РУКОВОДСТВО · ОБНОВЛЕНО 2026-10-01
Как маскировать чувствительные данные перед отправкой в LLM API
Замена имени не очищает документ целиком. Нужен процесс, который проверяет текст, вложения, историю и журналы, сохраняя достаточно смысла для задачи.
Сначала удалите ненужные поля, затем локально обнаружьте и замените оставшиеся чувствительные значения. Таблицу соответствий храните отдельно и восстанавливайте данные только в разрешённом контексте. Проверяйте качество на своих русскоязычных документах. Такая схема снижает раскрытие информации, но сама по себе не доказывает юридическое обезличивание.
1. Сократите данные до нужных для задачи
Для классификации обращения часто не нужны телефон, адрес и паспортные данные. Удалите поля ещё при подготовке запроса, прежде чем применять распознавание свободного текста. Составьте список того, что задача использует: тема обращения, описание проблемы, категория товара, относительные даты. Например, вместо полного адреса может хватить региона, если требуется выбрать службу доставки. Проверьте также подписи писем и предыдущие сообщения. Чем меньше лишних сведений входит в запрос, тем меньше зависимость от того, заметит ли детектор каждое чувствительное значение.
2. Поставьте обработку перед сетевой отправкой
Очищающий слой должен работать в доверенной среде до обращения к внешнему API. Presidio разделяет обнаружение сущностей и применение операций замены или удаления. Это пример устройства такого слоя, а не готовая гарантия для любых документов. Настройте распознаватели под русский язык и ваши типы идентификаторов; английская модель по умолчанию не подтверждает качество на российских реквизитах. Для структурированных полей используйте точные правила, для свободного текста — дополнительные распознаватели. Если обработка не завершилась, не отправляйте оригинал автоматически как запасной вариант.
3. Выберите удаление или стабильную замену
Удаление подходит для сведений, которые не нужны ответу. Замена метками сохраняет отношения: два обращения одного клиента могут обозначаться КЛИЕНТ_1. В пределах задачи одинаковое значение получает одинаковую метку, а другой человек — другую. Изолируйте соответствия между организациями и сессиями, чтобы одинаковые метки не создавали ложных связей. Простое хеширование телефона без дополнительной защиты допускает перебор небольшого пространства значений. Если обратное восстановление не нужно, не создавайте таблицу соответствий. Если нужно, задайте срок хранения и права на неё отдельно от истории чата.
4. Проверьте файлы, вывод и журналы
Чистый текст запроса не помогает, если исходный PDF всё равно отправлен вложением. Проверьте текстовый слой, изображения страниц, имена файлов и метаданные. Затем проследите выход: модель может воспроизвести данные из другого фрагмента истории или результата инструмента. Восстанавливайте метки только после проверки получателя и области доступа. Журналируйте типы найденных сущностей, версию правил и технический статус, а не значения. Проверьте трассировку, дампы ошибок и системы мониторинга: именно там нередко сохраняется исходное тело HTTP-запроса после очистки основного лога.
5. Оцените пропуски и потерю полезного смысла
Создайте синтетическую выборку с именами, номерами, опечатками, склонениями и неоднозначными словами. Разметьте ожидаемые чувствительные фрагменты вручную. Измерьте пропуски и лишние замены отдельно: первый показатель отражает риск раскрытия, второй — потерю качества задачи. После очистки сравните классификацию или резюме с результатом на разрешённом контрольном наборе. Включите случай, когда сочетание должности, города и редкого события узнаваемо даже без имени. Для решения о допустимости обработки и передачи данных нужна отдельная оценка условий и требований; техническая маска не заменяет её.
Частые вопросы
Можно отправить документ модели, чтобы она его очистила?
Если цель — не раскрывать оригинал внешнему сервису, очистка должна произойти до отправки. Используйте обработку в доверенной среде.
Достаточно заменить ФИО?
Нет. Контакты, идентификаторы, подписи, вложения и сочетание косвенных признаков тоже могут раскрыть человека или внутренние сведения.
Presidio автоматически понимает все русские реквизиты?
Такое качество нужно подтвердить своей выборкой и настройкой распознавателей. Наличие инструмента не доказывает полноту обнаружения нужных вам типов данных.
Маскирование означает соблюдение всех требований закона?
Нет. Здесь описана инженерная минимизация раскрытия. Правовой статус данных, основания обработки и условия передачи оцениваются отдельно.