AWS介绍了一种模型无关的个人信息（PII）检测器，可将Amazon Bedrock上的任意大语言模型用于隐私实体识别。
该方案把需要检测的实体类型写入提示词而非固定在代码中，因此可在不重新训练的情况下调整检测范围。AWS称，这一检测器在五个公开语料库和九种基于LLM的检测器比较中，优于一个现成工具。
检测准确率、成本和合规效果与模型选择、提示词、数据分布及部署配置有关，不能直接替代组织的隐私审查流程。
公开语料上的比较结果不能直接代表企业内部文本。试用前应先定义需要识别的实体和可接受的风险，对姓名、证件号、联系方式、地址等类别准备经授权且脱敏的代表性样本，覆盖缩写、错别字、混合语言和上下文歧义。分别统计漏检与误报，因为漏掉敏感内容和把普通文本错误遮盖都会影响业务。
提示词可调整检测范围，但不能保证模型每次都按同一边界识别。还应验证检测结果如何转化为遮盖、拒绝处理或人工复核，确认调用数据、日志和测试样本的访问控制与保留方式。AWS提到的语料库结果是特定评测条件下的厂商研究结论，不等同于合规认证，也不意味着可以取消隐私负责人审核。
来源：AWS Machine Learning Blog，发布时间：2026年9月10日。
