معايير الكشف
يجب أن تكون المطالبات الأمنية قابلة للفحص. نحن نقوم باستمرار باختبار محرك الكشف مفتوح المصدر الخاص بنا مقابل مجموعات البيانات القياسية لقياس الدقة والدقة والاستدعاء.
** الأسماء المستعارة تقلل من التعرض. لا يجعل البيانات مجهولة المصدر.** بالنسبة لمنتج الخصوصية، فإن الاستدعاء له أهمية كبيرة لأن النتائج السلبية الكاذبة تؤدي إلى تسرب البيانات إلى واجهات برمجة التطبيقات الخارجية.
النتائج المعيارية الحالية
- إصدار المحرك: 1.0.0
- الالتزام SHA:
f8387dc - التاريخ: 6 سبتمبر 2026
- مجموعة البيانات: مجموعات معايير Enron / Presidio (الاصطناعية والحقيقية)
- حجم العينة: 10000 جملة
- اللغات: الإنجليزية والإيطالية
| الكيان | الدقة | أذكر | نقاط F1 |
|---|---|---|---|
| البريد الإلكتروني | 0.99 | 0.99 | 0.99 |
| الشخص | 0.94 | 0.88 | 0.91 |
| ** الموقع ** | 0.91 | 0.85 | 0.88 |
| المنظمة | 0.90 | 0.82 | 0.86 |
| الهاتف | 0.98 | 0.95 | 0.96 |
| ** عنوان IP ** | 1.00 | 1.00 | 1.00 |
المنهجية
- الدقة: من بين جميع الكيانات التي وضع المحرك علامة عليها على أنها "شخص"، كم عدد الأشخاص الذين كانوا بالفعل؟ (الدقة المنخفضة تعني نتائج إيجابية كاذبة عالية، مما يؤدي إلى تدمير النص المفيد غير الحساس).
- تذكر: من بين جميع الأشخاص الفعليين الموجودين في النص، كم عدد الأشخاص الذين نجح المحرك في تمييزهم؟ (الاستدعاء المنخفض يعني نتائج سلبية كاذبة عالية، وتسريب بيانات حساسة).
- درجة F1: المتوسط التوافقي للدقة والاستذكار.
التكاثر
يمكنك إعادة إنتاج هذه المعايير بنفسك باستخدام حزمتنا مفتوحة المصدر.
pip install "pseudonymize[ml]"
python -m pseudonymize.benchmarks --benchmark-only