Поддерживаемые объекты
Pseudonymize.io использует комбинацию моделей машинного обучения, сопоставления с образцом и точных валидаторов для обнаружения конфиденциальных данных. Не все обнаружения объектов эквивалентны; понимание основного детектора поможет вам предвидеть надежность.
Матрица возможностей
| Сущность | Пример | Детектор | Детерминированный | Двусторонний |
|---|---|---|---|---|
| Электронная почта | [email protected] | узор | да | да/нет |
| Телефон | +49 151 2345678 | узор/библиотека | да | да/нет |
| Человек | Элис Росси | МЛ (НЭР) | да | да/нет |
| Местоположение | Мюнхен | МЛ (НЭР) | да | да/нет |
| Организация | Акме Корпорация | МЛ (НЭР) | да | да/нет |
| IP-адрес | 192.168.1.1 | узор | да | да/нет |
| ИБАН | DE89370400440532013000 | валидатор | да | да/нет |
| Платежная карта | 4532... | валидатор (Лун) | да | да/нет |
Типы детекторов
- Шаблон: Чрезвычайно надежная реализация регулярных выражений. Ожидайте почти 100% точности и помните правильно отформатированные строки (например, IP-адреса).
- Валидатор: регулярное выражение, за которым следует алгоритмическая проверка (например, алгоритм Луна для кредитных карт, контрольные суммы для номеров IBAN). Предотвращает ложные срабатывания случайных 16-значных чисел.
- ML (NER): Модели обработки естественного языка (распознавание именованных объектов). Сильно зависит от контекста. Точность и полнота обычно колеблются в пределах 85–95%. Ожидайте ложноотрицательных результатов, если имя полностью изолировано без окружающего грамматического контекста.
Пользовательские объекты
Если ваше приложение использует собственные идентификаторы (например, внутренние идентификаторы заявок на поддержку TK-XXXX), вы можете передавать собственные шаблоны регулярных выражений в полезные данные API в разделе custom_entities (появится в версии 1.2).