Presidio
PulseAugur coverage of Presidio — every cluster mentioning Presidio across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
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。