Если вы хотите использовать ИИ для работы с документами, содержащими персональные данные, инструмент псевдонимизации должен надёжно справляться с четырьмя задачами. Файл должен обрабатываться там, где вы готовы его обрабатывать. Один и тот же человек должен получать один и тот же заполнитель во всех документах. Ключ для обратной замены должен храниться безопасно. Вы должны иметь возможность проверять и исправлять результаты распознавания инструмента. В остальной части этого списка объясняется, подходит ли инструмент для ваших документов, команды и бюджета.
Что должен делать инструмент
В соответствии с GDPR псевдонимизация — это обработка персональных данных, при которой их уже нельзя связать с конкретным лицом без дополнительной информации, причём эта информация хранится отдельно и защищена (статья 4(5)). Псевдонимизированные данные по-прежнему являются персональными данными. О том, что это означает для чат-ботов с ИИ, рассказывается в материале GDPR и псевдонимизированные данные в ИИ.
Для работы с ИИ процесс выглядит так. Имена, адреса и номера заменяются заполнителями, например Person_1. ИИ работает с заполнителями. У вас есть ключ, который возвращает имена в ответ. Если вам не нужно восстанавливать имена, возможно, вместо этого нужна анонимизация или редактирование с удалением фрагментов: см. какой из трёх вариантов вам нужен.
Куда попадают ваши данные
- Где происходит обработка. Либо на вашем компьютере, либо на серверах поставщика после загрузки файла. Во втором случае исходный файл со всеми именами попадает к третьей стороне до того, как будет защищён. В нашем сравнении локальных и онлайн-инструментов перечислены вопросы, которые следует задать поставщику онлайн-сервиса, и простой тест для настольного приложения: отключите сеть и попробуйте им воспользоваться.
- Что происходит с данными впоследствии. Для облачного сервиса: как долго хранятся файлы и результаты, в каком регионе и кто является субобработчиками. Для настольного приложения: что оно записывает на диск и как это удалить.
- Журналы. Запись о том, когда документы обрабатывались, полезна, если клиент или специалист по защите данных задаст вопрос. Убедитесь, что в самом журнале нет персональных данных.
Можно ли восстановить имена
- Последовательность. Один и тот же человек должен получать один и тот же заполнитель в каждом абзаце и в каждом документе, относящемся к одному делу. Иначе ИИ не сможет понять, что арендатор в договоре и отправитель электронного письма — один человек. Спросите, как инструмент обрабатывает варианты вроде «Мария Лопес», «госпожа Лопес» и «М. Лопес».
- Обратимость. Некоторые инструменты выполняют только одностороннюю замену. Другие хранят таблицу, связывающую заполнители с настоящими именами, или шифруют значения ключом, с помощью которого их можно расшифровать позднее.
- Где хранится ключ. Таблица или ключ — это та самая «дополнительная информация», о которой говорится в определении GDPR. Узнайте, где она хранится, зашифрована ли, кто может её открыть и когда она удаляется. Если любой, у кого есть безопасная копия, может также прочитать ключ, псевдонимизация обеспечивает лишь слабую защиту.
Подходит ли он для ваших документов
- Какие типы данных обнаруживаются. Имена, названия компаний, адреса, номера телефонов, адреса электронной почты, номера счетов и удостоверений личности, даты рождения. Если вы работаете в разных странах, проверьте национальные идентификационные и налоговые номера для стран, с которыми имеете дело. Должности, прозвища и редкие подробности сложно обнаружить любому инструменту, поэтому некоторые из них придётся помечать вручную.
- Этап проверки. Распознавание никогда не бывает полным. Даже в документации Presidio, широко используемого детектора с открытым исходным кодом, сказано, что нет гарантии обнаружения всей конфиденциальной информации. Нужно просмотреть каждое совпадение, снять отметки с ложных совпадений и добавить пропущенные данные, прежде чем что-либо будет отправлено.
- Форматы файлов. PDF, Word, Excel, электронные письма. Для сканированных PDF и фотографий документов требуется распознавание текста. Некоторые инструменты принимают только обычный текст, а значит, каждый файл придётся преобразовывать самостоятельно.
