Microsoft Presidio
PulseAugur coverage of Microsoft Presidio — every cluster mentioning Microsoft Presidio across labs, papers, and developer communities, ranked by signal.
- 2026-06-21 product_launch Microsoft Presidio saw significant growth in GitHub stars and introduced new features including an ONNX Runtime backend. 来源
3 天有情绪数据
-
开源代理 Jnvoy 可保护 LLM 调用免受 PII 和提示注入的侵害
开发者 Jnvoy 创建了一个名为 Jnvoy 的开源代理工具，旨在保护敏感用户数据并防止请求到达 Claude 和 GPT-4o 等大型语言模型之前的提示注入攻击。该代理在本地扫描和审查个人身份信息 (PII)，用可逆标记替换它们，并检测和阻止各种形式的提示注入和工具中毒。Jnvoy 设计易于集成，只需在应用程序代码中更改一个 URL，并提供合规性报告（适用于 GDPR 和欧盟 AI 法案等法规）、语义缓存（以节省成本）和审计日志等功能。
-
使用 OpenCV、Presidio 和 LangGraph 构建安全的文档处理流程
本教程指导开发者构建一个名为 SecureKiosk AI 的安全文档处理流程。该系统使用 OpenCV 和 Tesseract 等本地工具进行图像处理和文本提取，然后使用 Microsoft Presidio 和 spaCy 检测和编辑个人身份信息（PII）。LangGraph 用于将此流程管理为有弹性的状态机，确保敏感数据在传输到外部 LLM API 之前被屏蔽，从而降低隐私风险。
-
Telveguard AI 网关为合规性屏蔽土耳其个人数据
一个名为 Telveguard 的开源 AI 网关已被开发出来，以帮助公司遵守数据保护法规，尤其是在土耳其。该工具充当反向代理，在将请求发送到外部 AI 模型之前屏蔽土耳其身份证号 (TCKN) 和 IBAN 等敏感个人数据。它确保这些数据保留在公司的控制之下，解决了通用 PII 检测工具经常遗漏的、与土耳其数据格式和字符集相关的特定挑战。Telveguard 通过在外部调用期间用占位符替换敏感信息并在收到响应后恢复这些信息，来支持 …
-
新的多语言隐私标记器性能超越 GLiNER2、Presidio 和 OpenAI
研究人员开发了一种新的多语言命名实体标记器，用于隐私 redaction，其性能优于 GLiNER2、Microsoft Presidio 和 OpenAI Privacy Filter 等现有工具。该标记器在多语言编码器上进行了微调，在 35 种语言中实现了 88.8 的 redaction F1 分数和 76.3 的精确类型跨度识别。该系统比本地 LLM 快得多，CPU 吞吐量是 GLiNER2 的 4.9 倍，使其在隐私保护文本…
-
Rust 工具 `promptfirewall` 为 LLM 提示注入提供 12μs 的本地扫描
一位开发者创建了一个名为 `promptfirewall` 的新开源工具，该工具用 Rust 编写，旨在检测和缓解 LLM 应用中的提示注入和个人身份信息 (PII) 泄露。该工具的性能远超现有解决方案，仅需 12 微秒即可在本地完成扫描，无需网络调用。它通过使用带有校验和验证的正则表达式模式来检测 PII，并通过结合启发式方法、TF-IDF 分类和熵分析的多层方法来检测提示注入，从而实现这一速度。
-
AI 护栏：安全的关键，但对防御构成权衡
AI 护栏的实际应用对于减轻诸如毒性输出、幻觉、PII 泄露和角色漂移等风险至关重要。这些护栏并非附加组件，而是从一开始就设计的集成架构组件。Llama Guard、Guardrails AI、Microsoft Presidio 和 NeMo Guardrails 等工具可用于特定的故障模式，实验证明了它们在实时中的有效性。 然而，存在一个重大的权衡：虽然护栏对于防止滥用是必要的，但它们也可能阻碍 AI 合法防御性应用。挑战在于设…
-
Microsoft Presidio 因新功能在 GitHub 上获得关注
Microsoft Presidio 是一款用于检测和保护敏感信息的开源工具，在 GitHub 上获得了显著关注，星标数已超过 9,390。该项目的最新更新包括增加了 ONNX Runtime 后端、新的特定国家/地区数据识别器，以及改进了对 Mastercard 和国际化电子邮件等实体的现有检测能力。
-
开发者构建 PII 防火墙以阻止敏感数据进入 LLM 提示
一位开发者为 LLM 交互构建了一个 PII 防火墙，以防止敏感数据发送到云端模型。该系统使用 FastAPI 和 Microsoft Presidio 实现，在提示到达 GPT-4o 等模型之前对其进行扫描，阻止任何包含个人身份信息或违反已定义策略的提示。这种方法通过防止数据泄露（而不仅仅是记录）来确保符合 GDPR 等法规。
-
用户寻求为本地 LLM 自动化 PII redaction
一位用户正在寻求方法，使用本地大型语言模型自动化敏感信息（如姓名）的 redaction。他们在使用 Osaurus 和直接模型提示等现有工具时遇到了困难，发现本地模型在可靠的英文姓名检测方面存在问题。用户在使用 Microsoft Presidio 时也遇到了安装问题，并正在寻找适合小型企业主的替代的、用户友好的解决方案。