data-privacy-stack/presidio

解決的問題

Presidio 為組織提供了一種管理和治理敏感數據的方法，透過識別並匿名化文本和圖像中的個人識別資訊 (PII)。它透過使去識別化技術民主化並使過程更加透明，有助於保護隱私。

工作原理

Presidio 使用可插拔且可自定義的架構來檢測和編輯敏感數據。它採用多種識別機制，包括命名實體識別 (NER)、正規表示式、基於規則的邏輯和校驗和。它還可以連接到外部 PII 檢測模型。對於圖像，它包含一個專門的模組，用於編輯標準圖像類型和 DICOM 醫學圖像中的 PII 文本。

適用對象

專為需要在 Python、PySpark、Docker 和 Kubernetes 等多個平台中實現 PII 去識別化流程自動化或半自動化的組織而設計。

亮點

• 多模態支持：處理非結構化文本和圖像（包括醫學 DICOM 圖像）中的 PII。
• 靈活的檢測：結合使用 NER、regex 和規則的預定義識別器和自定義識別器。
• 可擴展性：支持連接到外部 PII 檢測模型，並可根據特定的業務需求進行高度定制。
• 部署靈活性：可以透過 pip、Docker 或 Kubernetes 進行部署。