Repolode
Enviar
data-privacy-stack

data-privacy-stack/presidio

SDK e serviço open source em Python para detectar e anonimizar PII em texto, imagens e dados estruturados.

Ver no GitHubSite
Estrelas
11,404
Forks
1,357
Issues abertas
195
Último commit
há 8 horas

O que é?

Presidio é um toolkit de proteção de dados e desidentificação que encontra entidades sensíveis, como números de cartão de crédito, nomes, localizações, números de Social Security, carteiras de bitcoin e números de telefone dos EUA, e então as remove, mascara ou anonimiza. Ele combina reconhecimento de entidades nomeadas, expressões regulares, lógica baseada em regras e validação por checksum; os reconhecedores podem ser predefinidos ou criados sob medida, com palavras de contexto em vários idiomas.

O projeto é dividido em pacotes: um analyzer para detecção, um anonymizer para transformar os resultados, um redator de imagens para remover PII de imagens comuns e imagens médicas DICOM, e um módulo para dados estruturados. Pode ser usado com Python ou PySpark, executado no Docker ou implantado no Kubernetes, e permite conectar modelos externos de detecção de PII.

Presidio é um detector automatizado, portanto, não garante que todos os valores sensíveis sejam encontrados; o projeto recomenda combiná-lo com outras medidas de proteção.

Recursos principais

  • 01Detecta PII com reconhecimento de entidades nomeadas, regex, regras e checksums.
  • 02Oferece suporte a reconhecedores personalizados e palavras de contexto em vários idiomas.
  • 03Remove ou anonimiza o texto detectado, com operadores plugáveis.
  • 04Remove PII de imagens, incluindo imagens médicas DICOM.
  • 05Pode ser executado com Python, PySpark, Docker ou Kubernetes.
  • 06Permite conectar modelos externos de detecção de PII.

Casos de uso

  • Remover dados pessoais de logs, transcrições de chat ou documentos antes de armazená-los ou analisá-los.
  • Redigir identificadores como rostos e texto em capturas de tela ou imagens médicas digitalizadas.
  • Adicionar proteções contra PII às entradas e saídas de LLMs.
  • Criar pipelines de desidentificação para grandes conjuntos de dados com PySpark.

Tópicos

#pii-detection#data-privacy#data-anonymization#nlp#named-entity-recognition#python#redaction#de-identification#anonymization#data-masking

Perguntas frequentes

O que é presidio?
SDK e serviço open source em Python para detectar e anonimizar PII em texto, imagens e dados estruturados. Presidio é um toolkit de proteção de dados e desidentificação que encontra entidades sensíveis, como números de cartão de crédito, nomes, localizações, números de Social Security, carteiras de bitcoin e números de telefone dos EUA, e então as remove, mascara ou anonimiza. Ele combina reconhecimento de entidades nomeadas, expressões regulares, lógica baseada em regras e validação por checksum; os reconhecedores podem ser predefinidos ou criados sob medida, com palavras de contexto em vários idiomas.
presidio é gratuito? Qual é a licença?
presidio é open source sob a licença MIT. Confira os termos da licença antes de usá-lo em produtos comerciais.
presidio ainda é mantido?
Manutenção ativa. O último commit de presidio foi em 19 de out. de 2026.
Para que posso usar presidio?
Remover dados pessoais de logs, transcrições de chat ou documentos antes de armazená-los ou analisá-los. Redigir identificadores como rostos e texto em capturas de tela ou imagens médicas digitalizadas. Adicionar proteções contra PII às entradas e saídas de LLMs. Criar pipelines de desidentificação para grandes conjuntos de dados com PySpark.
Onde consigo presidio?
O código-fonte e as instruções de instalação estão no GitHub: https://github.com/data-privacy-stack/presidio

Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.

Projetos relacionados