Анонимизаторы

Один из способов снизить риск – убрать или заменить идентификаторы до загрузки документа в нейросеть. Анонимизатор заменяет ФИО, адреса, ИНН и телефоны на маркеры вида [ФИО_1], [АДРЕС_1], а после работы модели может выполнить обратную замену. Если сохраняется карта замены или человека можно узнать по контексту и метаданным, это скорее псевдонимизация, а не полное обезличивание.

Готовые решения

• Бесплатные от коллег: Docxдодыр (десктопный, полностью офлайн, вход только DOCX), PDFAnon (браузерный, работает с PDF и OCR).
• Платные: Molly Y/X (расширение, поддерживает PDF, DOCX, XLSX и картинки), встроенный анонимайзер Doczilla Pro.

Общий нюанс браузерных решений: локальность обработки приходится принимать на веру.

Собрать свой локальный анонимизатор

Собственный локальный анонимизатор можно собрать через вайб-кодинг. Рабочая архитектура – пять слоев детекции: regex для СНИЛС/ИНН/телефонов, словарное сопоставление, NER для имен и организаций, fuzzy matching для опечаток и локальная LLM, которая подчищает пропущенное.

1. Откройте отдельную папку в Codex или Claude Code, попросите создать Python-проект и начните с одного формата, например DOCX.
2. Дайте агенту готовый промпт и требования: какие данные искать, чем заменять и где хранить карту обратной замены.
3. Если используете локальную LLM, установите Ollama и модель под свой компьютер; для сканов потребуется локальный OCR.
4. Соберите тестовый набор без реальных данных, прогоняйте его после каждой правки, а историю ошибок храните в BUGS.md. Агент поможет исправить ошибку, но правку нужно воспроизвести и проверить.

Черновая версия появляется быстро, дальше начинается дебаг – он и занимает основное время. Это нормально.

Что обязательно проверить

• «Локально» означает, что локальны не только LLM, но и OCR, логи, временные файлы и резервные копии.
• Черный прямоугольник поверх PDF еще не удаляет текст или изображение под ним. Проверьте, что ПДн нельзя найти, выделить, скопировать или восстановить из скрытого слоя, комментариев, истории правок и метаданных.
• Карту обратной замены храните отдельно от обезличенного документа. Это самый чувствительный файл.
• Автоматика пропускает ПДн и дает ложные срабатывания. Нужны тестовый набор разных документов и ручная проверка результата перед загрузкой в облако.

Связанные заметки: NER · Конфиденциальность и ИИ · Локальные модели · Вайб-кодинг

Материалы по теме: обзор анонимизаторов · как построить свой локальный анонимизатор · проверка необратимости редактирования