erhalten Sie neue, temporäre Anmeldedaten, mit denen Sie für die Dauer des Labs auf Google Cloud zugreifen können.

Für dieses Lab benötigen Sie Folgendes:

• Einen Standardbrowser (empfohlen wird Chrome)

• Zeit für die Durchführung des Labs – denken Sie daran, dass Sie ein begonnenes Lab nicht unterbrechen können.

Lab starten und bei der Google Cloud Console anmelden

1. Klicken Sie auf Lab starten. Wenn Sie für das Lab bezahlen müssen, wird ein Dialogfeld geöffnet, in dem Sie Ihre Zahlungsmethode auswählen können. Auf der linken Seite befindet sich der Bereich „Details zum Lab“ mit diesen Informationen:

   • Schaltfläche „Google Cloud Console öffnen“
   • Restzeit
   • Temporäre Anmeldedaten für das Lab
   • Ggf. weitere Informationen für dieses Lab

2. Klicken Sie auf Google Cloud Console öffnen (oder klicken Sie mit der rechten Maustaste und wählen Sie Link in Inkognitofenster öffnen aus, wenn Sie Chrome verwenden).

   Im Lab werden Ressourcen aktiviert. Anschließend wird ein weiterer Tab mit der Seite „Anmelden“ geöffnet.

   Tipp: Ordnen Sie die Tabs nebeneinander in separaten Fenstern an.

   Hinweis: Wird das Dialogfeld Konto auswählen angezeigt, klicken Sie auf Anderes Konto verwenden.

3. Kopieren Sie bei Bedarf den folgenden Nutzernamen und fügen Sie ihn in das Dialogfeld Anmelden ein.

   {{{user_0.username | "Username"}}}

   Sie finden den Nutzernamen auch im Bereich „Details zum Lab“.

4. Klicken Sie auf Weiter.

5. Kopieren Sie das folgende Passwort und fügen Sie es in das Dialogfeld Willkommen ein.

   {{{user_0.password | "Password"}}}

   Sie finden das Passwort auch im Bereich „Details zum Lab“.

6. Klicken Sie auf Weiter.

   Wichtig: Sie müssen die für das Lab bereitgestellten Anmeldedaten verwenden. Nutzen Sie nicht die Anmeldedaten Ihres Google Cloud-Kontos. Hinweis: Wenn Sie Ihr eigenes Google Cloud-Konto für dieses Lab nutzen, können zusätzliche Kosten anfallen.

7. Klicken Sie sich durch die nachfolgenden Seiten:

   • Akzeptieren Sie die Nutzungsbedingungen.
   • Fügen Sie keine Wiederherstellungsoptionen oder Zwei-Faktor-Authentifizierung hinzu (da dies nur ein temporäres Konto ist).
   • Melden Sie sich nicht für kostenlose Testversionen an.

Nach wenigen Augenblicken wird die Google Cloud Console in diesem Tab geöffnet.

Hinweis: Wenn Sie auf Google Cloud-Produkte und ‑Dienste zugreifen möchten, klicken Sie auf das Navigationsmenü oder geben Sie den Namen des Produkts oder Dienstes in das Feld Suchen ein.

Aufgabe 1: JupyterLab in Vertex AI Workbench öffnen

1. Klicken Sie in der Google Cloud Console im Navigationsmenü () auf Vertex AI > Workbench.

2. Suchen Sie die Instanz und klicken Sie auf JupyterLab öffnen.

Die JupyterLab-Oberfläche für Ihre Workbench-Instanz wird in einem neuen Browsertab geöffnet.

Aufgabe 2: Notebook einrichten

1. Öffnen Sie die -Datei.

2. Wählen Sie im Dialogfeld Kernel auswählen in der Liste der verfügbaren Kernel die Option Python 3 aus.

3. Gehen Sie den Abschnitt Erste Schritte des Notebooks durch. Die Projekt-ID und der Standort sind vorkonfiguriert.

Aufgabe 3: Bestimmte Arten sensibler Daten in Antworten von generativen KI-Modellen entfernen

Die in dieser Aufgabe genannten Abschnitte entsprechen den Abschnitten im Notebook. Führen Sie die Schritte im Notebook wie unten beschrieben aus. Wenn Sie Ihren Fortschritt überprüfen möchten, können Sie zu dieser Lab-Seite zurückkehren, nachdem Sie den jeweiligen Notebook-Abschnitt abgeschlossen haben.

Einfachen Beispieltext mit personenidentifizierbaren Informationen (vollständiger Name) mit dem -Modell generieren

• Führen Sie jede Zelle im Abschnitt „Generate simple example text with personally identifiable information (full name) using model“ (Einfachen Beispieltext mit personenidentifizierbaren Informationen (vollständiger Name) mit dem Modell generieren) des Notebooks aus.

Klicken Sie auf Fortschritt prüfen. Textbeispiele mit personenidentifizierbaren Informationen generieren.

Python-Funktion definieren und ausführen, um -Modellantworten mithilfe des integrierten globalen InfoTypes zu de-identifizieren

• Führen Sie jede Zelle im Abschnitt „Define and run a Python function to deidentify model responses using built-in global infotypes“ (Python-Funktion definieren und ausführen, um Modellantworten mithilfe des integrierten globalen InfoTypes zu de-identifizieren) des Notebooks aus.

