نحوه ویرایش داده‌های PII در رونوشت‌های مکالمه

تعاملات خدمات مشتری اغلب حاوی اطلاعات قابل شناسایی شخصی (PII) مانند نام، شماره تلفن و تاریخ تولد است. از آنجایی که سازمان‌ها از یادگیری ماشین (ML) و تجزیه و تحلیل در برنامه‌های خود استفاده می‌کنند، استفاده از این داده‌ها می‌تواند بینش‌هایی در مورد چگونگی ایجاد تجربیات یکپارچه‌تر مشتری ارائه دهد. با این حال، وجود اطلاعات PII اغلب استفاده از این داده ها را محدود می کند. در این پست وبلاگ، راه حلی را برای ویرایش خودکار داده های PII از رونوشت مکالمه خدمات مشتری بررسی خواهیم کرد.

بیایید یک مکالمه مثال بین یک مشتری و یک نماینده مرکز تماس را در نظر بگیریم.

نماینده: سلام، ممنون که امروز با ما تماس گرفتید. امروز لذت صحبت با چه کسی را دارم؟

تماس گیرنده: سلام، نام من جان استایلز است.

نماینده: سلام جان، چگونه می توانم به شما کمک کنم؟

تماس گیرنده: من هنوز بیانیه W2 خود را دریافت نکرده ام و می خواهم وضعیت آن را بررسی کنم.

نماینده: مطمئنا، من می توانم در این مورد به شما کمک کنم. لطفاً چهار رقم آخر شماره تامین اجتماعی خود را تأیید کنید؟

تماس گیرنده: بله، 1111 است.

نماینده: باشه الان وضعیت رو بالا میبرم من میبینم که دیروز ارسال شده است و تخمینی رسیدن آن اوایل هفته آینده است. آیا می‌خواهید هشدارهای خودکار را روشن کنم تا بتوانید از تاخیرها مطلع شوید؟

تماس گیرنده: بله، لطفا.

نماینده: شماره ای که برای شما در پرونده داریم 555-456-7890 است. آیا هنوز هم درست است؟

تماس گیرنده: بله همینطور است.

نماینده: عالیه من اعلان های خودکار را روشن کرده ام. آیا چیز دیگری هست که بتوانم با جان به شما کمک کنم؟

تماس گیرنده: نه، همین. متشکرم.

نماینده: ممنون جان. روز خوبی داشته باشی.

در این تعامل کوتاه، چندین قطعه داده وجود دارد که به طور کلی PII در نظر گرفته می شوند، از جمله نام تماس گیرنده، چهار رقم آخر شماره تامین اجتماعی و شماره تلفن. بیایید مرور کنیم که چگونه می‌توانیم این داده‌های PII را در رونوشت ویرایش کنیم.

بررسی اجمالی راه حل

ما ایجاد خواهیم کرد توابع مرحله AWS دستگاه دولتی، که یک درک آمازون کار ویرایش PII. Amazon Comprehend یک سرویس پردازش زبان طبیعی (NLP) است که از یادگیری ماشین برای کشف بینش‌ها و ارتباطات ارزشمند در متن، از جمله توانایی شناسایی و ویرایش داده‌های PII استفاده می‌کند.

شما رونوشت ها را در ورودی ارائه می دهید آمازون S3 سطل رونوشت ها در قالب استفاده شده توسط لنز تماسی برای آمازون اتصال. شما همچنین یک سطل خروجی S3 را مشخص خواهید کرد که خروجی ویرایش و همچنین داده های میانی را ذخیره می کند. داده‌های میانی، نسخه‌های میکرو دسته‌ای از داده‌های ورودی هستند. برای مثال، اگر 10,000 مکالمه برای ویرایش وجود داشته باشد، گردش کار آنها را به 10 دسته از 1000 مکالمه تقسیم می کند. هر دسته با استفاده از یک پیشوند منحصر به فرد ذخیره می شود، که سپس به عنوان منبع ورودی برای Comprehend استفاده می شود. وضعیت نقشه توابع Step برای اجرای موازی این وظایف ویرایش با فراخوانی StartPIInitiesDetectionJob API. این رویکرد به شما امکان می دهد چندین کار را به صورت موازی به جای کارهای فردی به ترتیب اجرا کنید. از آنجایی که کار به عنوان یک ماشین حالت توابع مرحله پیاده سازی می شود، می توان آن را برای اجرای دستی یا خودکار به عنوان بخشی از یک فرآیند روزانه فعال کرد.

