本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

# 识别和处理个人身份信息（PII）
<a name="personal-information-protection"></a>

在构建分析函数或机器学习模型时，您需要采取保护措施来防止个人身份信息（PII）数据泄露。*PII* 是可用于识别个人身份的个人数据，例如地址、银行账号或电话号码。例如，当数据分析师和数据科学家使用数据集来发现一般人口统计信息时，他们应无权访问特定个人的 PII。

DataBrew 提供数据屏蔽机制，用于在数据准备过程中模糊处理 PII 数据。根据组织的需求，有不同的 PII 数据编辑机制可用。您可以对 PII 数据进行模糊处理，这样用户便无法将其还原，也可以使模糊处理具有可逆性。

识别和屏蔽中的 PII 数据 DataBrew 涉及构建一组转换，客户可以使用这些转换来编辑 PII 数据。此过程的一部分是在 DataBrew 控制台上的数据**配置文件概述仪表板中提供 PII 数据**检测和统计信息。

您可以使用以下数据掩蔽方法：
+ *替代*：将 PII 数据替换为其他看起来真实的值。
+ *随机排序*：将同一列的值随机排序到不同的行中。
+ *确定性加密*：对列值应用确定性加密算法。确定性加密始终为值生成相同的加密文字。
+ *概率加密*：对列值应用概率加密算法。每次应用概率加密时都会生成不同的加密文字。
+ *解密*：根据加密密钥对列进行解密。
+ *清空或删除*：将特定字段替换为空值或删除该列。
+ *屏蔽*：将字符置乱或屏蔽列中的某些部分。
+ *哈希*：对列值应用哈希函数。

有关使用转换的更多信息，请参阅[个人身份信息（PII）掩蔽步骤](https://docs.amazonaws.cn/databrew/latest/dg/recipe-actions.pii.html)。有关使用配置文件作业检测 PII 的更多信息，包括可以检测到的实体类型列表，请参阅以编程方式*构建配置文件作业配置中有关配置 PII 的EntityDetectorConfiguration *[部分](https://docs.amazonaws.cn/databrew/latest/dg/profile.configuration.html#entity-detector-configuration)。