- Языки. Распознавание зависит от языка. Проверьте инструмент на реальных документах на каждом языке, с которым вы работаете.
Для кого он предназначен и сколько стоит
- Для разработчиков или офисных пользователей. Для установки библиотеки или API, написания кода для работы с ними и дальнейшего обслуживания нужен специалист. Настольное приложение достаточно установить. Эти инструменты предназначены для разных пользователей, и в целом нельзя сказать, что один тип лучше другого.
- Модель ценообразования. Оплата за объём (за гигабайт или за каждые сто символов), подписка на пользователя, разовая покупка либо бесплатное ПО с открытым исходным кодом и затратами рабочего времени сотрудников. Рассчитайте годовую стоимость для ожидаемого вами объёма использования.
Четыре типа инструментов
Ниже приведены примеры, сведения о которых удалось проверить по документации поставщиков. Функции и цены указаны по состоянию на октябрь 2026 года.
Библиотеки с открытым исходным кодом для разработчиков
Presidio — это распространяемый по лицензии MIT инструментарий для обнаружения и деидентификации персональных данных. Изначально он был разработан в Microsoft и теперь поддерживается сообществом в рамках организации Data Privacy Stack. Его модуль анонимизации может заменять, удалять, маскировать, хешировать или шифровать каждый обнаруженный элемент, а зашифрованные значения можно расшифровать с помощью того же ключа. Отдельный модуль обнаруживает и удаляет текст на изображениях с помощью OCR.
Инструмент бесплатный, работает на ваших устройствах и настраивается для почти любого конвейера обработки данных. Это набор инструментов, а не приложение: для установки потребуются пакеты Python, загрузка языковой модели и написанный вами код. Экраны проверки, управление делами и преобразование файлов вам придётся разработать самостоятельно.
Облачные сервисы защиты данных
Google Cloud Sensitive Data Protection обнаруживает конфиденциальные данные с помощью длинного списка встроенных детекторов и может заменять их токенами. Детерминированное шифрование и шифрование с сохранением формата позволяют получать один и тот же токен для одного и того же значения; данные можно повторно идентифицировать с помощью ключа. Google рекомендует оборачивать этот ключ с помощью Cloud Key Management Service. Сервис также может закрашивать изображения непрозрачными прямоугольниками поверх найденных фрагментов. Сервис оплачивается за гигабайт.
Amazon Comprehend обнаруживает персональные данные в текстах на английском и испанском языках. Редактирование с удалением фрагментов выполняется пакетным заданием для файлов в Amazon S3. Каждый элемент заменяется обозначением его типа, например [NAME], либо символом маскирования, поэтому два разных человека оба превращаются в [NAME]. Сервис оплачивается за каждые 100 символов.
Эти сервисы обрабатывают большие объёмы данных и входят в общую облачную инфраструктуру компании; они используются под собственной учётной записью компании и на условиях её договора. Сервисы предназначены для разработчиков и ИТ-команд.
Удаление фрагментов в PDF-редакторах
В Adobe Acrobat Pro удаление фрагментов заменяет текст или изображения цветными прямоугольниками и после сохранения отменить его нельзя. Отдельный шаг Sanitize удаляет скрытые данные, например метаданные. Это подходящий инструмент для документа, который вы передаёте в суд, контрагенту или регулирующему органу. Для обработки с передачей данных туда и обратно через ИИ он не подходит: чёрные прямоугольники не объясняют ИИ, кто есть кто, а восстановить исходные данные невозможно. См. заполнителях и чёрных полосах.
Настольные приложения для офисных пользователей
ClientSafe относится к этому типу. Оно работает на ПК с Windows и хранит документы по делам, чтобы во всех документах одного дела одно и то же имя заменялось одним и тем же заполнителем. Вы проверяете найденное, снимаете отметки с совпадений, не являющихся персональными данными, и отмечаете то, что было пропущено. Безопасную копию можно вставить в чат с ИИ или сохранить в файл Markdown. Затем вы вставляете ответ ИИ обратно, а ClientSafe восстанавливает настоящие имена. Таблица, связывающая заполнители с именами, хранится в зашифрованном виде на ПК, пока вы не удалите дело. Это не инструмент для удаления фрагментов в судебных документах или документах, передаваемых другой стороне.
