GSP1283

Présentation

Sensitive Data Protection est un service entièrement géré conçu pour vous aider à découvrir, classer et protéger les informations sensibles. Les principales options incluent la découverte des données sensibles pour détecter en continu ce type de données, l'anonymisation de ces données, y compris le masquage, et l'API Cloud Data Loss Prevention (DLP) pour intégrer la détection, l'inspection et l'anonymisation dans des charges de travail et des applications personnalisées.

En plus d'identifier et de protéger les données sensibles dans les options de stockage de données telles que Cloud Storage et BigQuery, vous pouvez également identifier et protéger les données sensibles renvoyées par les modèles d'IA générative. Très utile pour atténuer les problèmes liés aux données sensibles dans l'ensemble de votre écosystème !

Dans cet atelier, vous allez exploiter cette capacité à l'aide d'un notebook Jupyter qui utilise l'API Cloud Data Loss Prevention (DLP) pour classer et masquer les données sensibles dans les réponses du modèle .

Points abordés

Dans cet atelier, vous allez apprendre à :

• Accéder à un notebook Jupyter précréé dans une instance Agent Platform Workbench
• Installer les packages Python pour les API Agent Platform et Cloud Data Loss Prevention (DLP)
• Générer un exemple de texte contenant des données sensibles à l'aide du modèle
• Définir et exécuter des fonctions Python pour masquer différents types de données sensibles dans les réponses du modèle à l'aide de l'API DLP

Prérequis

Bien que cela ne soit pas obligatoire, il est utile d'avoir quelques connaissances sur la façon dont les API Agent Platform et Cloud Data Loss Prevention (DLP) sont couramment utilisées dans les workflows Google Cloud. Pour vous familiariser avec ces outils avant de commencer cet atelier, vous pouvez suivre les ateliers suivants :

• Agent Platform : Qwik Start
• Premiers pas avec Sensitive Data Protection

Préparation

Avant de cliquer sur le bouton "Démarrer l'atelier"

Lisez ces instructions. Les ateliers sont minutés, et vous ne pouvez pas les mettre en pause. Le minuteur, qui démarre lorsque vous cliquez sur Démarrer l'atelier, indique combien de temps les ressources Google Cloud resteront accessibles.

Cet atelier pratique vous permet de suivre les activités dans un véritable environnement cloud, et non dans un environnement de simulation ou de démonstration. Des identifiants temporaires vous sont fournis pour vous permettre de vous connecter à Google Cloud le temps de l'atelier.

Pour réaliser cet atelier :

• Vous devez avoir accès à un navigateur Internet standard (nous vous recommandons d'utiliser Chrome).

• Vous disposez d'un temps limité. N'oubliez pas qu'une fois l'atelier commencé, vous ne pouvez pas le mettre en pause.

Démarrer l'atelier et se connecter à la console Google Cloud

1. Cliquez sur le bouton Démarrer l'atelier. Si l'atelier est payant, une boîte de dialogue s'affiche pour vous permettre de sélectionner un mode de paiement. Sur la gauche, vous trouverez le panneau "Détails concernant l'atelier", qui contient les éléments suivants :

   • Le bouton "Ouvrir la console Google Cloud"
   • Le temps restant
   • Les identifiants temporaires que vous devez utiliser pour cet atelier
   • Des informations complémentaires vous permettant d'effectuer l'atelier

2. Cliquez sur Ouvrir la console Google Cloud (ou effectuez un clic droit et sélectionnez Ouvrir le lien dans la fenêtre de navigation privée si vous utilisez le navigateur Chrome).

   L'atelier lance les ressources, puis ouvre la page "Se connecter" dans un nouvel onglet.

   Conseil : Réorganisez les onglets dans des fenêtres distinctes, placées côte à côte.

   Remarque : Si la boîte de dialogue Sélectionner un compte s'affiche, cliquez sur Utiliser un autre compte.

