छद्मनामकरण टूल: खरीदने से पहले किन बातों पर ध्यान दें

यदि आप व्यक्तिगत डेटा वाले दस्तावेज़ों पर AI का उपयोग करना चाहते हैं, तो छद्मनामकरण टूल को चार बातें सही करनी होंगी। आपकी फ़ाइल ऐसी जगह प्रोसेस हो जहाँ आप सहज हों। हर व्यक्ति को हर दस्तावेज़ में वही प्लेसहोल्डर मिले। अदला-बदली को उलटने वाली कुंजी सुरक्षित रखी जाए। और आप यह जाँचकर सुधार सकें कि टूल ने क्या पहचाना। इस चेकलिस्ट का बाकी हिस्सा बताता है कि कोई टूल आपके दस्तावेज़ों, टीम और बजट के अनुकूल है या नहीं।

टूल को क्या करना चाहिए

GDPR के तहत, छद्मनामकरण का अर्थ व्यक्तिगत डेटा को इस तरह प्रोसेस करना है कि उसे अतिरिक्त जानकारी के बिना किसी व्यक्ति से जोड़ना संभव न रहे, और उस जानकारी को अलग रखकर सुरक्षित किया जाए (अनुच्छेद 4(5))। छद्मनामित डेटा अब भी व्यक्तिगत डेटा होता है। AI चैटबॉट के लिए इसका क्या अर्थ है, यह यहाँ बताया गया है AI में GDPR और छद्मनामित डेटा.

AI पर काम करने के लिए प्रक्रिया इस तरह होती है। नाम, पते और नंबर, Person_1 जैसे प्लेसहोल्डर बन जाते हैं। AI प्लेसहोल्डर पर काम करता है। आपकी ओर, एक कुंजी उन्हें जवाब में फिर से नामों में बदल देती है। यदि आपको नाम कभी वापस नहीं चाहिए, तो इसके बजाय आपको अनामकरण या रिडैक्शन की ज़रूरत हो सकती है: देखें तीनों में से आपको किसकी ज़रूरत है.

आपका डेटा कहाँ जाता है

• प्रोसेसिंग कहाँ होती है। या तो आपके कंप्यूटर पर, या फ़ाइल अपलोड करने के बाद विक्रेता के सर्वर पर। दूसरी स्थिति में, मूल फ़ाइल—जिसमें हर नाम मौजूद है—सुरक्षित किए जाने से पहले किसी तीसरे पक्ष तक पहुँचती है। हमारी तुलना स्थानीय और ऑनलाइन टूलों की में ऑनलाइन विक्रेता से पूछे जाने वाले सवाल और डेस्कटॉप ऐप के लिए एक आसान परीक्षण दिया गया है: नेटवर्क बंद करें और इसे आज़माएँ।
• इसके बाद डेटा का क्या होता है। क्लाउड सेवा के लिए: फ़ाइलें और नतीजे कितने समय तक रखे जाते हैं, किस क्षेत्र में रखे जाते हैं और उप-प्रोसेसर कौन हैं। डेस्कटॉप ऐप के लिए: यह आपकी डिस्क पर क्या लिखता है और आप उसे कैसे मिटाते हैं।
• लॉग। दस्तावेज़ कब प्रोसेस किए गए, इसका रिकॉर्ड तब काम आता है जब कोई क्लाइंट या आपका डेटा संरक्षण अधिकारी पूछे। जाँचें कि लॉग में स्वयं व्यक्तिगत डेटा तो नहीं है।