می‌توانید درباره نحوه شناسایی و ویرایش داده‌های PII توسط Comprehend اطلاعات بیشتری کسب کنید این پست وبلاگ.

محلول نمونه را مستقر کنید

ابتدا وارد شوید کنسول مدیریت AWS در حساب AWS شما.

شما به یک سطل S3 با مقداری داده نمونه رونوشت برای ویرایش و یک سطل دیگر برای خروجی نیاز دارید. اگر داده‌های رونوشت نمونه موجود ندارید، این مراحل را دنبال کنید:

1. به کنسول آمازون S3 بروید.
2. را انتخاب کنید سطل ایجاد کنید.
3. نام سطل را وارد کنید، مانند text-redaction-data-.
4. پیش فرض ها را بپذیرید و انتخاب کنید سطل ایجاد کنید.
5. سطلی را که ایجاد کردید باز کنید و انتخاب کنید ایجاد پوشه.
6. یک نام پوشه، مانند "sample-data" را وارد کنید و انتخاب کنید ایجاد پوشه.
7. روی نام پوشه جدید خود کلیک کنید تا باز شود.
8. دانلود SampleData.zip فایل.
9. فایل .zip را در رایانه محلی خود باز کنید و سپس پوشه را به سطل S3 که ایجاد کرده اید بکشید.
10. را انتخاب کنید بارگذاری.

اکنون برای استقرار راه حل نمونه در شرق ایالات متحده (N. Virginia) روی پیوند زیر کلیک کنید:

این یک جدید ایجاد می کند AWS CloudFormation پشته.

را وارد کنید نام پشته (به عنوان مثال، pii-redaction-workflow)، نام سطل ورودی S3 حاوی داده های رونوشت ورودی و نام سطل خروجی S3. انتخاب کنید بعدی و هر برچسبی را که می خواهید برای پشته خود اضافه کنید (اختیاری). انتخاب کنید بعدی دوباره و جزئیات پشته را بررسی کنید. چک باکس را برای تأیید آن انتخاب کنید مدیریت هویت و دسترسی AWS (IAM) منابع ایجاد خواهد شد، و سپس انتخاب کنید پشته ایجاد کنید.

پشته CloudFormation یک نقش IAM با قابلیت لیست کردن و خواندن اشیاء از سطل ایجاد می کند. شما می توانید نقش را بر اساس نیازهای خود سفارشی کنید. همچنین یک ماشین حالت توابع مرحله ایجاد می کند، چندین AWS لامبدا توابع مورد استفاده توسط ماشین حالت، و یک سطل S3 برای ذخیره نسخه های خروجی ویرایش شده رونوشت ها.

پس از چند دقیقه، پشته شما کامل می شود و سپس می توانید ماشین حالت توابع Step را که به عنوان بخشی از قالب CloudFormation ایجاد شده است، بررسی کنید.

یک کار ویرایش را اجرا کنید

برای اجرای یک کار، به Step Functions در کنسول AWS بروید، دستگاه حالت را انتخاب کنید و انتخاب کنید شروع به اجرا کنید.

سپس آرگومان های ورودی را برای اجرای کار ارائه کنید. برای ورودی شغل، می‌خواهید نام سطل ورودی S3 خود را به‌عنوان S3InputDataBucket مقدار، نام پوشه به عنوان S3InputDataPrefix مقدار، نام سطل خروجی S3 شما به عنوان S3OutputDataBucket مقدار و پوشه ای برای ذخیره نتایج به عنوان S3OutputDataPrefix مقدار سپس کلیک کنید شروع به اجرا کنید.