3. Si nécessaire, copiez le nom d'utilisateur ci-dessous et collez-le dans la boîte de dialogue Se connecter.

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

   Vous trouverez également le nom d'utilisateur dans le panneau "Détails concernant l'atelier".

4. Cliquez sur Suivant.

5. Copiez le mot de passe ci-dessous et collez-le dans la boîte de dialogue Bienvenue.

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

   Vous trouverez également le mot de passe dans le panneau "Détails concernant l'atelier".

6. Cliquez sur Suivant.

   Important : Vous devez utiliser les identifiants fournis pour l'atelier. Ne saisissez pas ceux de votre compte Google Cloud. Remarque : Si vous utilisez votre propre compte Google Cloud pour cet atelier, des frais supplémentaires peuvent vous être facturés.

7. Accédez aux pages suivantes :

   • Acceptez les conditions d'utilisation.
   • N'ajoutez pas d'options de récupération ni d'authentification à deux facteurs (ce compte est temporaire).
   • Ne vous inscrivez pas à des essais sans frais.

Après quelques instants, la console Cloud s'ouvre dans cet onglet.

Remarque : Pour accéder aux produits et services Google Cloud, cliquez sur le menu de navigation ou saisissez le nom du service ou du produit dans le champ Recherche.

Tâche 1 : Ouvrir JupyterLab dans Agent Platform Workbench

1. Dans la console Google Cloud, accédez au menu de navigation () et cliquez sur Agent Platform > Notebooks.

2. Dans la barre latérale gauche, cliquez sur Workbench.

3. Recherchez l'instance , puis cliquez sur le bouton Ouvrir JupyterLab.

L'interface JupyterLab de votre instance Workbench s'ouvre dans un nouvel onglet de navigateur.

Tâche 2 : Configurer le notebook

1. Ouvrez le fichier .

2. Dans la boîte de dialogue Select Kernel (Sélectionner le kernel), sélectionnez Python 3 dans la liste des kernels disponibles.

3. Parcourez la section Getting Started (Premiers pas) du notebook. L'ID et l'emplacement du projet sont préconfigurés pour vous.

Tâche 3 : Masquer des types spécifiques de données sensibles dans les réponses des modèles d'IA générative

Les sections identifiées dans cette tâche correspondent aux sections du notebook. Suivez les étapes du notebook comme indiqué ci-dessous et revenez sur la page de cet atelier pour vérifier votre progression après avoir terminé chaque section du notebook.

Générer un exemple de texte simple contenant des informations permettant d'identifier un utilisateur (nom complet) à l'aide du modèle

• Exécutez chaque cellule de la section Générer un exemple de texte simple contenant des informations permettant d'identifier un utilisateur (nom complet) à l'aide du modèle

Cliquez sur Vérifier ma progression pour valider l'objectif. Générer des exemples de texte contenant des informations permettant d'identifier un utilisateur

Définir et exécuter une fonction Python pour anonymiser les réponses du modèle à l'aide d'infoTypes globaux intégrés

• Exécutez chaque cellule de la section Définir et exécuter une fonction Python pour anonymiser les réponses du modèle à l'aide d'infoTypes globaux intégrés du notebook.

Cliquez sur Vérifier ma progression pour valider l'objectif. Définir une fonction Python pour anonymiser les réponses du modèle à l'aide d'infoTypes globaux intégrés

Générer et anonymiser un exemple de texte contenant d'autres informations permettant d'identifier un utilisateur (date de naissance) à l'aide du modèle

• Exécutez chaque cellule de la section Générer et anonymiser un exemple de texte contenant d'autres informations permettant d'identifier un utilisateur (date de naissance) à l'aide du modèle du notebook.

Cliquez sur Vérifier ma progression pour valider l'objectif. Générer et anonymiser un exemple de texte contenant d'autres informations permettant d'identifier un utilisateur

Générer un exemple de texte contenant des informations de carte de crédit à l'aide du modèle

• Exécutez chaque cellule de la section Générer un exemple de texte contenant des informations de carte de crédit à l'aide du modèle du notebook.

