Presidio
PulseAugur coverage of Presidio — every cluster mentioning Presidio across labs, papers, and developer communities, ranked by signal.
- 2026-07-22 regulatory The town of Presidio, Texas, filed a lawsuit against the Trump administration over the construction of a border wall. 来源
2 天有情绪数据
-
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。
-
新的LLM框架解决了多用户系统中隐私-效用权衡问题
研究人员开发了新的框架和方法来解决大型语言模型（LLM）交互中的隐私问题。一种名为AIM的方法为多代理、多用户LLM环境引入了一个隐私感知内存系统，允许动态地将信息分类为私有或公共，以改善协调并保护敏感数据。另一项研究系统地分析了LLM交互中的隐私-效用权衡，提出了一种意图驱动的框架，该框架动态地清理数据以保持效用。此外，BodhiPromptShield为LLM代理管道提供了一个预推理中介层，在敏感跨度传播到系统之前检测并替换它们，…
-
新研究揭示 PII 检测系统在真实数据偏移下表现不佳
一篇题为“Mind the Gap: PII 检测系统中的鲁棒性风险”的新研究论文，强调了当前个人身份信息 (PII) 检测系统存在的重大漏洞。该研究评估了基于编码器的 NER、基于规则的混合检测以及生成式 LLM 提取方法，发现所有这些方法在面对现实世界分布偏移（如嘈杂或非结构化输入）时，性能都会显著下降。研究提出了一个带有 QA 驱动反馈循环的混合检测流程，以改进风险缓解，并发布了一个新的基准，以促进 PII 系统的分布外 (OO…
-
开发者为LiteLLM创建自定义PII脱敏和审计日志
一位开发者为LiteLLM创建了一个名为Cloakwall的自定义、进程内PII脱敏和审计日志解决方案，以避免外部依赖和企业版许可的复杂性。该解决方案使用带有高级验证的正则表达式，例如用于信用卡号的Luhn算法和用于NHS号码的modulus-11检查，以准确识别和屏蔽敏感信息。该系统还实现了一个安全的、链式的SHA-256哈希机制用于审计日志，确保数据完整性并防止日志本身包含被脱敏的PII，并提供SIEM导出选项。
-
由于定义和架构不同，防护栏工具的计数差异很大
由于定义和架构的不同，计算不同工具提供的特定防护栏检查出乎意料地复杂。作者发现，尽管 LLM Guard 已存档，但其发布版本提供了 27 项不同的检查，尽管许多检查依赖于第三方库。Guardrails AI 的核心包不提供任何验证器，而是依赖于一个单独的中心来提供这些组件。NVIDIA NeMo Guardrails 在其库中提供了 12 项已实现的检查。
-
OpenAI的隐私过滤器在PII检测研究中表现好坏参半
一项新的研究论文首次系统性地评估了OpenAI的隐私过滤器（OPF），这是一个拥有15亿参数的PII检测器。研究发现，OPF在电子邮件和电话号码等结构化PII类型上表现良好，在某些基准测试中优于其他工具。然而，当PII嵌入叙述性文本或使用非拉丁字符时，其有效性会显著下降，并且在医疗和法律信息等敏感数据上存在召回偏差。
-
德州小镇就边境墙威胁防洪堤起诉特朗普政府
德克萨斯州普雷西迪奥镇正在起诉特朗普政府，以阻止修建边境墙，理由是该边境墙威胁到该镇沿格兰德河的防洪堤。普雷西迪奥开发区认为，拟议中的边境墙将用混凝土和钢柱取代土坡，可能会损害建于20世纪70年代和80年代的堤防系统。政府认为其有权豁免边境墙建设的相关规定，并且最终计划尚未确定，而批评者则声称广泛的豁免超出了国会的意图。
-
临床AI代理调试日志暴露患者数据，需要进行数据脱敏
一个临床AI代理的调试日志无意中创建了一个受保护健康信息（PHI）数据库，暴露了患者的姓名和出生日期等数据。作者使用Microsoft的Presidio库实现了一个解决方案，在导出前对敏感信息进行脱敏。虽然脱敏流程有效，但底层的PHI检测机制最初未能识别所有敏感实体，凸显了保护AI代理痕迹的挑战。
-
新基准测试揭示 PII 审核工具会在 LLM 代理中泄露敏感数据
一个名为 privaite-bench 的新基准测试已被开发出来，用于测试 PII（个人身份信息）审核工具在处理 LLM 代理请求时的有效性。该基准测试显示，许多仅扫描消息文本的常用工具，未能审核嵌入在工具调用参数或多模态内容中的 PII。一种结合了 Presidio 和 OpenAI 的 privacy-filter 模型的结构感知方法，展示了改进的 PII 检测和可逆假名化，确保敏感数据不会泄露给 LLM 提供商。
-
新的REDACT基准系统性地测试了25种语言的PII检测能力
研究人员推出REDACT，这是一个新的多语言基准，旨在系统性地评估个人身份信息（PII）的检测能力。该基准包含超过13,000条记录，324,000个标注，涵盖51种实体类型，并支持25种语言。研究评估了包括GPT-4.1和Claude Sonnet 4.6在内的五种检测器，结果表明，虽然基于LLM的检测器通常更强大，但它们的性能会因数据敏感性和披露形式而显著不同。该基准旨在提供对PII检测能力更受控、更全面的评估。
-
LiteLLM：LLM代理的优势和扩展性挑战
文章讨论了 LiteLLM，一个提供统一接口连接超过 100 家 LLM 提供商的工具，强调了它在快速原型设计和 Python ML 团队易用性方面的优势。然而，文章也指出了在管理 Redis 和 Postgres 数据库方面的扩展性挑战，高负载下 Python 运行时可能出现的延迟问题，以及实时预算执行方面的限制。作者认为，虽然 LiteLLM 非常适合初步开发和小规模部署，但需要健壮、可扩展的基础设施和更严格治理的团队可能需要考虑…
-
GLiNER Guard 在单次推理中统一LLM安全与PII检测
一个名为GLiNER Guard (GLiGuard) 的新系统已被开发出来，用于简化大型语言模型的安全审核和PII检测。这个统一的编码器将多个分类器和NER模型折叠到一次前向传播中，与现有的自回归或碎片化编码器方法相比，显著降低了处理时间和成本。GLiGuard的模式驱动接口允许在不重新训练的情况下动态更改策略，使其成为生产LLM应用程序的更高效解决方案。
-
Scrubber 和 Presidio 在 5 个病例的 PHI 基准测试中进行比较
一项比较基准测试评估了 Scrubber 和 Presidio，这两种用于识别和编辑受保护健康信息 (PHI) 的工具。分析侧重于五个特定的案例研究，以评估它们在处理敏感数据方面的有效性。此基准测试的结果旨在告知用户这些增强隐私技术的性能差异。
-
人类噪音污染危害动物，但疫情表明存在解决方案
人类产生的噪音严重影响动物的交流和福祉，迫使白冠雀等物种改变歌声以求被听到。在 COVID-19 疫情期间，人类活动减少导致噪音污染明显下降，使这些鸟类能够恢复更复杂、更安静的鸣叫。这表明人为噪音是一种污染，可以通过电气化和城市规划等策略来缓解，从而可能逆转其对野生动物的有害影响。