1. Вставьте текст с персональными данными
Найдено (подсветка по типам)
Результат
Документ: TXT, DOCX, PDF с текстовым слоем
DOCX обезличивается с сохранением форматирования, таблиц и колонтитулов. Скан-PDF без текстового слоя в прототипе не поддерживается.
Метод:Исходный текст (найденное)
Результат
Таблица: CSV или XLSX (выгрузки CRM/АБС)
Запрос к LLM без утечки ПДн
Шаг 1 — стенд показывает, что именно уйдёт наружу. Шаг 2 — отправка обезличенного запроса модели (провайдер: ). Шаг 3 — ответ с восстановленными значениями и проверка ответа на утечку.
Уйдёт в модель
Ответ (значения восстановлены у вас)
Журнал действий по обезличиванию
Каждая запись содержит хеш предыдущей: подмена или удаление записи обнаруживается. В журнал не пишутся сами ПДн — только типы, счётчики, хеши, метод, время и псевдоним сессии.
Отчёт о достаточности и ЛНА
Отчёт формируется для каждого обработанного текста, документа или таблицы: найденные ПДн по типам, применённый метод, повторное сканирование результата, k-анонимность (для таблиц), вывод и рекомендации.
Шаблон ЛНА
Черновик «Порядок обезличивания персональных данных» (проект, требует проверки юристом).
Скачать проект ЛНА (DOCX)Качество поиска ПДн
Полнота — какую долю всех персональных данных в документах система нашла (пропущенное остаётся в тексте открытым). Точность — какая доля найденного действительно персональные данные (ошибки точности портят текст, но не раскрывают ПДн). Ложные срабатывания — сколько раз система «нашла» ПДн в документах, где их нет, на 1000 слов.
Главная оценка — зачётный замер: набор из 117 документов написал независимый агент, не видевший кода; прогон был один, пороги зафиксированы до прогона. Результаты на наборах, по которым правились правила, качество завышают и здесь приводятся только справочно. Слабые места названы ниже; для них в продукте — пометка «рекомендуется проверка оператором».