Cliquez sur Vérifier ma progression pour valider l'objectif. Générer un exemple de texte contenant des informations de carte de crédit à l'aide du modèle

Mettre vos compétences en application en utilisant l'infoType global intégré pour les numéros de carte de crédit

• Exécutez chaque cellule de la section Mettre vos compétences en application en utilisant l'infoType global intégré pour les numéros de carte de crédit du notebook.

Développez les conseils ci-dessous pour vous aider.

Option 1 : Consulter la documentation

Solution complète (développez pour afficher le code complet)

Cliquez sur Vérifier ma progression pour valider l'objectif. Mettre vos compétences en application en utilisant l'infoType global intégré pour les numéros de carte de crédit

Tâche 4 : Bloquer les résultats des modèles d'IA générative en fonction des types de documents sensibles

Les sections identifiées dans cette tâche correspondent aux sections du notebook. Suivez les étapes du notebook comme indiqué ci-dessous et revenez sur la page de cet atelier pour vérifier votre progression après avoir terminé chaque section du notebook.

Modifier la fonction Python pour bloquer les réponses du modèle en fonction d'infoTypes spécifiques pour les documents

• Exécutez chaque cellule de la section Modifier la fonction Python pour bloquer les réponses du modèle en fonction d'infoTypes spécifiques pour les documents du notebook.

Cliquez sur Vérifier ma progression pour valider l'objectif. Modifier la fonction Python pour bloquer les réponses du modèle

Générer un exemple avec le code source à l'aide du modèle et bloquer les résultats

• Exécutez chaque cellule de la section Générer un exemple avec le code source à l'aide du modèle et bloquer les résultats du notebook.

  • Lorsque vous générez la réponse, veillez à ce que la température soit réglée sur 0, afin que le résultat généré soit invariable.

Cliquez sur Vérifier ma progression pour valider l'objectif. Générer un exemple avec le code source à l'aide du modèle

Mettre vos compétences en application en utilisant l'infoType intégré pour les brevets

• Exécutez chaque cellule de la section Mettre vos compétences en application en utilisant l'infoType intégré pour les brevets du notebook.

Développez les conseils ci-dessous pour vous aider.

Option 1 : Relire la section précédente du notebook

Solution complète (développez pour afficher le code complet)

Cliquez sur Vérifier ma progression pour valider l'objectif. Mettre vos compétences en application en utilisant l'infoType intégré pour les brevets

Félicitations !

Dans cet atelier, vous avez utilisé les API Agent Platform et Cloud Data Loss Prevention (DLP) dans un notebook Jupyter pour générer et masquer des exemples de données sensibles dans les réponses du modèle .

Étapes suivantes et informations supplémentaires

Consultez les ressources suivantes pour en savoir plus sur l'API Cloud Data Loss Prevention (DLP) :

• Page de documentation sur le masquage des données sensibles dans un texte
• Page de documentation sur l'API Cloud Data Loss Prevention (DLP)

Formations et certifications Google Cloud

Les formations et certifications Google Cloud vous aident à tirer pleinement parti des technologies Google Cloud. Nos cours portent sur les compétences techniques et les bonnes pratiques à suivre pour être rapidement opérationnel et poursuivre votre apprentissage. Nous proposons des formations pour tous les niveaux, à la demande, en salle et à distance, pour nous adapter aux emplois du temps de chacun. Les certifications vous permettent de valider et de démontrer vos compétences et votre expérience en matière de technologies Google Cloud.

Dernière mise à jour du manuel : 29 octobre 2025

Dernier test de l'atelier : 29 octobre 2025

Copyright 2026 Google LLC. Tous droits réservés. Google et le logo Google sont des marques de Google LLC. Tous les autres noms d'entreprises et de produits peuvent être des marques des entreprises auxquelles ils sont associés.