GSP1283

概览

Sensitive Data Protection 是一项全托管式服务，旨在帮助发现、分类和保护敏感信息。主要选项包括：敏感数据发现，用于持续分析敏感数据；敏感数据去标识化，包括隐去；Cloud Data Loss Prevention (DLP) API，用于将发现、检查和去标识化功能内置到自定义工作负载和应用中。

除了识别并保护 Cloud Storage 和 BigQuery 等数据存储服务中的敏感数据外，您还可以识别和保护生成式 AI 模型返回的敏感数据。对于缓解整个生态系统中的敏感数据问题非常有用！

在本实验中，您将通过一个 Jupyter 笔记本来利用此功能，该笔记本使用 Cloud Data Loss Prevention (DLP) API 来分类并隐去 模型回答中的敏感数据。

注意：在实验过程中，如需其他帮助，可以展开提示框以获取帮助。挑战自己，根据您所需要的支持程度，循序渐进地展开提示。当然，您也可以不展开。

学习内容

在本实验中，您将学习如何完成以下操作：

• 访问 Vertex AI Workbench 实例中预先创建的 Jupyter 笔记本。
• 安装 Vertex AI 和 Cloud Data Loss Prevention (DLP) API 的 Python 软件包。
• 使用 模型生成包含敏感数据的示例文本。
• 定义并运行 Python 函数，使用 DLP API 隐去 模型回答中不同类型的敏感数据。

前提条件

虽然不是强制要求，但对 Vertex AI 和 Cloud Data Loss Prevention (DLP) API 在 Google Cloud 工作流中的常用方式有所了解会很有帮助。在开始本实验之前，如需了解这些工具，可以完成以下实验：

• Vertex AI：Qwik Start
• 开始使用 Sensitive Data Protection

设置和要求

点击“开始实验”按钮前的注意事项

请阅读以下说明。实验是计时的，并且您无法暂停实验。计时器在您点击开始实验后即开始计时，显示 Google Cloud 资源可供您使用多长时间。

此实操实验可让您在真实的云环境中开展实验活动，免受模拟或演示环境的局限。为此，我们会向您提供新的临时凭据，您可以在该实验的规定时间内通过此凭据登录和访问 Google Cloud。

为完成此实验，您需要：

• 能够使用标准的互联网浏览器（建议使用 Chrome 浏览器）。

注意：请使用无痕模式（推荐）或无痕浏览器窗口运行此实验。这可以避免您的个人账号与学生账号之间发生冲突，这种冲突可能导致您的个人账号产生额外费用。

• 完成实验的时间 - 请注意，实验开始后无法暂停。

注意：请仅使用学生账号完成本实验。如果您使用其他 Google Cloud 账号，则可能会向该账号收取费用。

如何开始实验并登录 Google Cloud 控制台

1. 点击开始实验按钮。如果该实验需要付费，系统会打开一个对话框供您选择支付方式。左侧是“实验详细信息”窗格，其中包含以下各项：

   • “打开 Google Cloud 控制台”按钮
   • 剩余时间
   • 进行该实验时必须使用的临时凭据
   • 帮助您逐步完成本实验所需的其他信息（如果需要）

2. 点击打开 Google Cloud 控制台（如果您使用的是 Chrome 浏览器，请右键点击并选择在无痕式窗口中打开链接）。

   该实验会启动资源并打开另一个标签页，显示“登录”页面。

   提示：将这些标签页安排在不同的窗口中，并排显示。

   注意：如果您看见选择账号对话框，请点击使用其他账号。

3. 如有必要，请复制下方的用户名，然后将其粘贴到登录对话框中。

   {{{user_0.username | "<用户名>"}}}

   您也可以在“实验详细信息”窗格中找到“用户名”。

4. 点击下一步。

5. 复制下面的密码，然后将其粘贴到欢迎对话框中。

   {{{user_0.password | "<密码>"}}}

   您也可以在“实验详细信息”窗格中找到“密码”。

6. 点击下一步。

   重要提示：您必须使用实验提供的凭据。请勿使用您的 Google Cloud 账号凭据。 注意：在本实验中使用您自己的 Google Cloud 账号可能会产生额外费用。

