始める前に
- ラボでは、Google Cloud プロジェクトとリソースを一定の時間利用します
- ラボには時間制限があり、一時停止機能はありません。ラボを終了した場合は、最初からやり直す必要があります。
- 画面左上の [ラボを開始] をクリックして開始します
チェックポイント
Generate examples of text with personally identifiable information (PII).
/ 20
Define a Python function to deidentify Gemini model responses using built-in global infotypes
/ 10
Generate and de-identify example text with more personally identifiable information.
/ 20
Generate example text with credit card information using the Gemini model.
/ 10
Apply your skills using the built-in global infoType for credit card number.
/ 10
Revise the Python function to block Gemini model responses.
/ 10
Generate an example with source code using the Gemini model.
/ 10
Apply your skills using the built-in document infoType for patents.
/ 10
ラボの設定手順と要件
アカウントと進行状況を保護します。このラボを実行するには、常にシークレット ブラウジング ウィンドウとラボの認証情報を使用してください。
生成 AI モデルの回答における機密データ保護
ラボの手順とタスク
このコンテンツはまだモバイル デバイス向けに最適化されていません。
快適にご利用いただくには、メールで送信されたリンクを使用して、デスクトップ パソコンでアクセスしてください。
GSP1283
概要
Sensitive Data Protection は、機密情報を検出、分類、保護できるようにするためのフルマネージド サービスです。主なオプションには、機密データを継続的にプロファイリングする機密データ検出、秘匿化を含む機密データの匿名化、カスタム ワークロードやアプリケーションに検出、検査、匿名化を組み込むことができる Cloud Data Loss Prevention（DLP）API などがあります。
Cloud Storage や BigQuery などのデータ ストレージ オプションで機密データを特定して保護するだけでなく、生成 AI モデルから返される機密データも特定して保護できます。エコシステム全体で機密データに関する懸念を軽減するのに非常に役立ちます。
このラボでは、Cloud Data Loss Prevention（DLP）API を利用している Jupyter ノートブックでこの機能を活用して、
学習内容
このラボでは、次の方法について学びます。
- Vertex AI Workbench インスタンスで、事前に作成された Jupyter ノートブックにアクセスする。
- Vertex AI 用と Cloud Data Loss Prevention（DLP）API 用の Python パッケージをインストールする。
-
モデルを使用して、機密データを含むテキストの例を生成する。 - DLP API を使用して、
モデルの回答に含まれるさまざまな種類の機密データを秘匿化する Python 関数を定義して実行する。
前提条件
必須ではありませんが、Vertex AI と Cloud Data Loss Prevention（DLP）API が、Google Cloud のワークフロー内で一般的にどのように使用されているかについての事前知識があると役立ちます。以下のラボを完了することで、このラボで使用するツールについて事前に学ぶことができます。
設定と要件
[ラボを開始] ボタンをクリックする前に
こちらの説明をお読みください。ラボには時間制限があり、一時停止することはできません。タイマーは、Google Cloud のリソースを利用できる時間を示しており、[ラボを開始] をクリックするとスタートします。
このハンズオンラボでは、シミュレーションやデモ環境ではなく実際のクラウド環境を使って、ラボのアクティビティを行います。そのため、ラボの受講中に Google Cloud にログインおよびアクセスするための、新しい一時的な認証情報が提供されます。
このラボを完了するためには、下記が必要です。
- 標準的なインターネット ブラウザ（Chrome を推奨）
- ラボを完了するための時間（開始後は一時停止できません）
ラボを開始して Google Cloud コンソールにログインする方法
-
[ラボを開始] ボタンをクリックします。ラボの料金をお支払いいただく必要がある場合は、表示されるダイアログでお支払い方法を選択してください。 左側の [ラボの詳細] ペインには、以下が表示されます。
- [Google Cloud コンソールを開く] ボタン
- 残り時間
- このラボで使用する必要がある一時的な認証情報
- このラボを行うために必要なその他の情報（ある場合）
-
[Google Cloud コンソールを開く] をクリックします（Chrome ブラウザを使用している場合は、右クリックして [シークレット ウィンドウで開く] を選択します）。
ラボでリソースがスピンアップし、別のタブで [ログイン] ページが表示されます。
ヒント: タブをそれぞれ別のウィンドウで開き、並べて表示しておきましょう。
注: [アカウントの選択] ダイアログが表示されたら、[別のアカウントを使用] をクリックします。 -
必要に応じて、下のユーザー名をコピーして、[ログイン] ダイアログに貼り付けます。
{{{user_0.username | "Username"}}} [ラボの詳細] ペインでもユーザー名を確認できます。
-
[次へ] をクリックします。
-
以下のパスワードをコピーして、[ようこそ] ダイアログに貼り付けます。
{{{user_0.password | "Password"}}} [ラボの詳細] ペインでもパスワードを確認できます。
-
[次へ] をクリックします。
重要: ラボで提供された認証情報を使用する必要があります。Google Cloud アカウントの認証情報は使用しないでください。 注: このラボでご自身の Google Cloud アカウントを使用すると、追加料金が発生する場合があります。 -
その後次のように進みます。
- 利用規約に同意してください。
- 一時的なアカウントなので、復元オプションや 2 要素認証プロセスは設定しないでください。
