Havaitsemisen vertailuarvot
Turvallisuusvaatimusten tulee olla tarkastettavissa. Testaamme jatkuvasti avoimen lähdekoodin tunnistusmoottoriamme standardoitujen tietojoukkojen kanssa mitataksemme tarkkuutta, tarkkuutta ja muistamista.
Pseudonymisointi vähentää altistumista. Se ei tee tiedoista anonyymejä. Tietosuojatuotteessa muistutuksella on valtava merkitys, koska väärät negatiivit vuotavat tietoja ulkoisiin sovellusliittymiin.
Nykyiset vertailutulokset
- Moottoriversio: 1.0.0
- Sitoudu SHA: "f8387dc".
- Päivämäärä: 6. syyskuuta 2026
- Tietosarja: Enron/Presidio-standardisarjat (synteettiset ja oikeat)
- Otoksen koko: 10 000 lausetta
- Kielet: Englanti, italia
| Entiteetti | Tarkkuus | Muista | F1-pisteet |
|---|---|---|---|
| Sähköposti | 0,99 | 0,99 | 0,99 |
| Henkilö | 0,94 | 0,88 | 0,91 |
| Sijainti | 0,91 | 0,85 | 0,88 |
| Organisaatio | 0,90 | 0,82 | 0,86 |
| Puhelin | 0,98 | 0,95 | 0,96 |
| IP-osoite | 1,00 | 1,00 | 1,00 |
Metodologia
- Tarkkuus: Kuinka moni niistä olioista, jotka moottori merkitsi henkilöksi, oli todellisuudessa ihmisiä? (Alhainen tarkkuus tarkoittaa suuria vääriä positiivisia tuloksia, mikä tuhoaa hyödyllisen ei-arkaluonteisen tekstin).
- Muista: Kuinka monen tekstin todellisista ihmisistä moottori onnistui? (Alhainen palautus tarkoittaa korkeita vääriä negatiivisia, vuotavia arkaluontoisia tietoja).
- F1 Score: Tarkkuuden ja muistamisen harmoninen keskiarvo.
Jäljentäminen
Voit kopioida nämä vertailuarvot itse käyttämällä avoimen lähdekoodin arkistoamme.
pip install "pseudonymize[ml]"
python -m pseudonymize.benchmarks --benchmark-only