PIIX-560m
умный детектор и маскировщик конфиденциальных данных в тексте
2 мин чтенияобновлено
Модель PIIX-560m создана для автоматического поиска и скрытия персональных данных (PII), таких как имена, телефоны, адреса, а также технических секретов — API-ключей и паролей. Она объединяет дотюненный классификатор токенов на базе XLM-RoBERTa-large (560M параметров) и специальный уровень правил для структурированных идентификаторов. Инструмент поддерживает 13 языков (включая русский) и может работать на любых документах благодаря обработке с перекрывающимися окнами. Модель пригодится разработчикам и компаниям, которым нужно защитить пользовательские данные перед отправкой во внешние LLM или для соблюдения норм комплаенса.
Ключевые особенности
- Поддержка 13 языков, включая русский, английский и немецкий
- Гибкая настройка параметров чувствительности (recall) и фильтрации по типам сущностей
- Возможность быстрого дообучения (Fine-tuning) с помощью LoRA-адаптеров
- Высокая скорость работы: от 26.5 мс на чат-сообщение на GPU
Что можно сделать
- Настроить локальный сервис для маскирования персональных данных и секретов в корпоративных чатах
- Интегрировать модель в пайплайн обработки текстов перед передачей данных сторонним нейросетям
- Дообучить модель под специфические корпоративные стандарты разметки с помощью LoRA
- Фильтровать конкретные типы сущностей, например, оставляя только даты или удаляя только номера телефонов
Пример
from piix import Redactor
redactor = Redactor() # загружает Tracer-ML/PIIX-560m
redactor.redact("Hi, this is Maria Gonzalez. Reach me at maria.g@acme.io or +1 415 555 0134.")
Подробнее
Бенчмарки: F1 на PrivacyBench+ составляет 96.9, на PII Arena (при дефолтных настройках) — 79.4Обучение: обучена на 31M токенов, лицензия Apache 2.0
Ограничения: модель не гарантирует 100% анонимизацию и требует проверки результатов для жестких требований комплаенса










Комментарии