क्या आप नाम वापस पा सकते हैं

• एकरूपता। हर मामले के हर पैराग्राफ़ और हर दस्तावेज़ में एक ही व्यक्ति को वही प्लेसहोल्डर मिलना चाहिए। वरना AI यह नहीं समझ पाएगा कि लीज़ में मौजूद किराएदार और ईमेल भेजने वाला एक ही व्यक्ति हैं। पूछें कि टूल "Maria Lopez", "Ms Lopez" और "M. Lopez" जैसे अलग-अलग रूपों को कैसे संभालता है।
• उलटने की सुविधा। कुछ टूल डेटा को केवल एक दिशा में बदलते हैं। दूसरे ऐसे टेबल रखते हैं जो प्लेसहोल्डरों को असली नामों से जोड़ता है, या मानों को ऐसी कुंजी से एन्क्रिप्ट करते हैं जिससे बाद में उन्हें डिक्रिप्ट किया जा सके।
• कुंजी कहाँ रखी जाती है। टेबल या कुंजी वही "अतिरिक्त जानकारी" है जिसका GDPR की परिभाषा में उल्लेख है। पूछें कि इसे कहाँ रखा जाता है, क्या यह एन्क्रिप्टेड है, इसे कौन खोल सकता है और इसे कब हटाया जाता है। यदि सुरक्षित कॉपी तक पहुँच रखने वाला कोई भी व्यक्ति कुंजी भी पढ़ सकता है, तो छद्मनामकरण से बहुत कम सुरक्षा मिलती है।

क्या यह आपके दस्तावेज़ों के अनुकूल है

• मिलने वाले डेटा के प्रकार। नाम, कंपनियाँ, पते, फ़ोन नंबर, ईमेल पते, खाता और पहचान-पत्र नंबर, जन्मतिथियाँ। यदि आप अलग-अलग देशों में काम करते हैं, तो जिन देशों से आपका लेन-देन है, उनके राष्ट्रीय पहचान और कर नंबर जाँचें। नौकरी के पद, उपनाम और दुर्लभ विवरण किसी भी डिटेक्टर के लिए कठिन होते हैं, इसलिए इनमें से कुछ को आपको हाथ से चिह्नित करना होगा।
• समीक्षा का चरण। पहचान कभी पूरी नहीं होती। व्यापक रूप से इस्तेमाल किए जाने वाले ओपन-सोर्स डिटेक्टर Presidio के दस्तावेज़ में भी कहा गया है कि इस बात की कोई गारंटी नहीं है कि यह सभी संवेदनशील जानकारी ढूँढ़ लेगा। कुछ भी बाहर भेजने से पहले आपको हर मिलान देखना होगा, गलत मिलानों का चयन हटाना होगा और छूटी हुई जानकारी जोड़नी होगी।
• फ़ाइल फ़ॉर्मैट। PDF, Word, Excel, ईमेल। स्कैन किए गए PDF और दस्तावेज़ों की तस्वीरों के लिए टेक्स्ट पहचान की ज़रूरत होती है। कुछ टूल केवल सादा टेक्स्ट स्वीकार करते हैं, जिसका मतलब है कि आपको हर फ़ाइल खुद कन्वर्ट करनी होगी।
• भाषाएँ। पहचान भाषा पर निर्भर करती है। जिन भाषाओं में आप काम करते हैं, उनमें से हर एक के वास्तविक दस्तावेज़ों के साथ परीक्षण करें।

यह किनके लिए बनाया गया है और इसकी कीमत क्या है

• डेवलपर या ऑफ़िस उपयोगकर्ता। लाइब्रेरी या API के लिए किसी व्यक्ति को इसे इंस्टॉल करना, इसके साथ कोड लिखना और इसे चालू रखना होगा। डेस्कटॉप ऐप को केवल इंस्टॉल करना होता है। ये अलग-अलग लोगों के लिए बनाए गए हैं, और सामान्य रूप से इनमें से कोई भी बेहतर नहीं है।
• मूल्य निर्धारण मॉडल। उपयोग की मात्रा के हिसाब से भुगतान (प्रति गीगाबाइट या प्रति सौ अक्षर), प्रति उपयोगकर्ता सदस्यता, एकमुश्त खरीद, या मुफ़्त ओपन सोर्स के साथ आपके कर्मचारियों का समय। जितनी मात्रा की आप वास्तव में अपेक्षा करते हैं, उसके आधार पर सालाना लागत निकालें।

चार तरह के टूल

नीचे दिए गए उदाहरण वे हैं जिन्हें हम विक्रेताओं के दस्तावेज़ों से मिलाकर जाँच सके। सुविधाएँ और कीमतें अक्टूबर 2026 तक की हैं।