- 無料トライアルには登録しないでください。
その後、このタブで Google Cloud コンソールが開きます。
タスク 1. Vertex AI Workbench で Jupyter Lab を開く
-
Google Cloud コンソールのナビゲーション メニュー（
）で、[Vertex AI] > [ワークベンチ] の順にクリックします。
-
インスタンスを見つけて、[JupyterLab を開く] ボタンをクリックします。
Workbench インスタンスの JupyterLab インターフェースが新しいブラウザタブで開きます。
1. JupyterLab のブラウザタブを閉じて、Workbench のホームページに戻ります。
2. インスタンス名の横にあるチェックボックスをオンにして、[リセット] をクリックします。
3. [JupyterLab を開く] ボタンが再度有効になったら、1 分待ってから [JupyterLab を開く] をクリックします。
タスク 2. ノートブックを設定する
注: Python ノートブックのセルは、ノートブックの上部にある「選択したセルを実行」（再生矢印アイコン）をクリックして実行できます。
Vertex AI Workbench インスタンスで Jupyter ノートブックを使用する方法の詳細については、ドキュメントをご覧ください。-
ファイルを開きます。 -
[Select Kernel] ダイアログで、使用可能なカーネルのリストから [Python 3] を選択します。
-
ノートブックの「Getting Started」セクションを実行します。[Project ID] と [Location] は事前構成されています。
タスク 3. 生成 AI モデルの回答で特定の機密データタイプを秘匿化する
このタスクで確認するセクションは、ノートブックで説明されているセクションと同じ構成です。以下の指示に従ってノートブックで手順を完了し、ノートブックの各セクションを完了したら、このラボページに戻って進行状況を確認してください。
- ノートブックの「
モデルを使用して、個人情報（氏名）を含む簡単なテキスト例を生成する」セクションの各セルを実行します。
[進行状況を確認] をクリックして、目標に沿って進んでいることを確認します。
組み込みのグローバル infoType を使用して、
- ノートブックの「組み込みのグローバル infoType を使用して、
モデルの回答を匿名化する Python 関数を定義して実行する」セクションの各セルを実行します。
[進行状況を確認] をクリックして、目標に沿って進んでいることを確認します。
- ノートブックの「
モデルを使用して、さらに個人情報（生年月日）を含むテキストの例を生成し、匿名化する」セクションの各セルを実行します。
[進行状況を確認] をクリックして、目標に沿って進んでいることを確認します。
- ノートブックの「
モデルを使用して、クレジット カード情報を含むテキストの例を生成する」セクションの各セルを実行します。
[進行状況を確認] をクリックして、目標に沿って進んでいることを確認します。
クレジット カード番号に対する組み込みのグローバル infoType を使用してスキルを試す
- ノートブックの「クレジット カード番号に対する組み込みのグローバル infoType を使用してスキルを試す」セクションの各セルを実行します。
下のヒントを開いて、役立つ手順を確認しましょう。
オプション 1: ドキュメントを確認する
完全なソリューション（開くと完全なコードが表示されます）
[進行状況を確認] をクリックして、目標に沿って進んでいることを確認します。
タスク 4. 機密ドキュメントの種類に基づいて生成 AI モデルの結果をブロックする
このタスクで確認するセクションは、ノートブックで説明されているセクションと同じ構成です。以下の指示に従ってノートブックで手順を完了し、ノートブックの各セクションを完了したら、このラボページに戻って進行状況を確認してください。
ドキュメントの特定の infoType に基づいて
- ノートブックの「ドキュメントの特定の infoType に基づいて
モデルの回答をブロックするように Python 関数を修正する」セクションの各セルを実行します。
[進行状況を確認] をクリックして、目標に沿って進んでいることを確認します。
-
ノートブックの「
モデルを使用してソースコードを含む例を生成し、結果をブロックする」セクションの各セルを実行します。 - 回答を生成する際は、生成された出力が変わらないように、temperature を常に
0に設定してください。
- 回答を生成する際は、生成された出力が変わらないように、temperature を常に
[進行状況を確認] をクリックして、目標に沿って進んでいることを確認します。
特許に対する組み込みのドキュメント infoType を使用してスキルを試す
- ノートブックの「特許に対する組み込みのドキュメント infoType を使用してスキルを試す」セクションの各セルを実行します。
下のヒントを開いて、役立つ手順を確認しましょう。
オプション 1: ノートブックの前のセクションを確認する
完全なソリューション（開くと完全なコードが表示されます）
[進行状況を確認] をクリックして、目標に沿って進んでいることを確認します。
お疲れさまでした
このラボでは、Jupyter ノートブックで Vertex AI と Cloud Data Loss Prevention（DLP）API を利用し、
次のステップと詳細情報
Cloud Data Loss Prevention（DLP）API について詳しくは、以下のリソースをご覧ください。
- テキストの機密データの秘匿化に関するドキュメント ページ
- Cloud Data Loss Prevention（DLP）API に関するドキュメント ページ
Google Cloud トレーニングと認定資格
Google Cloud トレーニングと認定資格を通して、Google Cloud 技術を最大限に活用できるようになります。必要な技術スキルとベスト プラクティスについて取り扱うクラスでは、学習を継続的に進めることができます。トレーニングは基礎レベルから上級レベルまであり、オンデマンド、ライブ、バーチャル参加など、多忙なスケジュールにも対応できるオプションが用意されています。認定資格を取得することで、Google Cloud テクノロジーに関するスキルと知識を証明できます。
マニュアルの最終更新日: 2025 年 10 月 29 日
ラボの最終テスト日: 2025 年 10 月 29 日
Copyright 2026 Google LLC. All rights reserved. Google および Google のロゴは Google LLC の商標です。その他すべての企業名および商品名はそれぞれ各社の商標または登録商標です。