{
  "S3InputDataBucket": "",
  "S3InputDataPrefix": "",
  "S3OutputDataBucket": "", 
  "S3OutputDataPrefix": "" }

همانطور که کار اجرا می شود، می توانید وضعیت آن را در توابع مرحله نظارت کنید نمای نمودار. اجرای کار چند دقیقه طول می کشد. پس از اتمام کار، خروجی هر یک از کارها را مشاهده خواهید کرد ورودی و خروجی اجرا بخش کنسول می توانید از URI خروجی برای بازیابی خروجی یک کار استفاده کنید. اگر چندین کار اجرا شده باشد، می توانید نتایج همه کارها را برای تجزیه و تحلیل بیشتر در یک سطل مقصد کپی کنید.

aws s3 cp s3:////-output/ s3://// --recursive --exclude "*/*" --include "*.out"

بیایید نگاهی به نسخه ویرایش شده مکالمه ای که با آن شروع کردیم بیاندازیم.

نماینده: سلام، ممنون که امروز با ما تماس گرفتید. امروز لذت صحبت با چه کسی را دارم؟

تماس گیرنده: سلام، نام من [NAME] است.

نماینده: سلام [NAME]، چگونه می توانم به شما کمک کنم؟

تماس گیرنده: من هنوز بیانیه W2 خود را دریافت نکرده ام و می خواهم وضعیت آن را بررسی کنم.

نماینده: مطمئنا، من می توانم در این مورد به شما کمک کنم. لطفاً چهار رقم آخر شماره تامین اجتماعی خود را تأیید کنید؟

تماس گیرنده: بله، [SSN] است.

نماینده: باشه الان وضعیت رو بالا میبرم من میبینم که دیروز ارسال شده است و تخمینی رسیدن آن اوایل هفته آینده است. آیا می‌خواهید هشدارهای خودکار را روشن کنم تا بتوانید از تاخیرها مطلع شوید؟

تماس گیرنده: بله، لطفا.

نماینده: شماره ای که برای شما در پرونده داریم [PHONE] است. آیا هنوز هم درست است؟

تماس گیرنده: بله همینطور است.

نماینده: عالیه من اعلان های خودکار را روشن کرده ام. آیا چیز دیگری وجود دارد که بتوانم به شما کمک کنم، [NAME]؟

تماس گیرنده: نه، همین. متشکرم.

نماینده: متشکرم، [NAME]. روز خوبی داشته باشی.

پاک کردن

ممکن است بخواهید پس از تکمیل، منابع ایجاد شده به عنوان بخشی از الگوی CloudFormation را پاکسازی کنید تا از هزینه های مداوم جلوگیری کنید. برای انجام این کار، پشته CloudFormation مستقر شده را حذف کنید و در صورت ایجاد سطل S3 با داده های رونوشت نمونه، آن را حذف کنید.

نتیجه

با توجه به اینکه مشتریان خواستار تجربه‌های یکپارچه در سراسر کانال‌ها هستند و همچنین انتظار دارند امنیت در هر نقطه تعبیه شود، استفاده از Step Functions و Amazon Comprehend برای ویرایش داده‌های PII در رونوشت‌های مکالمه متنی ابزار قدرتمندی در اختیار شماست. سازمان‌ها می‌توانند با استفاده از رونوشت‌های ویرایش‌شده برای تجزیه و تحلیل تعاملات خدمات مشتری و جمع‌آوری بینش‌ها برای بهبود تجربه مشتری، زمان را به ارزش تبدیل کنند.

سعی کنید از این گردش کار برای ویرایش داده های خود استفاده کنید و برای ما نظر بگذارید!

درباره نویسنده

الکس امیلکار یک معمار ارشد راه حل در آزمایشگاه راه حل های یادگیری ماشین آمازون است، جایی که به مشتریان کمک می کند تا تجربیات دیجیتالی را با فناوری های AWS AI ایجاد کنند. الکس بیش از 10 سال تجربه فن آوری کار در ظرفیت های مختلف از توسعه دهنده، مهندس زیرساخت، و معماری راه حل ها دارد. الکس در اوقات فراغت خود دوست دارد وقت خود را صرف مطالعه و انجام کارهای حیاط کند.