ओपन-सोर्स डेवलपर लाइब्रेरी

Presidio व्यक्तिगत डेटा ढूँढ़ने और पहचान हटाने के लिए MIT-लाइसेंस प्राप्त एक फ़्रेमवर्क है। इसकी शुरुआत Microsoft में हुई थी और अब यह समुदाय द्वारा संचालित परियोजना है जो Data Privacy Stack संगठन के अंतर्गत है। इसका anonymizer अपनी मिली हुई हर जानकारी को बदल, रिडैक्ट, मास्क, हैश या एन्क्रिप्ट कर सकता है, और एन्क्रिप्ट किए गए मानों को उसी कुंजी से डिक्रिप्ट किया जा सकता है। एक अलग मॉड्यूल OCR का उपयोग करके तस्वीरों में टेक्स्ट ढूँढ़ता और रिडैक्ट करता है।

यह मुफ़्त है, आपकी अपनी मशीनों पर चलता है और लगभग किसी भी पाइपलाइन के लिए अनुकूलित किया जा सकता है। यह एक टूलकिट है, एप्लिकेशन नहीं: इंस्टॉल करने का मतलब है Python पैकेज, भाषा मॉडल डाउनलोड करना और अपना कोड लिखना। समीक्षा स्क्रीन, मामलों का प्रबंधन और फ़ाइल कन्वर्ज़न आपको खुद बनाना होगा।

क्लाउड डेटा-सुरक्षा सेवाएँ

Google Cloud Sensitive Data Protection अंतर्निहित डिटेक्टरों की लंबी सूची से संवेदनशील डेटा ढूँढ़ता है और उसे टोकन से बदल सकता है। नियतात्मक और फ़ॉर्मैट-संरक्षक एन्क्रिप्शन से एक ही मान के लिए वही टोकन मिलता है, और कुंजी से डेटा की पहचान फिर से की जा सकती है। Google उस कुंजी को Cloud Key Management Service से सुरक्षित करने की सलाह देता है। यह सेवा तस्वीरों को रिडैक्ट भी कर सकती है—मिली हुई जानकारी पर अपारदर्शी बॉक्स लगाकर। इसकी कीमत प्रति गीगाबाइट के हिसाब से.

Amazon Comprehend अंग्रेज़ी या स्पेनिश टेक्स्ट में व्यक्तिगत डेटा पहचानता है। रिडैक्शन एक बैच जॉब के रूप में Amazon S3 में मौजूद फ़ाइलों पर चलता है और हर जानकारी को उसके प्रकार, जैसे [NAME], से या मास्क अक्षर से बदल देता है, इसलिए दो अलग-अलग लोग भी [NAME] बन जाते हैं। इसकी कीमत 100 अक्षरों की इकाइयों के हिसाब से.

ये सेवाएँ बड़ी मात्रा में डेटा संभालती हैं और कंपनी के अपने खाते और अनुबंध के तहत, उसके बाकी क्लाउड सेटअप के भीतर काम करती हैं। ये डेवलपर और IT टीमों के लिए बनाई गई हैं।

PDF एडिटर में रिडैक्शन

Adobe Acrobat Pro में, रिडैक्शन टेक्स्ट या तस्वीरों को रंगीन बॉक्स से बदल देता है और सेव करने के बाद इसे पूर्ववत नहीं किया जा सकता। अलग Sanitize चरण मेटाडेटा जैसे छिपे हुए डेटा को हटा देता है। अदालत, दूसरे पक्ष या नियामक को दिए जाने वाले दस्तावेज़ के लिए यह सही टूल है। AI के साथ आने-जाने वाली प्रक्रिया के लिए यह उपयुक्त नहीं है: काले बॉक्स AI को यह नहीं बताते कि कौन कौन है, और बदलाव को उलटने का कोई तरीका नहीं होता। देखें प्लेसहोल्डर और काली पट्टियों.

