지원되는 엔터티

Pseudonymize.io는 ML 모델, 패턴 일치, 정확한 유효성 검사기의 조합을 사용하여 민감한 데이터를 탐지합니다. 모든 엔터티 감지가 동일한 것은 아닙니다. 기본 감지기를 이해하면 신뢰성을 예측하는 데 도움이 됩니다.

기능 매트릭스

엔터티	예	감지기	결정적	리버시블
이메일	[email protected]	패턴	예	예/아니요
전화	+49 151 2345678	패턴/라이브러리	예	예/아니요
사람	앨리스 로시	ML(NER)	예	예/아니요
위치	뮌헨	ML(NER)	예	예/아니요
조직 ​​	애크미 주식회사	ML(NER)	예	예/아니요
IP 주소	192.168.1.1	패턴	예	예/아니요
이반	DE89370400440532013000	검증인	예	예/아니요
결제 카드	4532...	검증인(Luhn)	예	예/아니요

감지기 유형

1. 패턴: 매우 안정적인 Regex 구현. IP 주소와 같은 올바른 형식의 문자열에 대해 거의 100%의 정밀도와 재현율을 기대합니다.
2. 유효성 검사기: 정규식 뒤에 알고리즘 유효성 검사(예: 신용 카드용 Luhn 알고리즘, IBAN용 체크섬)가 옵니다. 임의의 16자리 숫자에 대한 오탐을 방지합니다.
3. ML(NER): 자연어 처리 모델(명명된 엔터티 인식). 상황에 따라 크게 달라집니다. 정밀도와 재현율은 일반적으로 85%~95% 사이입니다. 이름이 주변 문법적 맥락 없이 완전히 분리된 경우 일부 거짓 부정이 예상됩니다.

사용자 정의 엔터티

애플리케이션이 독점 식별자(예: 내부 TK-XXXX 지원 티켓 ID)를 사용하는 경우 custom_entities 아래의 API 페이로드에 사용자 정의 Regex 패턴을 전달할 수 있습니다(v1.2 제공).