Gdzie jest problem

Wystarczy jedna prośba: „przygotuj odpowiedź na reklamację Jana Kowalskiego, PESEL 50810112354, konto PL61 1090 1014 0000 0712 1981 2874”. Dane osobowe klienta właśnie trafiły do dostawcy modelu, często na serwery poza Europejskim Obszarem Gospodarczym.

To samo dzieje się bez udziału człowieka. Asystent w n8n wysyła do modelu treść maili, firmowy czat w Open WebUI albo LibreChat przekazuje całe rozmowy, a Claude Code czyta pliki z projektu, także te z danymi klientów.

A model tych danych nie potrzebuje. Żeby odpisać na reklamację, wystarczy mu wiedza, że chodzi o osobę, jej PESEL i numer konta.

Maskowanie odwracalne

PolAnon zamienia dane osobowe na tokeny, zanim tekst wyjdzie do modelu, a w odpowiedzi zamienia tokeny z powrotem na prawdziwe wartości:

  1. Ty piszeszOdpisz Janowi Kowalskiemu, PESEL 50810112354, tel. 512 345 678, że korekta jest gotowa.
  2. Model dostajeOdpisz <OSOBA_1>, PESEL <PESEL_1>, tel. <TELEFON_1>, że korekta jest gotowa.
  3. Model odpowiadaSzanowny Panie <OSOBA_1:wołacz>, korekta jest gotowa.
  4. Ty widziszSzanowny Panie Janie Kowalski, korekta jest gotowa.

Tabela, która zamienia <OSOBA_1> z powrotem na Jana Kowalskiego, nigdy nie trafia do modelu. Ten sam klient ma ten sam token przez całą rozmowę, więc model może się do niego odwoływać tyle razy, ile chce. Gdy zapisze token z przypadkiem, jak tu z wołaczem, PolAnon wstawi imię i nazwisko w tej formie.

Co na to RODO

  1. To pseudonimizacja, a nie anonimizacja. Kto ma tabelę tokenów, może przywrócić dane, więc według art. 4 pkt 5 RODO nadal są to dane osobowe. Zmienia się to, co wychodzi z firmy: do dostawcy modelu trafia tekst bez imion, numerów i adresów klientów.
  2. RODO samo ją wymienia. Pseudonimizacja jest przykładem środka ochrony przy projektowaniu przetwarzania (art. 25 ust. 1) i przy jego bezpieczeństwie (art. 32 ust. 1 lit. a).
  3. Nie zastępuje reszty. Podstawa prawna, umowa powierzenia z dostawcą modelu i ocena ryzyka dalej są potrzebne. O nich decyduje Twój inspektor ochrony danych albo prawnik.

Ten tekst opisuje narzędzie i nie jest poradą prawną.

Dlaczego polskie dane są trudniejsze

Większość narzędzi do maskowania powstaje z myślą o angielskim. Polskie dane mają trzy cechy, z którymi takie narzędzia radzą sobie słabo:

Odmiana

„Janowi Kowalskiemu”, „z panią Anną Nowak”. Imiona rozpoznawane w każdym przypadku, także bez modelu językowego.

Sumy kontrolne

PESEL, NIP, REGON, IBAN, dowód osobisty. Suma kontrolna odróżnia PESEL od numeru zamówienia.

Polskie zapisy

Telefony z +48 i bez, adresy z „ul.”, „al.” i „os.”, kody pocztowe i ulice z rejestru TERYT.

Jak zacząć

Są cztery drogi, zależnie od tego, kto i jak korzysta z AI.

Cała firma: czat PolGate na własnym serwerze

Jeśli pracownicy piszą z ChatGPT albo Claude na co dzień, daj im firmowy czat, który maskuje dane sam. PolGate wygląda i działa jak zwykły czat z modelami GPT i Claude. Można w nim wklejać prawdziwe dokumenty, a zanim wiadomość wyjdzie z firmy, dane osobowe zamieniają się w tokeny. Podgląd „Co zobaczył model” pokazuje, co dokładnie dostał dostawca.

Terminal
docker run -d --name polgate -p 8000:8000 \
    -v polgate-data:/data ghcr.io/boromat/polgate

Potem otwierasz http://localhost:8000, logujesz się jako administrator i dodajesz klucz dostawcy modelu. Hasło administratora PolGate tworzy sam przy pierwszym starcie, a pokazuje je polecenie docker exec polgate cat /data/initial-admin-password. W teście wycieków na 27 rozmowach do dostawcy nie dotarła żadna ze 125 chronionych wartości.

Jeden tekst, bez instalacji: demo w przeglądarce

Jeśli chcesz tylko bezpiecznie wysłać jeden tekst do ChatGPT albo Claude na ich stronach, użyj demo PolAnon:

  1. Wklej tekst do demo. Poniżej zobaczysz jego wersję, w której dane są zamienione na tokeny.
  2. Skopiuj tę wersję i wyślij ją w czacie. Model nie zobaczy imion ani numerów.
  3. Odpowiedź z czatu wklej z powrotem do demo. Tokeny zamienią się w prawdziwe dane.

