guardrails-llm-filter
给大模型请求做脱敏，敏感数据不出本地
guardrails-llm-filter 是一个用 Go 编写的透明反向代理，部署在客户端与 LLM 服务商之间。它解决的核心问题是：企业或个人在使用云端大模型时，往往需要把包含手机号、身份证号、邮箱、密钥等敏感信息的提示词直接发给第三方 API，存在数据泄露风险。该项目在请求发往模型之前自动识别并移除这些敏感数据，用占位符替换；当模型返回结果后，再把占位符还原成原始内容，对上层应用完全透明，无需修改业务代码。核心能力包括：代理转发、敏感数据检测与脱敏、响应还原、可配置规则。适合需要合规使用外部 LLM 又不想暴露隐私数据的团队，作为一层轻量级安全网关。
项目数据
使用教程
核心亮点
- 透明代理模式，接入无需改动现有客户端代码
- 请求脱敏+响应还原双向处理，兼顾安全与可用性
- Go 编写，单二进制部署，资源占用低
不足之处
- 早期项目，规则覆盖和脱敏准确率有待验证
- 文档与社区生态尚不完善
适用场景
- 企业调用 OpenAI 等外部 API 时防止客户隐私外泄
- 客服/医疗等敏感行业在合规前提下使用云端大模型
- 开发者本地调试时避免真实密钥、手机号进入第三方日志
替代项目
microsoft/presidio、guardrails-ai/guardrails
项目介绍
上一篇：pi-guardrails
下一篇：any-guardrail
同类项目推荐
akto
开源
给 AI 应用做安全体检，防提示注入和数据泄露
Akto is the fastest growing AI Security platform for your teams to secure AI agents,···
XSafeClaw
开源
给 AI 智能体装上安全盾，自动红队测试找漏洞
Introducing XSafeClaw: The Open-Source Agent Safety Platform from Fudan University
Tracely-ai
开源
把生产事故变成回归测试，合并前自动拦截 AI 故障
Trace-native CI/CD for AI agents — production failures become regression tests that···
fast-llm-security-guardrails
开源
给 AI Agent 加一道快速安全闸门，防提示注入和隐私泄露
The fastest Trust Layer for AI Agents