GSP1283

Descripción general

Sensitive Data Protection es un servicio completamente administrado diseñado para ayudarte a descubrir, clasificar y proteger la información sensible. Las opciones clave incluyen el descubrimiento de datos sensibles para crear perfiles de tus datos sensibles de forma continua, la desidentificación de datos sensibles, incluido la ocultación, y la API de Cloud Data Loss Prevention (DLP) para permitirte incorporar el descubrimiento, la inspección y la desidentificación en cargas de trabajo y aplicaciones personalizadas.

Además de identificar y proteger los datos sensibles en opciones de almacenamiento de datos como Cloud Storage y BigQuery, también puedes identificar y proteger los datos sensibles que devuelven los modelos de IA generativa. Es muy útil para mitigar los problemas de datos sensibles en todo tu ecosistema.

En este lab, aprovecharás esta capacidad a través de un notebook de Jupyter que emplea la API de Cloud Data Loss Prevention (DLP) para clasificar y ocultar datos sensibles en las respuestas del modelo .

Qué aprenderás

En este lab, aprenderás a realizar las siguientes tareas:

• Acceder a un notebook de Jupyter creado previamente en una instancia de Agent Platform Workbench
• Instalar paquetes de Python para Agent Platform y la API de Cloud Data Loss Prevention (DLP)
• Generar texto de ejemplo con datos sensibles usando el modelo
• Definir y ejecutar funciones de Python para ocultar diferentes tipos de datos sensibles en las respuestas del modelo con la API de DLP

Requisitos previos

Si bien no es obligatorio, es útil tener conocimientos previos sobre cómo se usan comúnmente Agent Platform y Cloud Data Loss Prevention (la API de DLP) en los flujos de trabajo de Google Cloud. Para obtener una introducción a estas herramientas antes de comenzar este lab, puedes completar los siguientes labs:

• Agent Platform: Qwik Start
• Empieza a usar Sensitive Data Protection.

Configuración y requisitos

Antes de hacer clic en el botón Comenzar lab

Lee estas instrucciones. Los labs cuentan con un temporizador que no se puede pausar. El temporizador, que comienza a funcionar cuando haces clic en Comenzar lab, indica por cuánto tiempo tendrás a tu disposición los recursos de Google Cloud.

Este lab práctico te permitirá realizar las actividades correspondientes en un entorno de nube real, no en uno de simulación o demostración. Para ello, se te proporcionan credenciales temporales nuevas que utilizarás para acceder a Google Cloud durante todo el lab.

Para completar este lab, necesitarás lo siguiente:

• Acceso a un navegador de Internet estándar. Se recomienda el navegador Chrome.

• Tiempo para completar el lab (recuerda que, una vez que comienzas un lab, no puedes pausarlo).

Cómo iniciar tu lab y acceder a la consola de Google Cloud

1. Haz clic en el botón Comenzar lab. Si debes pagar por el lab, se abrirá un diálogo para que selecciones la forma de pago. A la izquierda, se encuentra el panel Detalles del lab, que tiene estos elementos:

   • El botón para abrir la consola de Google Cloud
   • El tiempo restante
   • Las credenciales temporales que debes usar para el lab
   • Otra información para completar el lab, si es necesaria

2. Haz clic en Abrir la consola de Google Cloud (o haz clic con el botón derecho y selecciona Abrir el vínculo en una ventana de incógnito si ejecutas el navegador Chrome).

   El lab inicia recursos y abre otra pestaña en la que se muestra la página de acceso.

   Sugerencia: Ordena las pestañas en ventanas separadas, una junto a la otra.

   Nota: Si ves el diálogo Elegir una cuenta, haz clic en Usar otra cuenta.

3. De ser necesario, copia el nombre de usuario a continuación y pégalo en el diálogo Acceder.

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

   También puedes encontrar el nombre de usuario en el panel Detalles del lab.

4. Haz clic en Siguiente.

5. Copia la contraseña que aparece a continuación y pégala en el diálogo Te damos la bienvenida.

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

   También puedes encontrar la contraseña en el panel Detalles del lab.

6. Haz clic en Siguiente.

   Importante: Debes usar las credenciales que te proporciona el lab. No uses las credenciales de tu cuenta de Google Cloud. Nota: Usar tu propia cuenta de Google Cloud para este lab podría generar cargos adicionales.

7. Haz clic para avanzar por las páginas siguientes:

   • Acepta los Términos y Condiciones.
   • No agregues opciones de recuperación o autenticación de dos factores (esta es una cuenta temporal).
   • No te registres para obtener pruebas gratuitas.

Después de un momento, se abrirá la consola de Google Cloud en esta pestaña.

Nota: Para acceder a los productos y servicios de Google Cloud, haz clic en el menú de navegación o escribe el nombre del servicio o producto en el campo Buscar.

Tarea 1: Abre Jupyter Lab en Agent Platform Workbench

1. En el menú de navegación () de la consola de Google Cloud, haz clic en Agent Platform > Notebooks.

2. En la barra lateral izquierda, haz clic en Workbench.

3. Busca la instancia y haz clic en el botón Abrir JupyterLab.

La interfaz de JupyterLab para tu instancia de Workbench se abrirá en una pestaña nueva del navegador.

