Presidio：文本与图像敏感数据脱敏框架

Presidio：数据保护与去标识化SDK

这是一个上下文感知、可插拔且可定制的PII（个人敏感信息）去标识化服务，适用于文本和图像。

组件概览

什么是Presidio？

Presidio（源自拉丁语praesidium，意为“保护、驻军”）有助于确保敏感数据得到妥善管理和治理。它提供快速识别和匿名化模块，用于处理文本中的私有实体，例如信用卡号、姓名、地点、社会安全号码、比特币钱包、美国电话号码、金融数据等。

主要链接：

• 📘 完整文档
• ❓ 常见问题解答
• 💭 在线演示
• 🛫 示例代码

项目目标

• 通过普及去标识化技术并在决策中引入透明度，使组织能够更简单地保护隐私。
• 支持针对特定业务需求的可扩展性和可定制性。
• 在多个平台上促进完全自动化和半自动化的PII去标识化流程。

主要功能特性

• 预定义或自定义的PII识别器：利用命名实体识别（NER）、正则表达式、基于规则的逻辑和校验和，支持多种语言的上下文关联。
• 连接外部PII检测模型的选项。
• 多种使用方式：从Python或PySpark工作负载，到通过Docker再到Kubernetes。
• PII识别和去标识化的可定制性。
• 用于编辑图像中PII文本的模块（支持标准图像类型和DICOM医学图像）。

⚠️ 重要提示：Presidio 可以帮助识别非结构化/结构化文本中的敏感/PII数据。然而，由于它使用自动化检测机制，无法保证能找到所有敏感信息。因此，应部署额外的系统和保护措施。

安装与运行

安装方式：

• 使用 pip
• 使用 Docker
• 从源码构建
• 从V1版本迁移至V2

运行场景：

• 文本中的PII去标识化
• 图像中的PII去标识化
• 使用示例和部署案例FINISHED