Biblioteca de tokenización rápida y de última generación en Rust, con bindings para Python y Node.js, para NLP y pipelines de modelos de lenguaje.
11,2 mil1,2 milRustApache-2.0Actualizado hace 5 horas
data-privacy-stack/presidio
SDK y servicio de Python de código abierto para detectar y anonimizar información personal identificable en texto, imágenes y datos estructurados.
- Estrellas
- 11,404
- Forks
- 1,357
- Issues abiertos
- 195
- Último commit
- hace 8 horas
¿Qué es?
Presidio es un kit de herramientas de protección de datos y desidentificación que detecta entidades sensibles, como números de tarjetas de crédito, nombres, ubicaciones, números de la seguridad social, billeteras de bitcoin y números de teléfono de EE. UU., y luego las redacta, enmascara o anonimiza. Combina reconocimiento de entidades con nombre, expresiones regulares, lógica basada en reglas y validación de sumas de comprobación. Los reconocedores pueden ser predefinidos o personalizados, con palabras de contexto en varios idiomas.
El proyecto se divide en varios paquetes: un analizador para la detección, un anonimizador para transformar los resultados, un redactor de imágenes para eliminar información personal identificable de imágenes estándar e imágenes médicas DICOM, y un módulo para datos estructurados. Se puede usar desde Python o PySpark, ejecutar en Docker o desplegar en Kubernetes, y permite conectar modelos externos de detección de información personal identificable.
Presidio es un detector automatizado, por lo que no garantiza que encuentre todos los datos sensibles; el proyecto recomienda combinarlo con medidas de protección adicionales.
Funciones clave
- 01Detecta información personal identificable mediante reconocimiento de entidades con nombre, expresiones regulares, reglas y sumas de comprobación.
- 02Admite reconocedores personalizados y palabras de contexto en varios idiomas.
- 03Redacta o anonimiza el texto detectado mediante operadores intercambiables.
- 04Elimina información personal identificable de imágenes, incluidas las imágenes médicas DICOM.
- 05Se ejecuta desde Python, PySpark, Docker o Kubernetes.
- 06Permite conectar modelos externos de detección de información personal identificable.
Casos de uso
- Eliminar datos personales de registros, transcripciones de chats o documentos antes de almacenarlos o analizarlos.
- Redactar identificadores como rostros y texto en capturas de pantalla o imágenes médicas escaneadas.
- Añadir medidas de protección para la información personal identificable en las entradas y salidas de LLM.
- Crear pipelines de desidentificación para grandes conjuntos de datos con PySpark.
Temas
Preguntas frecuentes
- ¿Qué es presidio?
- SDK y servicio de Python de código abierto para detectar y anonimizar información personal identificable en texto, imágenes y datos estructurados. Presidio es un kit de herramientas de protección de datos y desidentificación que detecta entidades sensibles, como números de tarjetas de crédito, nombres, ubicaciones, números de la seguridad social, billeteras de bitcoin y números de teléfono de EE. UU., y luego las redacta, enmascara o anonimiza. Combina reconocimiento de entidades con nombre, expresiones regulares, lógica basada en reglas y validación de sumas de comprobación. Los reconocedores pueden ser predefinidos o personalizados, con palabras de contexto en varios idiomas.
- ¿presidio es gratuito? ¿Qué licencia tiene?
- presidio es open source bajo la licencia MIT. Revisa los términos de la licencia antes de usarlo en productos comerciales.
- ¿presidio sigue mantenido?
- Mantenimiento activo. El último commit de presidio fue el 19 oct 2026.
- ¿Para qué puedo usar presidio?
- Eliminar datos personales de registros, transcripciones de chats o documentos antes de almacenarlos o analizarlos. Redactar identificadores como rostros y texto en capturas de pantalla o imágenes médicas escaneadas. Añadir medidas de protección para la información personal identificable en las entradas y salidas de LLM. Crear pipelines de desidentificación para grandes conjuntos de datos con PySpark.
- ¿Dónde consigo presidio?
- El código fuente y las instrucciones de instalación están en GitHub: https://github.com/data-privacy-stack/presidio
Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Proyectos relacionados
Convierte texto no estructurado en un grafo de conocimiento interactivo usando un LLM para extraer tripletas sujeto-predicado-objeto.
3,1 mil434PythonApache-2.0Actualizado el mes pasado
Skill para agentes y servicio Python que eliminan marcas de procedencia de IA, como metadatos C2PA y caracteres Unicode invisibles, de tus archivos.
24,4 mil2,8 milPythonMITActualizado anteayer
A Python CLI that automatically locks your desktop when your paired Bluetooth phone or smartwatch moves out of range.
14612PythonAGPL-3.0Actualizado el mes pasado
Plataforma de datos de código abierto en Python que conecta fuentes financieras y de otros tipos y las ofrece a Python, Excel, agentes de IA y API REST.
74,4 mil7,7 milPythonOtherActualizado hace 18 horas
Biblioteca de scraping web en Python que usa LLM y pipelines basados en grafos para extraer datos estructurados de sitios web y documentos locales a partir de una instrucción de texto.
32 mil3,4 milPythonMITActualizado hace 13 días