支持的实体

Pseudonymize.io 使用 ML 模型、模式匹配和精确验证器的组合来检测敏感数据。 并非所有实体检测都是等效的； 了解底层检测器有助于您预测可靠性。

能力矩阵

实体	示例	探测器	确定性	双面
电子邮件	[email protected]	图案	是的	是/否
电话	+49 151 2345678	模式/库	是的	是/否
人	艾丽丝·罗西	ML（NER）	是的	是/否
位置	慕尼黑	ML（NER）	是的	是/否
组织	Acme 公司	ML（NER）	是的	是/否
IP 地址	192.168.1.1	图案	是的	是/否
国际银行账号	DE89370400440532013000	验证器	是的	是/否
支付卡	4532...	验证器 (Luhn)	是的	是/否

探测器类型

1. 模式： 极其可靠的正则表达式实现。 对于格式正确的字符串（如 IP 地址），期望接近 100% 的精确度和召回率。
2. 验证器： 正则表达式，然后进行算法验证检查（例如信用卡的 Luhn 算法、IBAN 的校验和）。 防止随机 16 位数字出现误报。
3. ML (NER)： 自然语言处理模型（命名实体识别）。 高度依赖于上下文。 准确率和召回率通常徘徊在 85% - 95% 之间。 如果名称完全孤立而没有周围的语法上下文，则可能会出现一些误报。

自定义实体

如果您的应用程序使用专有标识符（例如内部“TK-XXXX”支持票证 ID），您可以在“custom_entities”下的 API 负载中传递自定义正则表达式模式（来自 v1.2）。