GSP1283

Ringkasan

Sensitive Data Protection adalah layanan terkelola sepenuhnya yang dirancang untuk membantu menemukan, mengklasifikasi, dan melindungi informasi sensitif. Opsi utama mencakup Penemuan Data Sensitif untuk terus memprofilkan data sensitif Anda, melakukan de-identifikasi data sensitif termasuk pengeditan, dan Cloud Data Loss Prevention (DLP) API untuk memungkinkan Anda membangun penemuan, inspeksi, dan de-identifikasi ke dalam workload dan aplikasi kustom.

Selain mengidentifikasi dan melindungi data sensitif dalam opsi penyimpanan data seperti Cloud Storage dan BigQuery, Anda juga dapat mengidentifikasi dan melindungi data sensitif yang dikembalikan dari model AI Generatif. Sangat berguna untuk memitigasi masalah data sensitif di seluruh ekosistem Anda.

Di lab ini, Anda akan memanfaatkan kemampuan ini melalui notebook Jupyter yang menggunakan Cloud Data Loss Prevention (DLP) API untuk mengklasifikasikan dan menyamarkan data sensitif dalam respons model .

Yang akan Anda pelajari

Di lab ini, Anda akan mempelajari cara:

• Mengakses notebook Jupyter yang telah dibuat sebelumnya di instance Vertex AI Workbench.
• Menginstal paket Python untuk Vertex AI dan Cloud Data Loss Prevention (DLP) API.
• Membuat contoh teks dengan data sensitif menggunakan model .
• Menentukan dan menjalankan fungsi Python untuk menyamarkan berbagai jenis data sensitif dalam respons model menggunakan DLP API.

Prasyarat

Meskipun tidak diwajibkan, akan sangat membantu jika Anda memiliki pengetahuan sebelumnya tentang cara penggunaan Vertex AI dan Cloud Data Loss Prevention (DLP) API dalam alur kerja Google Cloud. Sebagai pengenalan alat-alat tersebut sebelum Anda memulai lab ini, Anda dapat menyelesaikan lab berikut:

• Vertex AI: Qwik Start
• Mulai menggunakan Sensitive Data Protection.

Penyiapan dan persyaratan

Sebelum mengklik tombol Start Lab

Baca petunjuk ini. Lab memiliki timer dan Anda tidak dapat menjedanya. Timer yang dimulai saat Anda mengklik Start Lab akan menampilkan durasi ketersediaan resource Google Cloud untuk Anda.

Lab interaktif ini dapat Anda gunakan untuk melakukan aktivitas lab di lingkungan cloud sungguhan, bukan di lingkungan demo atau simulasi. Untuk mengakses lab ini, Anda akan diberi kredensial baru yang bersifat sementara dan dapat digunakan untuk login serta mengakses Google Cloud selama durasi lab.

Untuk menyelesaikan lab ini, Anda memerlukan:

• Akses ke browser internet standar (disarankan browser Chrome).

• Waktu untuk menyelesaikan lab. Ingat, setelah dimulai, lab tidak dapat dijeda.

Cara memulai lab dan login ke Google Cloud Console

1. Klik tombol Start Lab. Jika Anda perlu membayar lab, dialog akan terbuka untuk memilih metode pembayaran. Di sebelah kiri ada panel Lab Details yang berisi hal-hal berikut:

   • Tombol Open Google Cloud console
   • Waktu tersisa
   • Kredensial sementara yang harus Anda gunakan untuk lab ini
   • Informasi lain, jika diperlukan, untuk menyelesaikan lab ini

2. Klik Open Google Cloud console (atau klik kanan dan pilih Open Link in Incognito Window jika Anda menjalankan browser Chrome).

   Lab akan menjalankan resource, lalu membuka tab lain yang menampilkan halaman Sign in.

   Tips: Atur tab di jendela terpisah secara berdampingan.

   Catatan: Jika Anda melihat dialog Choose an account, klik Use Another Account.

3. Jika perlu, salin Username di bawah dan tempel ke dialog Sign in.

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

   Anda juga dapat menemukan Username di panel Lab Details.

4. Klik Next.

5. Salin Password di bawah dan tempel ke dialog Welcome.

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

   Anda juga dapat menemukan Password di panel Lab Details.

6. Klik Next.

   Penting: Anda harus menggunakan kredensial yang diberikan lab. Jangan menggunakan kredensial akun Google Cloud Anda. Catatan: Menggunakan akun Google Cloud sendiri untuk lab ini dapat dikenai biaya tambahan.

7. Klik halaman berikutnya:

   • Setujui persyaratan dan ketentuan.
   • Jangan tambahkan opsi pemulihan atau autentikasi 2 langkah (karena ini akun sementara).
   • Jangan mendaftar uji coba gratis.

Setelah beberapa saat, Konsol Google Cloud akan terbuka di tab ini.

Catatan: Untuk mengakses produk dan layanan Google Cloud, klik Navigation menu atau ketik nama layanan atau produk di kolom Search.

Tugas 1. Membuka Jupyter Lab di Vertex AI Workbench

1. Di Konsol Google Cloud, pada Navigation menu (), klik Vertex AI > Workbench.

2. Cari instance lalu klik tombol Open JupyterLab.

Antarmuka JupyterLab untuk instance Workbench Anda akan terbuka di tab browser baru.

Tugas 2. Menyiapkan notebook

1. Buka file .

2. Pada dialog Select Kernel, pilih Python 3 dari daftar kernel yang tersedia.

3. Jalankan bagian Getting Started pada notebook. Project ID dan Lokasi telah dikonfigurasi sebelumnya untuk Anda.

Tugas 3. Menyamarkan jenis data sensitif tertentu dalam respons model AI Generatif

Bagian yang diidentifikasi dalam tugas ini mengikuti bagian yang diuraikan dalam notebook. Selesaikan langkah-langkah di notebook seperti yang diinstruksikan di bawah dan kembali ke halaman lab ini untuk memeriksa progres Anda setelah menyelesaikan setiap bagian notebook.

