- 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:
- Ty piszeszOdpisz Janowi Kowalskiemu, PESEL 50810112354, tel. 512 345 678, że korekta jest gotowa.
- Model dostajeOdpisz <OSOBA_1>, PESEL <PESEL_1>, tel. <TELEFON_1>, że korekta jest gotowa.
- Model odpowiadaSzanowny Panie <OSOBA_1:wołacz>, korekta jest gotowa.
- 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.
Sekrety
Klucze API, tokeny i hasła w plikach i logach.
Internet, dokumenty i pojazdy
Adresy IP i MAC, linki do profili, paszporty, prawa jazdy, numery rejestracyjne, VIN, daty urodzenia i numery z zagranicznych faktur.
Firmy i miejsca
Firmy po formie prawnej: Sp. z o.o., S.A., GmbH, Ltd. Z modelem spaCy także bez niej, razem z miejscami.
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.
# 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.
pip install polanon
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
polanonmaskuje 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
Fałszywe alarmy mniej znaczy lepiej
Osoby w prawdziwych polskich tekstach więcej znaczy lepiej
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.