ऑफ़िस उपयोगकर्ताओं के लिए डेस्कटॉप ऐप

ClientSafe इन्हीं में से एक है। यह Windows PC पर चलता है और दस्तावेज़ों को मामलों के अनुसार रखता है, ताकि एक ही नाम को किसी मामले के हर दस्तावेज़ में वही प्लेसहोल्डर मिले। आप इसकी मिली हुई जानकारी की समीक्षा करते हैं, जो मिलान व्यक्तिगत डेटा नहीं हैं उनका चयन हटाते हैं और जो छूट गया हो उसे चिह्नित करते हैं। आप सुरक्षित कॉपी को AI चैट में कॉपी करते हैं या उसे Markdown फ़ाइल के रूप में सेव करते हैं। फिर आप AI का जवाब वापस पेस्ट करते हैं और ClientSafe असली नाम फिर से जोड़ देता है। प्लेसहोल्डरों और नामों को जोड़ने वाला टेबल PC पर एन्क्रिप्टेड रहता है, जब तक आप मामला मिटा न दें। यह अदालत में दाखिल करने या किसी दूसरे पक्ष को भेजने वाले दस्तावेज़ों के लिए रिडैक्शन टूल नहीं है।

आमने-सामने तुलना

कैसे चुनें

• आप डेटाबेस या पाइपलाइन में हज़ारों रिकॉर्ड प्रोसेस करते हैं और आपके पास डेवलपर हैं: लाइब्रेरी या क्लाउड सेवा।
• आप फ़र्म से बाहर किसी को दस्तावेज़ भेजते हैं: रिडैक्शन।
• आप क्लाइंट के दस्तावेज़ों के बारे में AI से पूछते हैं और जवाब में नाम वापस चाहते हैं: समीक्षा चरण और नाम बहाल करने के तरीके वाला डेस्कटॉप ऐप।

कोई निर्णय लेने से पहले, हर उस भाषा में तीन ऐसे दस्तावेज़ों पर टूल आज़माएँ जिन्हें आप अच्छी तरह जानते हैं और गिनें कि इसमें क्या छूट गया। यदि आपकी फ़र्म में डेटा संरक्षण अधिकारी या अनुपालन प्रमुख हैं, तो क्लाइंट की फ़ाइलों पर टूल इस्तेमाल करने से पहले उन्हें शामिल करें।

अक्सर पूछे जाने वाले सवाल

दस्तावेज़ का छद्मनामकरण हो जाने के बाद, क्या मैं उसे किसी भी AI टूल को भेज सकता हूँ?

अपने-आप नहीं। GDPR के तहत यह अब भी व्यक्तिगत डेटा है, और AI टूल की अपनी डेटा सेटिंग तथा शर्तें अब भी मायने रखती हैं। छद्मनामकरण जोखिम कम करता है। यह जोखिम खत्म नहीं करता।

क्या मुफ़्त ओपन-सोर्स लाइब्रेरी किसी सशुल्क टूल की जगह ले सकती है?

हाँ, यदि आपकी टीम में कोई इसे इंस्टॉल कर सकता है, इसके साथ कोड लिख सकता है और इसका रखरखाव कर सकता है। यदि कोई ऐसा नहीं कर सकता, तो लाइब्रेरी पर लगने वाला समय किसी ऐप पर लगने वाले पैसे से अधिक महँगा पड़ता है।

यदि मुझे केवल सारांश चाहिए, तो क्या बदलाव को उलटने की सुविधा चाहिए?

यदि सारांश में लोगों का उल्लेख होगा, तो हाँ: आप उसमें उनके नाम वापस चाहेंगे। यदि ऐसा नहीं होगा, तो एकतरफ़ा बदलाव पर्याप्त है।

मैं किसी टूल का जल्दी परीक्षण कैसे करूँ?

ऐसा दस्तावेज़ लें जिसमें आप हर नाम और नंबर जानते हों। उसे टूल में चलाएँ और तुलना करें। स्कैन किए गए पृष्ठ, हेडर और हस्ताक्षर जाँचें—इन जगहों पर पहचान अक्सर चूक जाती है।

ClientSafe आपके PC पर नाम, पते, फ़ोन नंबर और पहचान-पत्र नंबरों को एकरूप प्लेसहोल्डरों से बदलता है, आपको सूची की समीक्षा करने देता है और AI के जवाब में असली नाम वापस जोड़ता है। पहचान में पूर्णता नहीं होती, इसलिए कॉपी करने से पहले सूची की समीक्षा करें।