AWS 上智能文档处理的指南

开始使用

Well-Architected 支柱

• 卓越运营

  智能文档处理架构可以使用基础设施即代码（IaC）方法进行全面部署。可以使用下面的 AWS Cloud Development Kit（CDK）配置无服务器基础设施组件，并通过低代码可视化工作流服务 AWS Step Functions 进行编排。这种自动化可以无缝集成到您的开发管道中，从而实现快速迭代和一致部署。本指南的可观测性通过使用 Amazon CloudWatch 日志实现，该日志可从所使用的 AWS AI 服务（例如 Amazon Textract 和 Amazon Comprehend）捕获遥测数据。

  阅读《卓越运营》白皮书 
• 安全性

  本指南中的 AI 服务支持静态数据和过渡数据的安全性。Amazon Textract、Amazon Comprehend 和 Amazon Comprehend Medical 支持使用 Amazon S3 存储桶和 AWS Key Management Service（AWS KMS）进行静态加密。 此外，Amazon Textract 还提供异步 API，Amazon Comprehend Medical 服务支持内存数据处理。

  此外，智能文档处理可以通过无服务器后端进行编排，并使用 AWS Identity and Access Management（IAM）进行身份验证和安全验证。您还可以定义每个用户角色的访问控制分离。例如，您可以授予所有者对所有文档的完全访问权限，但允许操作员仅访问已去识别的文档。

  最后，此架构包括使用 Amazon Comprehend 检测个人身份信息（PII）来准确对文档进行分类的功能。此外，当您想要检测受保护的健康信息（PHI）时，请使用 Amazon Comprehend Medical PHI 识别和编辑选项来扫描临床文本。

  阅读《安全性》白皮书 
• 可靠性

  智能文档处理架构使用 AWS 提供的托管区域 AI 服务。这些服务在所选 AWS 区域内的可靠性和可用性由 AWS 维护。托管 AI 服务的固有特性有助于确保对故障的恢复能力和高可用性。如果您选择使用 Amazon S3 作为可扩展数据存储，建议考虑启用 Amazon S3 跨区域复制。这项额外措施可以进一步提高可靠性，并且提供了灾难恢复选项。

  阅读《可靠性》白皮书 
• 性能效率

  本指南的无服务器和事件驱动架构可提高效率，因为不会在未处理文档时浪费资源。它可以增加 AI 服务和 Lambda 的调用率，从而在特定区域扩展以满足大规模文档处理的要求。您还可以使用 Amazon SNS 和 Amazon SQS 设计无服务器解耦架构，以并发处理多个文档。最后，可以根据您的特定要求，将智能文档处理配置为实时运行，提供秒级响应速度，也可以将其配置为异步模式。

  阅读《性能效率》白皮书 
• 成本优化

  智能文档处理通过使用无服务器、事件驱动型架构来最大限度地降低成本，您只需为文档处理期间消耗的时间和资源付费。除了利用预定义的实体提取功能外，Amazon Comprehend 还提供训练自定义模型的选项。对于紧急的实时文档处理要求，可将 Amazon Comprehend 资源端点用于自定义模型。但是，如果您的使用案例可以适应异步或批处理，则建议对 Amazon Comprehend 自定义模型使用异步作业，以优化成本。

  阅读《成本优化》白皮书 
• 可持续性

  通过广泛使用托管服务和动态扩展功能，可以最大程度地降低支持本指南的后端基础设施对环境的影响。AWS 托管服务可处理底层计算、存储和联网资源的预置、扩展和维护，从而减轻您和您的团队的运营开销。此外，托管服务和无服务器架构固有的动态扩展功能有助于确保仅在需要处理传入工作负载时才配置和使用资源，从而防止过度预置并优化支持本指南的后端服务的环境足迹。
  

  阅读《可持续性》白皮书 

相关内容