Klicken Sie auf Fortschritt prüfen. Python-Funktion definieren, um -Modellantworten mithilfe des integrierten globalen InfoTypes zu de-identifizieren

Beispieltext mit weiteren personenidentifizierbaren Informationen (Geburtsdatum) mit dem -Modell generieren und de-identifizieren

• Führen Sie jede Zelle im Abschnitt „Generate and de-identify example text with more personally identifiable information (date of birth) using model“ (Beispieltext mit weiteren personenidentifizierbaren Informationen (Geburtsdatum) mit dem Modell generieren und de-identifizieren) des Notebooks aus.

Klicken Sie auf Fortschritt prüfen. Beispieltext mit weiteren personenidentifizierbaren Informationen generieren und de-identifizieren

Beispieltext mit Kreditkartendaten mithilfe des -Modells generieren

• Führen Sie jede Zelle im Abschnitt „Generate example text with credit card information using model“ (Beispieltext mit Kreditkartendaten mithilfe des Modells generieren) des Notebooks aus.

Klicken Sie auf Fortschritt prüfen. Beispieltext mit Kreditkartendaten mithilfe des -Modells generieren

Ihre Kenntnisse zur Verwendung des integrierten globalen InfoTypes für Kreditkartennummern anwenden

• Führen Sie jede Zelle im Abschnitt „Apply your skills using the built-in global infoType for credit card number“ (Ihre Kenntnisse zur Verwendung des integrierten globalen InfoTypes für Kreditkartennummern anwenden) des Notebooks aus.

Maximieren Sie die Hinweise unten, um hilfreiche Tipps zu erhalten.

Option 1: Dokumentation lesen

Vollständige Lösung (maximieren, um den vollständigen Code anzusehen)

Klicken Sie auf Fortschritt prüfen. Ihre Kenntnisse zur Verwendung des integrierten globalen infoTypes für Kreditkartennummern anwenden

Aufgabe 4: Ergebnisse von generativen KI-Modellen anhand sensibler Dokumenttypen blockieren

Die in dieser Aufgabe genannten Abschnitte entsprechen den Abschnitten im Notebook. Führen Sie die Schritte im Notebook wie unten beschrieben aus. Wenn Sie Ihren Fortschritt überprüfen möchten, können Sie zu dieser Lab-Seite zurückkehren, nachdem Sie den jeweiligen Notebook-Abschnitt abgeschlossen haben.

Python-Funktion überarbeiten, um -Modellantworten anhand bestimmter InfoTypes für Dokumente zu blockieren

• Führen Sie jede Zelle im Abschnitt „Revise the Python function to block model responses based on specific infotypes for documents“ (Python-Funktion überarbeiten, um Modellantworten anhand bestimmter InfoTypes für Dokumente zu blockieren) des Notebooks aus.

Klicken Sie auf Fortschritt prüfen. Python-Funktion überarbeiten, um -Modellantworten zu blockieren.

Mit dem -Modell ein Beispiel mit Quellcode generieren und Ergebnisse blockieren

• Führen Sie jede Zelle im Abschnitt „Generate an example with source code using model and block results“ (Mit dem Modell ein Beispiel mit Quellcode generieren und Ergebnisse blockieren) des Notebooks aus.

  • Achten Sie beim Generieren der Antwort darauf, dass die Temperatur auf 0 eingestellt ist, damit die generierte Ausgabe unveränderlich ist.

Klicken Sie auf Fortschritt prüfen. Mit dem -Modell ein Beispiel mit Quellcode generieren

Ihre Kenntnisse zum integrierten infoType für Patente anwenden

• Führen Sie jede Zelle im Abschnitt „Apply your skills using the built-in document infoType for patents“ (Ihre Kenntnisse zum integrierten infoType für Patente anwenden) des Notebooks aus.

Maximieren Sie die Hinweise unten, um hilfreiche Tipps zu erhalten.

Option 1: Lesen Sie den vorherigen Abschnitt im Notebook

Vollständige Lösung (maximieren, um den vollständigen Code zu sehen)

Klicken Sie auf Fortschritt prüfen. Ihre Kenntnisse zum integrierten infoType für Patente anwenden

Glückwunsch!

In diesem Lab haben Sie die Vertex AI und die Cloud Data Loss Prevention (DLP) API in einem Jupyter-Notebook verwendet, um mithilfe der DLP API sensible Beispieldaten in -Modellantworten zu generieren und zu entfernen.

Weitere Informationen

Weitere Informationen zur Cloud Data Loss Prevention (DLP) API finden Sie in den folgenden Ressourcen:

• Dokumentationsseite zum Thema Sensible Daten aus Texten entfernen
• Dokumentationsseite zur Cloud Data Loss Prevention (DLP) API

Google Cloud-Schulungen und -Zertifizierungen

In unseren Schulungen erfahren Sie alles zum optimalen Einsatz unserer Google Cloud-Technologien und können sich entsprechend zertifizieren lassen. Unsere Kurse vermitteln technische Fähigkeiten und Best Practices, damit Sie möglichst schnell mit Google Cloud loslegen und Ihr Wissen fortlaufend erweitern können. Wir bieten On-Demand-, Präsenz- und virtuelle Schulungen für Anfänger wie Fortgeschrittene an, die Sie individuell in Ihrem eigenen Zeitplan absolvieren können. Mit unseren Zertifizierungen weisen Sie nach, dass Sie Experte im Bereich Google Cloud-Technologien sind.

Anleitung zuletzt am 29. Oktober 2025 aktualisiert

Lab zuletzt am 29. Oktober 2025 getestet

© 2026 Google LLC. Alle Rechte vorbehalten. Google und das Google-Logo sind Marken von Google LLC. Alle anderen Unternehmens- und Produktnamen können Marken der jeweils mit ihnen verbundenen Unternehmen sein.