PII-Guard: открытый детектор персональных данных для русского текста
<img src="https://habrastorage.org/getpro/habr/upload_files/0ec/6e0/d00/0ec6e0d00205479126379e3c53207858.png" /><p>Привет! Я Андрей Иванов, NLP-исследователь в R&D-лаборатории red_mad_robot.</p><p>Персональные данные попадают в языковые модели постоянно. Отдельные пользователи и компании отправляют модели рабочие тексты, и вместе с ними уходят имена, телефоны, номера документов и другие чувствительные данные. </p><p>Чтобы избежать рисков утечек, компании разрабатывают целые системы маскировки персональных данных, которые передают модели уже обезличенные тексты. Но у такого процесса тоже есть свои минусы: защита данных ломает рабочие сценарии, ведь модель возвращает точно такие же обезличенные тексты.</p><p>Поэтому в последнее время запрос к системам маскировки изменился. Теперь они должны уметь не только скрывать данные, но и подставлять их обратно в ответы модели, которая работала с обезличенным текстом. В этой статье я расскажу, как мы строили такую систему и какими путями шли к ней — результаты работы лежат в <a href="https://github.com/redmadrobot-rnd/pii-guard" rel="noopener nofollow">репозитории</a>. В конце покажу метрики на датасетах и сравню с другими открытыми решениями.</p> <a href="https://habr.com/ru/articles/1080440/?utm_source=habrahabr&utm_medium=rss&utm_campaign=1080440#habracut">Читать далее</a>