Demo działa w Twojej przeglądarce i niczego nie wysyła.

Gotowe narzędzia: bramka w Dockerze

Jeśli z modelem rozmawiają narzędzia, takie jak n8n, Open WebUI, LibreChat czy Claude Code, bramka PolAnon staje między nimi a dostawcą modelu i maskuje każde wywołanie, zanim wyjdzie. Niczego nie trzeba programować:

Terminal
# klucz dostawcy modelu i klucz dla Twoich narzędzi
export POLANON_UPSTREAM_KEY=sk-...
export POLANON_GATEWAY_KEY=$(openssl rand -hex 16)

docker run --rm -p 127.0.0.1:8787:8787 \
    -e POLANON_UPSTREAM_KEY -e POLANON_GATEWAY_KEY \
    ghcr.io/boromat/polanon-gateway:0.3 \
    --upstream https://api.openai.com/v1

W narzędziu ustawiasz adres http://127.0.0.1:8787/v1, a jako klucz API wartość POLANON_GATEWAY_KEY. Tak działa każde narzędzie, które łączy się przez API OpenAI albo Anthropic: n8n, Open WebUI, LibreChat, Claude Code. Dla Claude Code uruchamiasz drugą bramkę z --upstream https://api.anthropic.com/v1 i ustawiasz ANTHROPIC_BASE_URL.

Bramka działa na Twoim komputerze albo serwerze. Tabela tokenów nie wychodzi poza nią, a odpowiedź wraca do narzędzia już z prawdziwymi danymi, także gdy model odpowiada strumieniowo.

Własny kod: biblioteka Pythona

Rdzeń PolAnon nie ma żadnych zależności poza samym Pythonem:

Terminal
pip install polanon
Python
from polanon import Anonymizer, default_guards

anonymizer = Anonymizer(default_guards(with_ner=False))
result = anonymizer.anonymize_sync(
    "Proszę o korektę faktury dla Jana Kowalskiego, PESEL 50810112354."
)
print(result.anonymized)
# Proszę o korektę faktury dla <OSOBA_1>, PESEL <PESEL_1>.

answer = "Korekta dla <OSOBA_1> jest gotowa."  # tak odpowiedział model
print(Anonymizer.restore(answer, result.mapping))
# Korekta dla Jana Kowalskiego jest gotowa.

Z polskim modelem spaCy (pl_core_news_md) PolAnon rozpoznaje też miejsca, firmy i imiona spoza swoich list.

Ile tego łapie

Pomiar na danych, na których PolAnon nie był strojony, z Microsoft Presidio jako punktem odniesienia. Oba narzędzia mają ten sam polski model spaCy.

Wartości zamaskowane w całości więcej znaczy lepiej

PolAnon71%
Presidio66%

Fałszywe alarmy mniej znaczy lepiej

PolAnon435
Presidio2641

Osoby w prawdziwych polskich tekstach więcej znaczy lepiej

PolAnon90%
Presidio90%
Pierwsze dwa wykresy: 1000 polskich tekstów ze zbioru OpenPII (ai4privacy), 5255 wartości, których przy pracy nad PolAnonem nikt nie oglądał. Fałszywy alarm to zamaskowane słowo, które nie jest daną osobową. Trzeci: 949 osób w korpusie KPWr (CLARIN-PL).

Żadne narzędzie nie łapie wszystkiego. Najczęściej przechodzą telefony w nietypowych zapisach, losowe kody bez etykiety i rzadkie nazwy, gdy nie ma modelu spaCy. Traktuj maskowanie jako zmniejszenie ryzyka, a nie gwarancję, i sprawdź je na własnych tekstach przed wdrożeniem. Skrypty pomiaru i wyniki są w repozytorium, więc każdy może je powtórzyć.

Częste pytania

Czy dane wychodzą z mojego komputera?

Maskowanie dzieje się u Ciebie: w PolGate na firmowym serwerze, w przeglądarce, w bramce na Twoim komputerze albo w Twoim kodzie. Do dostawcy modelu trafia tekst z tokenami. Tabela, która zamienia je z powrotem, zostaje u Ciebie.

Czy model rozumie tekst z tokenami?

Tak, bo token mówi, czym jest wartość: <OSOBA_1>, <PESEL_1>, <IBAN_1>. Ten sam klient ma ten sam token przez całą rozmowę. Zwykłych słów PolAnon zakrywa niewiele, więc reszta tekstu zostaje czytelna.

Czy to działa z ChatGPT na chatgpt.com?

Nie bezpośrednio: strona ChatGPT wysyła tekst prosto do OpenAI. Pojedynczy tekst możesz przepuścić przez demo, tak jak opisuje to droga 2. Dla całego zespołu lepszy jest PolGate: firmowy czat, który maskuje dane sam.

Ile to kosztuje?

Nic. PolAnon i PolGate są otwartym oprogramowaniem na licencji MIT. Płacisz tylko dostawcy modelu, tak jak dotąd.