anonymize.today
Nazaj na Kako deluje

Zakaj regex, ne umetna inteligenca?

Za skladnost z regulativami potrebujete rezultate, ki jih lahko razložite in ponovite. Naš deterministični pristop prinaša prav to - brez črnih škatel, brez presenečenj.

Podrobna primerjava

Aspect
Na osnovi regex (mi)
Na osnovi AI/ML
Ponovljivost
100% identični rezultati
Rezultati se lahko razlikujejo
Revizibilnost
Popolnoma razložljivo
Črna škatla
Podatki za usposabljanje
Niso potrebni
Potrebni veliki nabori podatkov
Odstopanje modela
Noben - vzorci so fiksni
Poslabša se skozi čas
Učinkovitost
Hitro, predvidljivo
Spremenljivo, odvisno od GPU
Stroški obdelave
Nizki (samo CPU)
Visoki (pogosto potreben GPU)
Skladnost z regulativami
Enostavno za dokazovanje
Težko dokazati

Kako deluje ujemanje vzorcev

Vsaka vrsta entitete ima skrbno oblikovane regex vzorce, ki ujemajo specifične formate.

E-poštni naslovi

[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}

Ujema standardni e-poštni format: lokalni-del@domena.tld

Številke kreditnih kartic

\b(?:4[0-9]{12}(?:[0-9]{3})?|5[1-5][0-9]{14}|...)\b

Ujema Visa, Mastercard, Amex in druge formate kartic z Luhn validacijo

Nemški IBAN

DE[0-9]{2}\s?[0-9]{4}\s?[0-9]{4}\s?[0-9]{4}\s?[0-9]{4}\s?[0-9]{2}

Ujema nemški IBAN format z neobveznimi presledki

Zgrajeno za skladnost

Ko revizorji vprašajo "zakaj je bilo to zaznano?" potrebujete jasen odgovor. Naš pristop na osnovi regex prinaša prav to.

  • GDPR člen 25: Zasebnost po zasnovi z razložljivo obdelavo
  • ISO 27001: Dokumentirani, ponovljivi procesi
  • Revizijska sled: Vsaka zaznava je mogoče slediti specifičnemu vzorcu

Primer odgovora na revizijo

Vprašanje: Zakaj je bil "john.smith@company.com" označen?
Odgovor: Ujemal e-poštni vzorec na poziciji 45-68 z zaupanjem 0.95. Vzor: validacija standardnega e-poštnega formata.

Podprto z odprto kodo

Zgrajeno na industrijsko vodilnih tehnologijah odprte kode, ki jim zaupajo tisoči organizacij po vsem svetu.

Microsoft Presidio

Motor za zaznavanje in anonimizacijo PII podjetja Microsoft, ki zagotavlja natančno identifikacijo občutljivih podatkov v več jezikih.

github.com/microsoft/presidio

spaCy & Stanza

Napredne knjižnice za obdelavo naravnega jezika za prepoznavanje poimenovanih entitet, ki podpirajo 27+ jezikov z visoko natančnostjo.

spacy.iostanza

Hugging Face Transformers

Napredni transformacijski modeli za izboljšano prepoznavanje entitet v arabskem, hindskem in turškem jeziku.

huggingface.co/transformers

React & Next.js

Moderen spletni okvir, ki zagotavlja hitre, dostopne uporabniške vmesnike z upoštevanjem strežniškega upodabljanja za optimalno delovanje.

nextjs.org

Tauri

Lahka okvir za namizne aplikacije, ki omogoča varne, naravne aplikacije za Windows, macOS in Linux.

tauri.app

PostgreSQL

Robustna, ACID skladna relacijska baza podatkov, ki zagotavlja integriteto podatkov in zanesljivo obdelavo transakcij.

postgresql.org

Vse blagovne znamke so last njihovih lastnikov. Oglejte si naše Pogoje storitve za popolno navedbo.

Izkušnja deterministične zaznave

Preizkusite naše zaznavanje PII na osnovi regex brezplačno s 300 tokni na mesec.

Ustvarite brezplačen računOglejte si dokumentacijo arhitekture