Сравнение
| Критерий | Библиотека для разработчиков (Presidio) | Облачный сервис (Google, Amazon) | Удаление фрагментов в PDF (Acrobat Pro) | Настольное приложение (ClientSafe) |
|---|---|---|---|---|
| Где работает | На ваших устройствах | В облаке поставщика, под вашей учётной записью | В PDF-редакторе | На вашем ПК |
| Один и тот же заполнитель для одного и того же человека | Если вы это настроите | Google: с помощью детерминированного шифрования. Удаление фрагментов в Amazon: только обозначения типов | Нет, используются чёрные прямоугольники | Да, в пределах одного дела |
| Обратим | С помощью шифрования или собственной таблицы соответствий | Google: с помощью ключа. Удаление фрагментов в Amazon: нет | Нет, так задумано | Да, вставьте ответ обратно |
| Где хранится ключ | В месте, которое вы укажете в коде | Google рекомендует Cloud KMS | Ключа нет | В зашифрованном виде на вашем ПК до удаления дела |
| Проверка и исправление | Вы разрабатываете это самостоятельно | Вы разрабатываете это самостоятельно | Вы выбираете, что удалить | Встроены |
| Файлы | Текст; изображения — с помощью модуля OCR | Google: текст и изображения. Amazon: обычный текст | PDF, включая сканы, DOCX, XLSX, PPTX, HTML, TXT, EML и другие | |
| Для кого предназначен | Для разработчиков | Для разработчиков и ИТ-команд | Для всех, кто передаёт PDF | Для офисных пользователей на Windows |
| Стоимость | Бесплатно, плюс рабочее время сотрудников | Оплата за объём | Тарифный план Acrobat Pro | Разовая покупка $19.99 в США, пробный период — 7 дней |
Как выбрать
- Вы обрабатываете тысячи записей в базе данных или конвейере и располагаете разработчиками: библиотека или облачный сервис.
- Вы отправляете документ за пределы компании: используйте удаление фрагментов.
- Вы задаёте ИИ вопросы о документах клиентов и хотите вернуть имена в ответ: используйте настольное приложение с этапом проверки и возможностью восстановить имена.
Прежде чем остановиться на инструменте, попробуйте его на трёх хорошо знакомых вам документах на каждом используемом языке и подсчитайте, что он пропустил. Если в вашей компании есть специалист по защите данных или руководитель по вопросам соответствия требованиям, привлеките его до начала использования инструмента для обработки файлов клиентов.
Часто задаваемые вопросы
После псевдонимизации документа можно отправить его в любой инструмент ИИ?
Не автоматически. Согласно GDPR, данные по-прежнему являются персональными, и настройки обработки данных и условия самого инструмента ИИ тоже имеют значение. Псевдонимизация снижает риск, но не устраняет его.
Может ли бесплатная библиотека с открытым исходным кодом заменить платный инструмент?
Да, если кто-то в вашей команде может установить её, написать необходимый код и поддерживать её работу. Если таких специалистов нет, библиотека обойдётся дороже по времени, чем приложение — по деньгам.
Нужна ли обратимость, если мне требуется только краткое изложение?
Если в кратком изложении будут упоминаться люди — да: вам понадобится вернуть их имена. Если нет, достаточно односторонней замены.
Как быстро проверить инструмент?
Возьмите документ, в котором знаете каждое имя и каждый номер. Обработайте его инструментом и сравните результат. Проверьте отсканированные страницы, заголовки и подписи — именно там распознавание чаще всего даёт сбои.
ClientSafe заменяет имена, адреса, номера телефонов и удостоверений личности согласованными заполнителями на вашем ПК, позволяет проверить список и подставляет настоящие имена обратно в ответ ИИ. Распознавание не идеально, поэтому проверьте список перед копированием.