Σημεία αναφοράς ανίχνευσης

Οι αξιώσεις ασφαλείας πρέπει να είναι επιθεωρήσιμες. Δοκιμάζουμε συνεχώς τη μηχανή ανίχνευσης ανοιχτού κώδικα έναντι τυποποιημένων συνόλων δεδομένων για τη μέτρηση της ακρίβειας, της ακρίβειας και της ανάκλησης.

Η ψευδωνυμοποίηση μειώνει την έκθεση. Δεν καθιστά τα δεδομένα ανώνυμα. Για ένα προϊόν απορρήτου, η ανάκληση έχει τεράστια σημασία επειδή τα ψευδώς αρνητικά διαρρέουν δεδομένα σε εξωτερικά API.

Τρέχοντα αποτελέσματα συγκριτικής αξιολόγησης

• Έκδοση κινητήρα: 1.0.0
• Δέσμευση SHA: f8387dc
• Ημερομηνία: 6 Σεπτεμβρίου 2026
• Σύνολο δεδομένων: Πρότυπα σύνολα Enron / Presidio (Συνθετικά & Real)
• Μέγεθος δείγματος: 10.000 προτάσεις
• Γλώσσες: Αγγλικά, Ιταλικά

Οντότητα	Ακρίβεια	Ανάκληση	Βαθμολογία F1
Email	0,99	0,99	0,99
Πρόσωπο	0,94	0,88	0,91
Τοποθεσία	0,91	0,85	0,88
Οργάνωση	0,90	0,82	0,86
Τηλέφωνο	0,98	0,95	0,96
Διεύθυνση IP	1.00	1.00	1.00

Μεθοδολογία

1. Ακρίβεια: Από όλες τις οντότητες που ο κινητήρας επισημάνθηκε ως "Person", πόσα ήταν πραγματικά άτομα; (Χαμηλή ακρίβεια σημαίνει υψηλά ψευδώς θετικά, καταστρέφοντας χρήσιμο μη ευαίσθητο κείμενο).
2. Θυμηθείτε: Από όλα τα πραγματικά άτομα στο κείμενο, πόσα επισήμανε με επιτυχία ο κινητήρας; (Μια χαμηλή ανάκληση σημαίνει υψηλά ψευδώς αρνητικά, διαρροή ευαίσθητων δεδομένων).
3. Βαθμολογία F1: Ο αρμονικός μέσος όρος ακρίβειας και ανάκλησης.

Αναπαραγωγή

Μπορείτε να αναπαράγετε αυτά τα σημεία αναφοράς μόνοι σας χρησιμοποιώντας το πακέτο ανοιχτού κώδικα.

pip install "pseudonymize[ml]"
python -m pseudonymize.benchmarks --benchmark-only