Rizzo-AI-Academy/rizzo-pii

Local-first privacy guard: anonymize your documents before sharing with LLMs.

解决的问题

解决将敏感个人和机密数据发送到基于云的LLM（如ChatGPT、Claude或Gemini）所带来的隐私风险。对于法律、会计和公证服务领域的专业人士——尤其是意大利的用户——上传文档通常违反GDPR合规要求。本项目允许用户在不传输真实可识别信息的情况下，利用强大的前沿模型。

工作原理

系统实现了一个完全在用户本地CPU上运行的可逆匿名化工作流：

  1. 本地检测：一个轻量级的0.3B参数模型（基于mmBERT/ModernBERT）识别22类PII，包括特定的意大利法律标识符，如codice fiscale和partita IVA。
  2. 伪匿名化：真实数据被替换为稳定、类型感知的占位符（例如[FULLNAME_1]）。映射字典将本地存储在用户的磁盘上。
  3. 云端处理：仅将匿名化后的文本发送到前沿LLM。
  4. 本地还原：当LLM返回响应时，工具使用本地字典将占位符替换回原始真实值。

为确保高精度，神经模型与确定性正则表达式和校验和网络（例如，卡类使用Luhn，IBAN使用mod-97）结合使用，当检测到有效校验和时，会覆盖模型判断。

适用人群

受GDPR约束的律师事务所、会计师、公证人以及需要使用LLM进行合同摘要或起草法律文件，同时将敏感数据保留在自己设备上的医疗保健提供者。

主要亮点

  • 意大利法律领域专精：专门检测意大利特有的标识符（CF、PIVA、地籍数据），这些常被通用模型忽略。
  • 低硬件要求：可在标准笔记本电脑CPU上运行，内存占用约0.5 GB至1.2 GB。
  • 可逆工作流：与破坏性删除不同，允许最终输出在本地恢复为原始形式。
  • 隐私优先设计：完全离线运行，无需API密钥或遥测，确保在匿名化阶段数据从不离开设备。

相关

  • 项目
    data-privacy-stack/presidio

    通过可定制的识别器识别并匿名化文本和图像中的个人身份信息 (PII) 的数据保护 SDK。

  • Dispatch
    # OpenAI 隐私过滤器：构建可扩展的 PII 检测 Web 应用

    OpenAI 已发布 Privacy Filter，这是一个开源的 15亿参数 PII 检测器，能够在 128k 上下文窗口中标记八类敏感数据。

  • 项目
    amaiya/onprem

    一个注重隐私的 Python 工具包，支持在敏感数据上默认本地执行大语言模型，同时可选地集成云服务。

  • 项目
    LearningCircuit/local-deep-research

    一个AI驱动的研究助手，使用本地LLM和多个搜索引擎，从网络和个人文档中生成带引用的报告。

  • 项目
    dataiku/kiji-proxy

    Kiji Privacy Proxy is an open‑source local proxy (macOS desktop app or Linux server) that automatically detects and masks 26 types of personally‑identifiable information in requests to AI services (OpenAI, Anthropic, Gemini, etc.) using an ONNX‑optimized DistilBERT model. It replaces sensitive data with realistic dummy values before forwarding the request, then restores the original data in the response. The tool works transparently via HTTP proxy settings (PAC on macOS, env vars on Linux), includes a Chrome extension for web‑based chat, offers a UI for reviewing masked mappings, and is configurable via custom regexes. All PII processing happens locally, keeping data private and helping meet GDPR/CCPA/HIPAA requirements. Installation is via Homebrew cask on macOS or Debian/Ubuntu packages, Docker, or tarballs. The project is Apache‑2.0 licensed and maintained by Dataiku’s 575 Lab, with full documentation, contribution guides, and security contact information.