Membuat contoh teks sederhana dengan informasi identitas pribadi (nama lengkap) menggunakan model

• Jalankan setiap sel di bagian Generate simple example text with personally identifiable information (full name) using model pada notebook.

Klik Periksa progres saya untuk memverifikasi tujuan. Membuat contoh teks dengan informasi identitas pribadi (PII).

Menentukan dan menjalankan fungsi Python untuk mengidentifikasi respons model menggunakan infotype global bawaan

• Jalankan setiap sel di bagian Define and run a Python function to deidentify model responses using built-in global infotypes pada notebook.

Klik Periksa progres saya untuk memverifikasi tujuan. Menentukan fungsi Python untuk mengidentifikasi respons model menggunakan infotype global bawaan

Membuat dan menghapus identifikasi teks contoh dengan informasi identitas pribadi yang lebih banyak (tanggal lahir) menggunakan model

• Jalankan setiap sel di bagian Generate and de-identify example text with more personally identifiable information (date of birth) using model pada notebook.

Klik Periksa progres saya untuk memverifikasi tujuan. Membuat dan melakukan de-identifikasi teks contoh dengan lebih banyak informasi identitas pribadi.

Membuat contoh teks dengan informasi kartu kredit menggunakan model

• Jalankan setiap sel di bagian Generate example text with credit card information using model pada notebook.

Klik Periksa progres saya untuk memverifikasi tujuan. Membuat contoh teks dengan informasi kartu kredit menggunakan model .

Terapkan keterampilan Anda menggunakan infoType global bawaan untuk nomor kartu kredit

• Jalankan setiap sel di bagian Apply your skills using the built-in global infoType for credit card number pada notebook.

Perluas petunjuk di bawah untuk melihat beberapa langkah yang berguna.

Opsi 1: Meninjau dokumen

Solusi lengkap (Luaskan untuk melihat kode lengkap)

Klik Periksa progres saya untuk memverifikasi tujuan. Terapkan keterampilan Anda menggunakan infoType global bawaan untuk nomor kartu kredit.

Tugas 4. Blokir hasil dari model AI Generatif berdasarkan jenis dokumen sensitif

Bagian yang diidentifikasi dalam tugas ini mengikuti bagian yang diuraikan dalam notebook. Selesaikan langkah-langkah di notebook seperti yang diinstruksikan di bawah dan kembali ke halaman lab ini untuk memeriksa progres Anda setelah menyelesaikan setiap bagian notebook.

Merevisi fungsi Python untuk memblokir respons model berdasarkan jenis info tertentu untuk dokumen

• Jalankan setiap sel di bagian Revise the Python function to block model responses based on specific infotypes for documents pada notebook.

Klik Periksa progres saya untuk memverifikasi tujuan. Merevisi fungsi Python untuk memblokir respons model.

Membuat contoh dengan kode sumber menggunakan model dan memblokir hasil

• Jalankan setiap sel di bagian Generate an example with source code using model and block results pada notebook.

  • Saat membuat respons, pastikan temperature disetel ke 0, sehingga output yang dihasilkan tidak berubah-ubah.

Klik Periksa progres saya untuk memverifikasi tujuan. Membuat contoh dengan kode sumber menggunakan model .

Terapkan keterampilan Anda menggunakan infoType dokumen bawaan untuk paten

• Jalankan setiap sel di bagian Apply your skills using the built-in document infoType for patents pada notebook.

Perluas petunjuk di bawah untuk melihat beberapa langkah yang berguna.

Opsi 1: Meninjau bagian sebelumnya di notebook

Solusi lengkap (Luaskan untuk melihat kode lengkap)

Klik Periksa progres saya untuk memverifikasi tujuan. Terapkan keterampilan Anda menggunakan infoType dokumen bawaan untuk paten.

Selamat!

Di lab ini, Anda menggunakan Vertex AI dan Cloud Data Loss Prevention (DLP) API di notebook Jupyter untuk membuat dan menyunting contoh data sensitif dalam respons model menggunakan DLP API.

Langkah berikutnya/Pelajari lebih lanjut

Lihat referensi berikut untuk mempelajari lebih lanjut Cloud Data Loss Prevention (DLP) API:

• Halaman dokumentasi tentang Menyamarkan data sensitif dari teks
• Halaman dokumentasi tentang Cloud Data Loss Prevention (DLP) API

Sertifikasi dan pelatihan Google Cloud

...membantu Anda mengoptimalkan teknologi Google Cloud. Kelas kami mencakup keterampilan teknis dan praktik terbaik untuk membantu Anda memahami dengan cepat dan melanjutkan proses pembelajaran. Kami menawarkan pelatihan tingkat dasar hingga lanjutan dengan opsi on demand, live, dan virtual untuk menyesuaikan dengan jadwal Anda yang sibuk. Sertifikasi membantu Anda memvalidasi dan membuktikan keterampilan serta keahlian Anda dalam teknologi Google Cloud.

Panduan Terakhir Diperbarui pada 29 Oktober 2025

Lab Terakhir Diuji pada 29 Oktober 2025

Hak cipta 2026 Google LLC. Semua hak dilindungi undang-undang. Google dan logo Google adalah merek dagang dari Google LLC. Semua nama perusahaan dan produk lain mungkin adalah merek dagang masing-masing perusahaan yang bersangkutan.