Deteksjonsreferanser
Sikkerhetskrav bør være inspiserbare. Vi tester kontinuerlig vår åpen kildekode-deteksjonsmotor mot standardiserte datasett for å måle nøyaktighet, presisjon og tilbakekalling.
Pseudonymisering reduserer eksponeringen. Det gjør ikke data anonyme. For et personvernprodukt betyr gjenkalling enormt mye fordi falske negativer lekker data til eksterne APIer.
Gjeldende benchmark-resultater
- Motorversjon: 1.0.0
- Forplikte SHA:
f8387dcDato: 6. september 2026 - Datasett: Enron / Presidio standardsett (syntetisk og ekte)
- Samplestørrelse: 10 000 setninger
- Språk: engelsk, italiensk
| Entitet | Presisjon | Tilbakekall | F1-poengsum |
|---|---|---|---|
| E-post | 0,99 | 0,99 | 0,99 |
| Person | 0,94 | 0,88 | 0,91 |
| Plassering | 0,91 | 0,85 | 0,88 |
| Organisasjon | 0,90 | 0,82 | 0,86 |
| Telefon | 0,98 | 0,95 | 0,96 |
| IP-adresse | 1.00 | 1.00 | 1.00 |
Metodikk
- Presisjon: Av alle enhetene motoren flagget som "Person", hvor mange var faktisk personer? (En lav presisjon betyr høye falske positiver, og ødelegger nyttig ikke-sensitiv tekst).
- Recall: Av alle de faktiske personene i teksten, hvor mange flagget motoren? (En lav tilbakekalling betyr høye falske negativer, lekkasje av sensitive data).
- F1 Score: Det harmoniske gjennomsnittet av presisjon og gjenkalling.
Reproduksjon
Du kan reprodusere disse benchmarkene selv ved å bruke vårt åpen kildekodedepot.
pip install "pseudonymize[ml]"
python -m pseudonymize.benchmarks --benchmark-only