anon-legal-pl
Anonimizacja, która nie wypuszcza danych z kancelarii
Popularny scenariusz wygląda tak: chcesz skorzystać z zewnętrznego modelu przy aktach, więc najpierw anonimizujesz dokument w usłudze online. Tyle że żeby usługa mogła cokolwiek ukryć, musi najpierw te dane zobaczyć i przetworzyć na swoich serwerach. Nasze narzędzie odwraca kolejność: dane znikają, zanim cokolwiek opuści komputer.
- Licencja
- Apache 2.0
- Działa
- lokalnie, bez chmury
- Język
- Python
- Wejście
- DOCX · TXT · PDF (też skany)
- Koszt
- 0 zł
Instalacja zależności i uruchomienie — w README repozytorium.
Anonimizacja, która i tak wysyła dane
Żeby usługa w chmurze mogła ukryć dane przed modelem, najpierw musi je sama zobaczyć. W poufnych aktach jest to ryzyko nie do przyjęcia, a często wprost naruszenie obowiązków wobec klienta. Rozwiązanie jest pozorne: chroni przed jednym podmiotem, oddając dane drugiemu.
Zapytanie i odpowiedź
Jedno wywołanie, od pliku z aktami do wersji, którą można pokazać modelowi.
anonimizuj.py akta.txt wynik.txt
Jan Kowalski → [OSOBA_1]
PESEL 12345678901 → [PESEL_1]
ACME Sp. z o.o. → [PODMIOT_1]
zapisano wynik.txt + mapowanie.json
✓ wysłano do sieci: 0 bajtów
Dane w przykładzie są fikcyjne.
Dwie komendy. Całość dzieje się na Twoim sprzęcie, bez połączenia z siecią.
Dane w przykładzie są fikcyjne. Flagą --bielik włącza się drugi przebieg lokalnym modelem, który wyłapuje to, co umknęło wcześniej.
Presidio
Silnik wykrywania danych osobowych od Microsoftu, uruchamiany lokalnie.
Polski model spaCy
Rozpoznaje encje z uwzględnieniem odmiany — nazwisko w każdym przypadku.
Bielik, opcjonalnie
Drugi przebieg lokalnym modelem przez Ollamę, dla tego, co umknęło.
Pięć rodzajów danych
Identyfikatory
PESEL, NIP, REGON — z walidacją sumy kontrolnej, co wyraźnie ogranicza fałszywe trafienia.
Dane osobowe
Nazwiska i adresy w różnych przypadkach gramatycznych, nie tylko w mianowniku.
Dane sprawy
Sygnatury sądowe i numery umów — to, po czym akta najłatwiej rozpoznać.
Dane finansowe
Numery rachunków w formacie IBAN.
Podmioty
Nazwy spółek i organizacji występujących w dokumencie.
Drugi przebieg
Flagą --bielik włącza się przebieg lokalnym modelem, który wyłapuje to, co umknęło regułom.
Pseudonimizacja, nie czarna plama
Zamiast zamazywać dane na czarno, narzędzie podmienia je na spójne znaczniki. Ta sama osoba dostaje ten sam znacznik w całym dokumencie, więc akta nadal da się czytać i analizować. Powstaje przy tym plik mapowania, więc proces da się odwrócić.
Zasada, nie drobny druk
Nie obiecujemy stuprocentowej skuteczności, bo rozpoznawanie encji nigdy nie jest pełne. Wynik wymaga przeglądu przez prawnika, zanim dokument opuści kancelarię. Traktujemy to jako twardą zasadę, a nie zastrzeżenie na dole strony.
Chcieliśmy korzystać z AI przy aktach, nie oddając danych osobowych na zewnątrz. Gotowe narzędzia tego nie dawały, więc napisaliśmy własne. Jest otwarte, bo prywatności łatwiej zaufać, gdy każdy może sprawdzić, jak działa.
Najczęściej zadawane pytania
Czy dokument opuszcza mój komputer?
Nie. Całe przetwarzanie odbywa się lokalnie, bez połączenia z chmurą — także wtedy, gdy włączysz drugi przebieg modelem Bielik.
Czy da się odwrócić anonimizację?
Tak. Narzędzie zapisuje plik mapowania, więc znaczniki można z powrotem zamienić na dane — celowa różnica wobec zamazywania na czarno.
Czy obsługuje skany i PDF-y?
Tak. Skany przechodzą przez warstwę OCR opartą na Tesseract i PyMuPDF, uruchamianą również lokalnie.
Czy wynik można wysłać bez sprawdzenia?
Nie. Rozpoznawanie encji nigdy nie jest pełne, więc wynik wymaga przeglądu przez prawnika, zanim dokument opuści kancelarię.