Υποστηριζόμενες οντότητες
Το Pseudonymize.io χρησιμοποιεί έναν συνδυασμό μοντέλων ML, αντιστοίχισης μοτίβων και ακριβών επικυρωτών για τον εντοπισμό ευαίσθητων δεδομένων. Δεν είναι ισοδύναμη η ανίχνευση όλων των οντοτήτων. Η κατανόηση του υποκείμενου ανιχνευτή σάς βοηθά να προβλέψετε την αξιοπιστία.
Πίνακας δυνατοτήτων
| Οντότητα | Παράδειγμα | Ανιχνευτής | Ντετερμινιστική | Αναστρέψιμο |
|---|---|---|---|---|
| [email protected] | μοτίβο | ναι | ναι/όχι | |
| Τηλέφωνο | +49 151 2345678 | μοτίβο/βιβλιοθήκη | ναι | ναι/όχι |
| Πρόσωπο | Alice Rossi | ML (NER) | ναι | ναι/όχι |
| Τοποθεσία | Μόναχο | ML (NER) | ναι | ναι/όχι |
| Οργάνωση | Acme Corp | ML (NER) | ναι | ναι/όχι |
| Διεύθυνση IP | 192.168.1.1 | μοτίβο | ναι | ναι/όχι |
| IBAN | DE89370400440532013000 | επικυρωτής | ναι | ναι/όχι |
| Κάρτα Πληρωμής | 4532... | επικυρωτής (Luhn) | ναι | ναι/όχι |
Τύποι ανιχνευτών
- Μοτίβο: Εξαιρετικά αξιόπιστες υλοποιήσεις Regex. Αναμένετε σχεδόν 100% ακρίβεια και ανάκληση για σωστά διαμορφωμένες συμβολοσειρές (όπως διευθύνσεις IP).
- Validator: Regex ακολουθούμενο από αλγοριθμικό έλεγχο επικύρωσης (π.χ. αλγόριθμος Luhn για πιστωτικές κάρτες, αθροίσματα ελέγχου για IBAN). Αποτρέπει τα ψευδώς θετικά αποτελέσματα σε τυχαίους 16ψήφιους αριθμούς.
- ML (NER): Μοντέλα Επεξεργασίας Φυσικής Γλώσσας (Αναγνώριση Ονομασίας Οντότητας). Εξαρτάται σε μεγάλο βαθμό από το πλαίσιο. Η ακρίβεια και η ανάκληση κυμαίνονται συνήθως μεταξύ 85% - 95%. Αναμένετε μερικά ψευδώς αρνητικά εάν ένα όνομα είναι τελείως απομονωμένο χωρίς να περιβάλλει το γραμματικό πλαίσιο.
Προσαρμοσμένες οντότητες
Εάν η εφαρμογή σας χρησιμοποιεί ιδιόκτητα αναγνωριστικά (όπως εσωτερικά αναγνωριστικά εισιτηρίων υποστήριξης TK-XXXX), μπορείτε να μεταβιβάσετε προσαρμοσμένα μοτίβα Regex στο ωφέλιμο φορτίο API στην ενότητα "custom_entities" (Έρχεται σε έκδοση 1.2).