pii-masker

一行代码自动识别并打码敏感信息，保护数据隐私

PII Masker 是一个开源的个人身份信息（PII）脱敏工具，利用 DeBERTa-v3 模型自动检测并屏蔽文本中的敏感数据，如姓名、电话、邮箱、地址等。它解决的是数据共享、日志分析、模型训练等场景下隐私泄露的风险问题，通过高精度的实体识别和掩码替换，确保合规性。核心能力包括：基于先进 NLP 模型的精准检测、支持批量处理的可扩展性能、简单的 Python API 便于集成到现有工作流，以及可自定义掩码策略。项目处于早期阶段，但已提供完整的文档和示例，适合需要快速实现隐私保护的中小型团队或数据管道。

开源 free 搜索知识
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 184
维护状态 低维护
是否开源 是
定价模式 free

项目数据

分类搜索知识
开发团队HydroXai
所属国家
官网地址https://www.hydrox.ai
GitHubhttps://github.com/HydroXai/pii-masker
定价模式free
价格说明开源工具，本地部署，完全免费。
访问状态
是否开源是
开源协议
主要语言Jupyter Notebook
技术栈/模型agent,ai,databse,gpt,milvus,python,rag
GitHub 星标★ 184
30天Star增速
HF 下载量
上线时间2024-09-26 00:00:00
最近更新2026-09-21 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数6

使用教程

核心亮点

  • 基于 DeBERTa-v3 模型，PII 识别精度高，误报率低
  • 提供极简 Python API，几行代码即可集成到数据处理流程
  • 支持批量处理，可扩展性强，适合大规模数据管道

不足之处

  • 文档/社区待观察
  • 仅支持英文文本，对中文等非英文 PII 识别能力未知

适用场景

  • 日志脱敏：在日志收集或展示前自动屏蔽用户敏感信息
  • 数据共享：在对外提供数据集前去除个人身份信息以满足合规要求
  • NLP 训练：在训练模型前对语料进行 PII 清洗，避免隐私泄露

替代项目

Microsoft Presidio、DataFog、Azure Text Analytics PII

项目介绍

pii-masker 是数据集领域的开源项目，由 HydroXai 开发，2024 年首次发布。

它收录于数据集分类，该分类目前共有 279 个项目，GitHub 星标数为 184。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-21。开源工具，本地部署，完全免费。

它主要面向的使用场景是：日志脱敏：在日志收集或展示前自动屏蔽用户敏感信息。同类可对比的替代方案包括 Microsoft Presidio、DataFog、Azure Text Analytics PII。

上一篇：easy-dataset

下一篇：OakInk2

同类项目推荐

X-AnyLabeling 开源

一站式AI辅助标注，图像视频文本通吃，导出格式随心配

X-AnyLabeling: A lightweight, efficient, and unified cross-platform desktop applicat···

★ 10528 2026-08-10
aisheets 开源

像用表格一样批量调 AI，不写代码就能造和改数据集

Build, enrich, and transform datasets using AI models with no code

★ 1645 2026-09-20
distilabel 开源

基于论文的合成数据流水线，快速生成高质量 AI 反馈数据。

Distilabel is a framework for synthetic data and AI feedback for engineers who need ···

★ 3398 2026-08-10
DataGen 开源

用大模型一键生成定制化训练数据，告别数据荒

[ICLR'25] DataGen: Unified Synthetic Dataset Generation via Large Language Models

★ 69 2026-08-09