compliance-checker 是数据集领域的开源项目，由 ioos 开发，2013 年首次发布。
它收录于数据集分类，该分类目前共有 278 个项目，GitHub 星标数为 132。
项目目前处于活跃维护状态，最近一次代码更新于 2026-09-14。开源免费工具。
它主要面向的使用场景是：数据发布前自动扫描合规风险。同类可对比的替代方案包括 great_expectations、presidio。
compliance-checker
一键扫描数据集，快速发现合规风险
compliance-checker 是一个用 Python 编写的开源工具，用于检查数据集是否符合合规标准。它面向数据科学家、数据工程师和合规团队，解决数据集在共享、发布或训练模型前难以快速判断是否满足隐私、许可、伦理等合规要求的问题。核心能力包括：读取数据集元数据与内容，按预设或自定义的合规规则进行扫描，输出可读的检查报告，指出潜在违规项与风险点。项目定位为轻量级、可扩展的检查器，适合集成到数据流水线或 CI 流程中，在数据进入下游前自动把关。当前星标 132，属于早期项目，规则库和生态仍在积累，但已提供基础合规检查能力，适合需要快速搭建数据合规初筛的团队参考使用。
开源
free
数据集
GitHub 星标
★ 132
维护状态
活跃
是否开源
是
定价模式
free
项目数据
分类数据集
开发团队ioos
所属国家
定价模式free
价格说明开源免费工具
访问状态
是否开源是
开源协议Apache-2.0
主要语言Python
技术栈/模型
GitHub 星标★ 132
30天Star增速
HF 下载量
上线时间2013-10-02 00:00:00
最近更新2026-09-14 00:00:00
维护状态活跃
中文支持
访问方式
移动端支持
综合评分
收录时间2026-09-21
浏览次数0
使用教程
核心亮点
- 用 Python 实现，易于集成到现有数据流程或 CI 中
- 针对数据集合规场景，提供可读的检查报告
- 规则可扩展，方便按团队标准定制检查项
不足之处
- 早期项目，内置合规规则和覆盖范围有限
- 文档与社区生态尚不完善，长期维护待观察
适用场景
- 数据发布前自动扫描合规风险
- 数据流水线中作为合规门禁
- 模型训练前对数据集做合规初筛
替代项目
great_expectations、presidio
项目介绍
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···
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
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 ···
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