AWS 用 Amazon Nova 2 Lite 构建图像 PII 自动打码流水线

Amazon Web Services 在其机器学习博客中发布了一套基于 Amazon Nova 2 Lite 的图像 PII（个人可识别信息）自动打码方案。该方案将多模态大模型的上下文理解能力与专用视觉、OCR 工具相结合，用于在数据共享、对外发布以及机器学习训练等场景中自动遮盖图像中的人脸、车牌、证件号、指纹等敏感信息。

背景：图像 PII 打码的难点

在 GDPR、PCI DSS 等合规要求下，企业在共享或处理含 PII 的图像前必须进行遮盖。与结构化文本不同，图像中的 PII 形态多变：可能出现在画面边缘的半张人脸、汽车漆面上的人像反射、街角路牌与周边环境组合形成的可识别信息，或宽角照片里桌面上露出姓名、地址、身份证号的文件。这些边缘场景常常使单一用途的遮盖工具失效。

核心组件

Amazon Nova 2 Lite

方案的核心协调者是 Amazon Nova 2 Lite，这是一款在 Amazon Bedrock 中提供的快速、低成本多模态基础模型，可同时处理文本、图像、视频与文档。Nova 2 Lite 在此充当整条流水线的"指挥"，对图像进行整体解读，判断哪些内容构成 PII，并调度下游专用工具完成像素级遮盖。

Segment Anything Model（SAM 3）

SAM 3 是 Meta 开源的图像分割模型，支持文本与视觉提示下的目标检测、分割与跟踪。本方案中，SAM 3 由 Nova 调度，负责将人脸、指纹等视觉 PII 元素精确分割出来，输出用于遮盖的像素级边界。

Amazon Textract

Textract 是 AWS 的文档分析服务，可从 PDF、图像、表格与表单中提取文字、笔迹与版面信息。在本流水线中，Textract 承担 OCR 角色，Nova 在判断图像含有文字类 PII 后调用 Textract，提取所有文字及其坐标，再结合整体语境决定哪些为敏感信息。

流水线工作方式

Nova 将 PII 分为两大类：

• 文字类：姓名、身份证号、地址、电话、MAC 地址、车辆 VIN 等。
• 视觉类：人像、生物特征（如指纹）。

Nova 首先对图像进行整体评估，判断其中包含的 PII 类型，然后将图像分别路由到对应的子流程。文字类 PII 由 Textract 提取坐标，视觉类 PII 由 SAM 3 完成分割。最终由 AWS Lambda 函数在 Nova 指定的坐标上完成遮盖处理。

适用场景与前置条件

该方案面向高精度要求的单张或批量图像预处理场景，适合不希望自行训练专用模型、又缺乏深度机器学习专业能力的团队。其前置条件包括：拥有 AWS 账户并开通相关区域服务、具备 Amazon Bedrock、Amazon SageMaker AI、Amazon S3、AWS Lambda、AWS Step Functions、Amazon EventBridge 与 Amazon Textract 的使用经验、在 SageMaker AI 上部署 SAM 3，以及对计算机视觉与基础模型提示工程的基本了解。

Nova 2 Lite 在性价比、低延迟与多模态推理方面的特性使其适合作为此类工作流的中枢，在不依赖深度机器学习投入的前提下，帮助企业实现合规的图像 PII 打码。