Puntos de referencia de detección
Las reclamaciones de seguridad deben ser inspeccionables. Probamos continuamente nuestro motor de detección de código abierto con conjuntos de datos estandarizados para medir la exactitud, la precisión y la recuperación.
La seudonimización reduce la exposición. No hace que los datos sean anónimos. Para un producto de privacidad, recordar es muy importante porque los falsos negativos filtran datos a API externas.
Resultados de referencia actuales
- Versión del motor: 1.0.0
- Confirmar SHA:
f8387dc - Fecha: 6 de septiembre de 2026
- Conjunto de datos: Conjuntos de estándares de Enron/Presidio (sintéticos y reales)
- Tamaño de la muestra: 10.000 frases
- Idiomas: Inglés, Italiano
| Entidad | Precisión | Recordar | Puntuación F1 |
|---|---|---|---|
| Correo electrónico | 0,99 | 0,99 | 0,99 |
| Persona | 0,94 | 0,88 | 0,91 |
| Ubicación | 0,91 | 0,85 | 0,88 |
| Organización | 0,90 | 0,82 | 0,86 |
| Teléfono | 0,98 | 0,95 | 0,96 |
| Dirección IP | 1,00 | 1,00 | 1,00 |
Metodología
- Precisión: De todas las entidades que el motor marcó como "Persona", ¿cuántas eran en realidad personas? (Una precisión baja significa altos falsos positivos, destruyendo texto útil no confidencial).
- Recuerde: De todas las personas reales en el texto, ¿a cuántas el motor marcó exitosamente? (Un retiro bajo significa muchos falsos negativos y filtración de datos confidenciales).
- Puntuación F1: La media armónica de precisión y recuperación.
Reproducción
Puede reproducir estos puntos de referencia usted mismo utilizando nuestro paquete de código abierto.
pip install "pseudonymize[ml]"
python -m pseudonymize.benchmarks --benchmark-only