• 71%danych zamaskowanych w całości na publicznych polskich tekstach (Presidio: 66%)
  • 0zależności w rdzeniu, wystarczy sam Python 3.11+
  • MITotwarte oprogramowanie, za darmo

Jak to działa

Model nie potrzebuje prawdziwych danych klienta, żeby napisać odpowiedź. Wystarczy mu wiedza, że chodzi o osobę, jej PESEL czy numer telefonu:

  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 tokeny z powrotem na dane, nigdy nie opuszcza Twojego komputera ani serwera. Ta sama wartość ma ten sam token przez całą rozmowę, a gdy model poprosi o inny przypadek, PolAnon odmieni imię i nazwisko.

Co maskuje

Polskie imiona w każdym przypadku

Każda forma jest maskowana, także pisana małymi literami i bez ogonków, bez żadnego modelu językowego.

  • Jan Kowalski zamaskowane
  • Jana Kowalskiego zamaskowane
  • Janowi Kowalskiemu zamaskowane
  • o Janie Kowalskim zamaskowane
  • z janem kowalskim zamaskowane

PESEL · NIP · REGON · IBAN

Sprawdzane sumą kontrolną, razem z dowodem osobistym i kartami płatniczymi, więc numer zamówienia zostaje numerem. KRS i paszport obok etykiety.

Kontakt

E-maile, telefony, adresy i ulice z rejestru TERYT.

<EMAIL_1><ADRES_1>

Sekrety

Klucze API, tokeny i hasła w plikach i logach.

<SEKRET_1>

Internet, dokumenty i pojazdy

Adresy IP i MAC, linki do profili, paszporty, prawa jazdy, numery rejestracyjne, VIN, daty urodzenia i numery z zagranicznych faktur.

<IP_1><LINK_1><PRAWO_JAZDY_1>

Firmy i miejsca

Firmy po formie prawnej: Sp. z o.o., S.A., GmbH, Ltd. Z modelem spaCy także bez niej, razem z miejscami.

<FIRMA_1><MIEJSCE_1>

Same reguły nie potrzebują żadnego modelu językowego. Z opcjonalnym polskim modelem spaCy (pl_core_news_md) PolAnon rozpoznaje też miejsca, firmy bez formy prawnej i imiona spoza swoich list.

Jak zacząć

Demo w przeglądarce bez instalacji

Do rozmów z ChatGPT albo Claude na ich stronach. Wklejasz tekst do demo PolAnon, kopiujesz wersję z tokenami do czatu, a odpowiedź wklejasz z powrotem: tokeny wracają jako prawdziwe dane. Demo działa w Twojej przeglądarce i niczego nie wysyła.

Bramka w Dockerze bez kodu

Do gotowych narzędzi, które rozmawiają z modelem: n8n, Open WebUI, LibreChat, Claude Code i każdego innego, które łączy się przez API OpenAI lub Anthropic. Bramka staje między narzędziem a dostawcą modelu i maskuje każde wywołanie, a odpowiedź oddaje z prawdziwymi danymi.

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:0.4 \
    --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.

Biblioteka Pythona dla programistów

Do własnej aplikacji, agenta albo potoku RAG: maskujesz przed wywołaniem modelu i przywracasz dane w odpowiedzi.

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.

Firmie, która potrzebuje po prostu czatu dla zespołu, służy PolGate: firmowy czat z modelami GPT i Claude, zbudowany na PolAnon.

Gdzie się sprawdza

  • Czat z modelem

    SDK Anthropic, OpenAI albo model lokalny. Dane wracają do odpowiedzi, także strumieniowej.

  • Agenci i narzędzia

    Wyniki narzędzi w JSON-ie, kod, logi i pliki konfiguracyjne są maskowane wartość po wartości.

  • Dokumenty i maile

    Faktury, umowy, CV i korespondencja, także tekst skopiowany z PDF-a albo Worda.

  • RAG i wyszukiwanie

    Z kluczem ta sama wartość ma ten sam token w każdym dokumencie i pytaniu, więc wyszukiwanie działa.

  • Haystack

    Gotowe komponenty do potoków Haystacka 3: maskują dokumenty i pytania, a przywracają odpowiedzi.

  • Wiersz poleceń

    polanon maskuje tekst z argumentu, pliku albo wejścia, a mapowanie zapisuje osobno.

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. Od wersji 0.4.0 wyniki spaCy sprawdza jeszcze filtr ML PolAnonu: mały model uczenia maszynowego, który odsiewa zwykłe słowa wzięte za nazwy. Fałszywych alarmów jest dzięki niemu prawie o jedną trzecią mniej, a zamaskowanych wartości tyle samo.

Wartości zamaskowane w całości więcej znaczy lepiej

PolAnon71%
Presidio66%

Fałszywe alarmy mniej znaczy lepiej

PolAnon306
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). Skrypty i wyniki są w repozytorium.

Zanim zaczniesz na tym polegać

Maskowanie to pseudonimizacja, a nie anonimizacja w rozumieniu RODO, i żaden detektor nie wyłapuje wszystkiego. Traktuj PolAnon jako zmniejszenie ryzyka, a nie gwarancję, i sprawdź go na własnych tekstach. Model zagrożeń opisuje, co jest objęte ochroną, a co pozostaje zadaniem Twojej aplikacji. Więcej o RODO w artykule ChatGPT, Claude i RODO.

Częste pytania

Czy PolAnon wysyła gdzieś moje dane?

Nie. PolAnon sam niczego nie wysyła: maskowanie odbywa się na Twoim komputerze albo serwerze. Do dostawcy modelu trafia tylko tekst z tokenami, który wysyła Twoja aplikacja albo bramka, a tabela tokenów zostaje u Ciebie.

Czy potrzebuję modelu językowego?

Nie. Identyfikatory, kontakty, adresy, sekrety i polskie imiona z nazwiskami rozpoznają reguły i listy. Model spaCy jest opcjonalny i dokłada miejsca, firmy bez formy prawnej oraz imiona spoza list, a filtr ML PolAnonu odsiewa z jego wyników zwykłe słowa.

Czy PolAnon uczy się na moich danych?

Nie. Filtr ML został wytrenowany raz, na publicznych polskich danych (OpenPII i KPWr), i trafia do paczki jako gotowe wagi. Na Twoich tekstach niczego się nie uczy, niczego nie zapamiętuje i niczego nie wysyła.

Czy działa z modelem lokalnym, np. w Ollamie?

Tak. PolAnon maskuje tekst niezależnie od tego, dokąd go potem wyślesz: do OpenAI, Anthropic czy modelu na własnym serwerze. Z modelem lokalnym dane i tak nie wychodzą z firmy, ale maskowanie chroni je w logach i historii rozmów.

Czy poradzi sobie z tekstem skopiowanym z PDF-a albo Worda?

Tak. Litery zapisane jako litera i osobny znak diakrytyczny, spacje niełamiące, półpauzy w numerach i niewidoczne znaki o zerowej szerokości nie ukrywają wartości przed regułami. Samych plików PDF PolAnon nie czyta: dostaje tekst.

Czym różni się od Microsoft Presidio?

Presidio jest ogólne i wielojęzyczne. PolAnon jest pisany pod polskie dane: sprawdza sumy kontrolne PESEL-u, NIP-u i IBAN-u, rozpoznaje imiona w każdym przypadku i przywraca dane w odpowiedzi modelu, także strumieniowej. Na polskich danych maskuje więcej przy ośmiokrotnie mniejszej liczbie fałszywych alarmów.

Ile to kosztuje?

Nic. PolAnon jest otwartym oprogramowaniem na licencji MIT, także do użytku komercyjnego.