Tarea 2: Configura el notebook

1. Abre el archivo .

2. En el cuadro de diálogo Select Kernel, elige Python 3 en la lista de kernels disponibles.

3. Ejecuta la sección Getting Started del notebook. El ID y la ubicación del proyecto ya están configurados.

Tarea 3: Oculta tipos de datos sensibles específicos en las respuestas de los modelos de IA generativa

Las secciones identificadas en esta tarea siguen las secciones descritas en el notebook. Completa los pasos del notebook como se indica a continuación y vuelve a esta página del lab para verificar tu progreso después de completar cada sección del notebook.

Genera un texto de ejemplo simple con información de identificación personal (nombre completo) usando el modelo

• Ejecuta cada celda en la sección Genera texto de ejemplo simple con información de identificación personal (nombre completo) usando el modelo del notebook.

Haz clic en Revisar mi progreso para verificar el objetivo. Generar ejemplos de texto con información de identificación personal (IIP)

Define y ejecuta una función de Python para desidentificar las respuestas del modelo con infotipos globales integrados

• Ejecuta cada celda en la sección Define y ejecuta una función de Python para desidentificar las respuestas del modelo con infotipos globales integrados del notebook.

Haz clic en Revisar mi progreso para verificar el objetivo. Definir una función de Python para desidentificar las respuestas del modelo con infotipos globales integrados

Genera y desidentifica texto de ejemplo con más información de identificación personal (fecha de nacimiento) con el modelo

• Ejecuta cada celda en la sección Genera y desidentifica un texto de ejemplo con más información de identificación personal (fecha de nacimiento) usando el modelo del notebook.

Haz clic en Revisar mi progreso para verificar el objetivo. Generar y desidentificar texto de ejemplo con más información de identificación personal

Genera texto de ejemplo con información de tarjetas de crédito usando el modelo

• Ejecuta cada celda en la sección Genera texto de ejemplo con información de tarjetas de crédito usando el modelo del notebook.

Haz clic en Revisar mi progreso para verificar el objetivo. Generar texto de ejemplo con información de tarjetas de crédito usando el modelo

Aplica tus habilidades con el infotipo global integrado para el número de tarjeta de crédito

• Ejecuta cada celda en la sección Aplica tus habilidades con el infotipo global integrado para el número de tarjeta de crédito del notebook.

Expande las sugerencias que aparecen a continuación para obtener algunos pasos útiles.

Opción 1: Revisa los documentos

Solución completa (expande para ver el código completo)

Haz clic en Revisar mi progreso para verificar el objetivo. Aplicar tus habilidades con el infotipo global integrado para el número de tarjeta de crédito

Tarea 4: Bloquea los resultados de los modelos de IA generativa en función de los tipos de documentos sensibles

Las secciones identificadas en esta tarea siguen las secciones descritas en el notebook. Completa los pasos del notebook como se indica a continuación y vuelve a esta página del lab para verificar tu progreso después de completar cada sección del notebook.

Revisa la función de Python para bloquear las respuestas del modelo en función de infotipos específicos para documentos

• Ejecuta cada celda en la sección Revisa la función de Python para bloquear las respuestas del modelo según infotipos específicos para documentos del notebook.

Haz clic en Revisar mi progreso para verificar el objetivo. Revisar la función de Python para bloquear las respuestas del modelo

Genera un ejemplo con código fuente usando el modelo y bloquea los resultados

• Ejecuta cada celda en la sección Genera un ejemplo con código fuente usando el modelo y bloquea los resultados del notebook.

  • Cuando generes la respuesta, asegúrate de que la temperatura esté configurada en 0 para que el resultado generado sea invariable.

Haz clic en Revisar mi progreso para verificar el objetivo. Generar un ejemplo con código fuente usando el modelo

Aplica tus habilidades con el infotipo de documento integrado para patentes

• Ejecuta cada celda en la sección Aplica tus habilidades con el infotipo de documento integrado para patentes del notebook.

Expande las sugerencias que aparecen a continuación para obtener algunos pasos útiles.

Opción 1: Revisa la sección anterior en el notebook

Solución completa (expándela para ver todo el código)

Haz clic en Revisar mi progreso para verificar el objetivo. Aplicar tus habilidades con el infotipo de documento integrado para patentes

¡Felicitaciones!

En este lab, usaste las APIs de Agent Platform y Cloud Data Loss Prevention (DLP) en un notebook de Jupyter para generar y ocultar datos sensibles de ejemplo en las respuestas del modelo con la API de DLP.

Próximos pasos y más información

Consulta los siguientes recursos para obtener más información sobre la API de Cloud Data Loss Prevention (DLP):

• Página de documentación sobre Oculta datos sensibles en el contenido de texto
• Página de documentación sobre la API de Cloud Data Loss Prevention (DLP)

Capacitación y certificación de Google Cloud

Recibe la formación que necesitas para aprovechar al máximo las tecnologías de Google Cloud. Nuestras clases incluyen habilidades técnicas y recomendaciones para ayudarte a avanzar rápidamente y a seguir aprendiendo. Para que puedas realizar nuestros cursos cuando más te convenga, ofrecemos distintos tipos de capacitación de nivel básico a avanzado: a pedido, presenciales y virtuales. Las certificaciones te ayudan a validar y demostrar tus habilidades y tu conocimiento técnico respecto a las tecnologías de Google Cloud.

Actualización más reciente del manual: 29 de octubre de 2025

Prueba más reciente del lab: 29 de octubre de 2025

Copyright 2026 Google LLC. All rights reserved. Google y el logotipo de Google son marcas de Google LLC. Los demás nombres de productos y empresas pueden ser marcas de las respectivas empresas a las que estén asociados.