7. 继续在后续页面中点击以完成相应操作：

   • 接受条款及条件。
   • 由于这是临时账号，请勿添加账号恢复选项或双重验证。
   • 请勿注册免费试用。

片刻之后，系统会在此标签页中打开 Google Cloud 控制台。

注意：如需访问 Google Cloud 产品和服务，请点击导航菜单，或在搜索字段中输入服务或产品的名称。

任务 1. 在 Vertex AI Workbench 中打开 JupyterLab

1. 在 Google Cloud 控制台的导航菜单 () 中依次点击 Vertex AI > Workbench。

2. 找到 实例，然后点击打开 JupyterLab 按钮。

Workbench 实例的 JupyterLab 界面会在新浏览器标签页中打开。

注意：如果您在 JupyterLab 中没有看到笔记本，请按照以下额外步骤重置实例：

1. 关闭 JupyterLab 的浏览器标签页，然后返回 Workbench 首页。

2. 选中实例名称旁边的复选框，然后点击重置。

3. 打开 JupyterLab 按钮重新启用后，请等待一分钟，然后点击打开 JupyterLab。

任务 2. 设置笔记本

注意：您可以通过点击笔记本顶部的运行所选单元（播放箭头图标）来运行 Python 笔记本中的任何单元。

如需详细了解如何在 Vertex AI Workbench 实例中使用 Jupyter 笔记本，请参阅此文档。

1. 打开 文件。

2. 在选择内核对话框中，从可用内核列表中选择 Python 3。

3. 运行笔记本的开始使用部分。系统已为您预配置项目 ID 和位置。

注意：如有笔记本单元在执行时遇到 429 响应，请等待一分钟，然后再次运行该单元以继续操作。

任务 3. 隐去生成式 AI 模型回答中特定类型的敏感数据

此任务中的各个部分与笔记本中列出的相应部分一致。按照下述说明完成笔记本中的步骤，并在完成笔记本的每个部分后返回此实验页面，以便查看您的进度。

使用 模型生成包含个人身份信息（全名）的简单示例文本

• 运行笔记本中以下部分的每个单元：使用 模型生成包含个人身份信息（全名）的简单示例文本。

注意：在整个实验过程中，查看进度时可能需要几分钟才能返回成功完成的消息。完成任务后，请等待几分钟，然后再次尝试查看进度。

点击检查我的进度以验证是否完成了以下目标： 生成包含个人身份信息 (PII) 的文本示例。

定义并运行一个 Python 函数，使用内置的全局 infoType 对 模型的回答进行去标识化处理

• 运行笔记本中以下部分的每个单元：定义并运行一个 Python 函数，使用内置的全局 infoType 对 模型的回答进行去标识化处理。

点击检查我的进度以验证是否完成了以下目标： 定义一个 Python 函数，使用内置的全局 infoType 对 模型的回答进行去标识化处理

使用 模型生成包含更多个人身份信息（出生日期）的示例文本，并进行去标识化处理

• 运行笔记本中以下部分的每个单元：使用 模型生成包含更多个人身份信息（出生日期）的示例文本，并进行去标识化处理。

点击检查我的进度以验证是否完成了以下目标： 生成包含更多个人身份信息的示例文本，并进行去标识化处理。

使用 模型生成包含信用卡信息的示例文本

• 运行笔记本中以下部分的每个单元：使用 模型生成包含信用卡信息的示例文本。

点击检查我的进度以验证是否完成了以下目标： 使用 模型生成包含信用卡信息的示例文本。

运用您的技能：使用适合信用卡号的内置全局 infoType。

• 运行笔记本中以下部分的每个单元：运用您的技能：使用适合信用卡号的内置全局 infoType。

展开下面的提示，了解一些实用步骤！

选项 1：查看文档

完整解决方案（展开即可查看完整代码！）

点击检查我的进度以验证是否完成了以下目标： 运用您的技能：使用适合信用卡号的内置全局 infoType。

任务 4. 根据敏感文档类型阻止生成式 AI 模型返回结果

此任务中的各个部分与笔记本中列出的相应部分一致。按照下述说明完成笔记本中的步骤，并在完成笔记本的每个部分后返回此实验页面，以便查看您的进度。

修改 Python 函数，以根据文档的特定 infoType 阻止 模型回答

• 运行笔记本中以下部分的每个单元：修改 Python 函数，以根据文档的特定 infoType 阻止 模型回答。

点击检查我的进度以验证是否完成了以下目标： 修改 Python 函数，以阻止 模型回答。

使用 模型生成包含源代码的示例并阻止结果

• 运行笔记本中以下部分的每个单元：使用 模型生成包含源代码的示例并阻止结果。

  • 生成回答时，请务必将温度设置为 0，以确保生成不变的输出。

点击检查我的进度以验证是否完成了以下目标： 使用 模型生成包含源代码的示例。

运用您的技能：使用适合专利文档的内置 infoType

• 运行笔记本中以下部分的每个单元：运用您的技能：使用适合专利文档的内置 infoType。

展开下面的提示，了解一些实用步骤！

选项 1：查看笔记本中的上一部分

完整解决方案（展开即可查看完整代码！）

点击检查我的进度以验证是否完成了以下目标： 运用您的技能：使用适合专利文档的内置 infoType。

恭喜！

在本实验中，您在 Jupyter 笔记本中使用了 Vertex AI 和 Cloud Data Loss Prevention (DLP) API，并使用 DLP API 在 模型回答中生成了示例文本并隐去了其中的敏感数据。

后续步骤/了解详情

如需详细了解 Cloud Data Loss Prevention (DLP) API，请查看以下资源：

• 关于隐去文本内容中的敏感数据的文档页面
• Cloud Data Loss Prevention (DLP) API 文档页面

Google Cloud 培训和认证

…可帮助您充分利用 Google Cloud 技术。我们的课程会讲解各项技能与最佳实践，可帮助您迅速上手使用并继续学习更深入的知识。我们提供从基础到高级的全方位培训，并有点播、直播和虚拟三种方式选择，让您可以按照自己的日程安排学习时间。各项认证可以帮助您核实并证明您在 Google Cloud 技术方面的技能与专业知识。

上次更新手册的时间：2025 年 10 月 29 日

上次测试实验的时间：2025 年 10 月 29 日

版权所有 2026 Google LLC 保留所有权利。Google 和 Google 徽标是 Google LLC 的商标。其他所有公司名和产品名可能是其各自相关公司的商标。