La ocultación de audio de Customer Experience Insights es un framework de código abierto que detecta y oculta automáticamente la información de identificación personal (PII) sensible de las grabaciones de audio. Proporciona una solución segura, escalable y personalizable para las organizaciones que necesitan procesar datos de audio y, al mismo tiempo, mantener el cumplimiento de las reglamentaciones de privacidad.
Esta solución actúa como middleware entre tus puntos de transferencia de audio sin procesar y tus plataformas de almacenamiento o análisis a largo plazo. Procesa automáticamente los archivos de audio para quitar datos sensibles, como los siguientes:
- Números de tarjetas de crédito
- Número de identificación personal
- Números de teléfono
- Direcciones de correo electrónico
- Entidades personalizadas definidas por tu organización
Si ocultas esta información antes del almacenamiento permanente, te aseguras de que tus lagos de datos y herramientas de análisis no contengan datos tóxicos, lo que reduce el riesgo de cumplimiento y la exposición de datos.
Características clave
- Ocultación automatizada: Usa Speech-to-Text y Sensitive Data Protection para transcribir, identificar y ocultar segmentos sensibles de archivos de audio.
- Compatibilidad con activadores dobles: Las opciones de implementación flexibles te permiten activar la ocultación de inmediato cuando se sube el archivo a Cloud Storage o más adelante después del procesamiento por parte de Customer Experience Insights.
- Seguridad empresarial: Diseñada con una arquitectura "segura de forma predeterminada", la ocultación de audio de Customer Experience Insights admite VPC privadas, Controles del servicio de VPC y verificaciones de seguridad de la cadena de suministro para evitar el acceso no autorizado y la manipulación del código.
- Escalabilidad: Gracias a que se basa en Dataflow, la canalización se ajusta automáticamente para controlar grandes volúmenes de datos de audio, lo que la hace adecuada para centros de contacto de alto rendimiento.
- Salida verificable: Produce el archivo de audio oculto y una transcripción de ocultación, lo que permite la verificación y los registros de auditoría.
Cómo funciona
La solución sigue una canalización de procesamiento lineal:
Transferencia y activación:
- Opción A (directa): Se sube un archivo de audio a un bucket "sin procesar" de bucket de Cloud Storage. Un activador de Cloud Run inicia la canalización de inmediato.
- Opción B (Insights): CX Insights procesa una conversación. Un mensaje de Pub/Sub activa el servicio de Cloud Run, que luego inicia la canalización.
Procesamiento (Dataflow). El trabajador de Dataflow hace lo siguiente:
- Recupera el archivo de audio.
- Envía el audio a Speech-to-Text para generar una transcripción con marca de tiempo.
- Envía la transcripción a Sensitive Data Protection para identificar los desplazamientos de tiempo de la información sensible.
- Usa
ffmpegpara silenciar los segmentos de audio correspondientes a la PII identificada.
Resultado. Una función de Cloud Run hace lo siguiente:
- Opcional: Mueve el audio sin procesar original a un bucket "de archivo" seguro.
- Vuelve a escribir el audio oculto en la ubicación original o en un bucket de salida especificado, y reemplaza los segmentos sensibles con silencio o un tono.
Comenzar
Para usar esta solución, necesitas un Google Cloud proyecto con la facturación habilitada.
Requisitos previos
- Google Cloud proyecto
- CLI de
gcloudinstalada y autenticada - Habilitación y acceso a los servicios de Dataflow, Speech-to-Text y Sensitive Data Protection Google Cloud
Acceso e implementación
El código fuente completo y las instrucciones de implementación están disponibles en el repositorio de GitHub.