Amazon Nova 自动识别并打码图片中的个人隐私信息（PII）

一句话看懂

AWS 用 Nova 模型协调 SAM 3 和 Textract，自动识别并打码图片中的人脸、身份证、车牌等隐私信息，连反光镜里的脸都能处理。

详细发生了什么

AWS 发布了一篇博客，介绍如何利用其多模态模型 Amazon Nova 2 Lite 作为“大脑”，协调 Meta 的开源分割模型 SAM 3 和 OCR 服务 Amazon Textract，自动识别并打码图片中的个人隐私信息（PII）。

传统打码工具对结构化文本有效，但面对图片中的复杂场景（如边缘处的人脸、汽车反光镜中的面部、部分可见的路牌、桌面上散落的文件）往往失效。Nova 2 Lite 通过上下文视觉推理，先整体判断图片中是否存在 PII，若没有则直接跳过（节省成本），若有则分类为“文本型”（姓名、身份证号、地址等）或“视觉型”（人脸、指纹、车牌等），然后并行调用对应工具：Textract 提取文本及坐标，SAM 3 生成像素级分割掩码。最后 AWS Lambda 根据坐标和掩码进行打码。

该方案支持批量处理，无需用户具备机器学习专业知识，也无需微调模型。Nova 2 Lite 的低延迟和性价比使其适合作为协调器。

中文圈视角

国内用户能用吗？ 该方案依赖 AWS 服务（Bedrock、SageMaker、Textract 等），国内用户需通过 AWS 中国区域（北京/宁夏）使用，但 SAM 3 是开源模型，可本地部署。整体流程对网络要求不高，但涉及数据出境时需注意合规。

国产平替？ 国内类似能力可组合：阿里云通义千问（视觉理解）+ PAI-EAS 部署 SAM + OCR（如百度 OCR），或华为云盘古大模型+ModelArts。但 AWS 方案的优势在于 Nova 作为单一协调器，流程更简洁。国内厂商目前缺少类似“模型驱动多工具编排”的成熟产品。

对中文用户的具体场景：国内企业处理身份证、驾驶证、车牌等图片时，常需手动打码或使用简单工具。该方案可自动化处理，尤其适合金融、政务、医疗等强合规行业。但需注意中文 OCR 准确率——Textract 对中文支持良好，但复杂手写体可能不如百度 OCR。

监管盲点：国内《个人信息保护法》要求去标识化处理，但图片中的 PII 打码标准尚不明确。AWS 方案强调“合规”，但具体合规性需结合国内法规评估。

几条值得记住的细节

Nova 2 Lite 先做“早期退出”判断：若图片无 PII，直接跳过后续步骤，节省成本。
视觉 PII 包括人脸、指纹、车牌等；文本 PII 包括姓名、身份证号、地址等。
SAM 3 是 Meta 开源模型，可像素级分割物体，由 Nova 提示词驱动。
Textract 负责 OCR，提取文本及其坐标，Nova 再判断哪些是敏感信息。
方案通过 Step Functions 编排，支持 S3 上传触发自动处理。

一句话总结

AWS 用 Nova 把图片 PII 打码从“手动找”变成“自动判”，国内用户可借鉴思路，但需注意数据合规和中文 OCR 适配。