rizzo-pii

本地脱敏文档，再放心喂给 LLM

rizzo-pii 是一个本地优先的隐私保护工具，专门解决在把文档交给大语言模型处理前，如何自动识别并匿名化其中的个人身份信息（PII）的问题。它基于命名实体识别（NER）和 token 分类模型（如 mmBERT），在本地完成扫描与脱敏，避免敏感数据上传到云端。核心能力包括：自动检测姓名、地址、税号、电话等隐私字段，支持意大利语等语言与 GDPR 合规场景，可对文档进行替换、掩码或占位符处理后再送入 LLM。项目面向法律科技、医疗、金融等对数据出境敏感的行业，让团队在享受 LLM 能力的同时不违反隐私法规。作为本地运行的开源方案，它不依赖外部 API，数据不出本机，适合需要审计与可控性的场景。

开源 free 评测安全

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 1074

维护状态活跃

是否开源是

定价模式 free

项目数据

分类评测安全

开发团队Rizzo-AI-Academy

所属国家

官网地址https://rizzo-ai-academy.github.io/rizzo-pii

GitHubhttps://github.com/Rizzo-AI-Academy/rizzo-pii

定价模式free

价格说明开源免费，本地运行无需付费

访问状态

是否开源是

开源协议MIT

主要语言Python

技术栈/模型anonymization,gdpr,italian,legal-tech,llm,local-first,mmbert,named-entity-recognition,pii,privacy,token-classification,transformers

GitHub 星标★ 1074

30天Star增速

HF 下载量

上线时间2026-06-28 00:00:00

最近更新2026-09-27 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2026-09-28

浏览次数0

使用教程

难度：入门约 15 分钟部署方式：Docker 6 步

环境要求

安装 Docker（构建镜像用，大小约 2.65 GB）
任意 64 位 CPU，无需 GPU；模型 fp32 约 1.2 GB，量化后约 0.5 GB 内存
磁盘空间预留约 1.2–2.65 GB 存放镜像与模型
docker build 阶段需要联网下载依赖与模型，运行阶段完全离线

安装与启动步骤

1克隆项目仓库

从 GitHub 拉取源码并进入项目目录，后续命令都在该目录执行。
```
git clone https://github.com/Rizzo-AI-Academy/rizzo-pii
cd rizzo-pii
```
2构建 Docker 镜像

联网下载 CPU 版 PyTorch 与 rizzo-pii-0.3B 模型并打包进镜像，约需 10 分钟。
```
docker build -t rizzo-pii .
```
3启动服务容器

后台运行容器并把端口映射到本机 127.0.0.1，避免服务暴露到局域网。
```
docker run -d --name rizzo-pii -p 127.0.0.1:5005:5005 rizzo-pii
```
4查看启动日志

gunicorn 日志显示模型加载进度；模型就绪前 /health 返回 503，首个请求需等待。
```
docker logs -f rizzo-pii
```
5停止并移除容器

不再使用时清理容器，镜像仍保留，可随时用同一条 run 命令重新启动。
```
docker rm -f rizzo-pii
```
6源码方式运行(可选)

不用 Docker 时，用虚拟环境装依赖后启动同一套 Web 服务；Windows 改用 ..venvScriptsActivate.ps1 激活。
```
python -m venv .venv && source .venv/bin/activate
pip install -r requirements.txt
```

关键配置

配置项	必填	说明	示例
`-p 127.0.0.1:5005:5005`	是	端口映射，只允许本机访问 5005 端口	`-p 127.0.0.1:5005:5005`
`HF_HUB_OFFLINE`	否	设为 1 时禁止联网下载模型，保证文档不出本机	`HF_HUB_OFFLINE=1`
`.env`	否	由 .env.example 复制而来，填 W&B / Gemini 密钥，仅重训模型时需要	`cp .env.example .env`

如何确认成功

执行 docker ps 看到容器状态为 healthy，浏览器打开 http://127.0.0.1:5005 能正常访问页面。

常见问题

Q：没有 GPU 可以用吗？

A：可以。模型本身 CPU 即可运行，量化后内存占用约 0.5 GB，官方明确说明无需 GPU。

Q：文档会被上传到云端吗？

A：不会。推理全程本地完成，容器内设置 HF_HUB_OFFLINE=1，模型和文档都不离线，也不需要 API Key。

Q：为什么端口要写成 127.0.0.1:5005:5005？

A：容器内绑定 0.0.0.0，若写成 5005:5005 会把服务暴露到局域网；用 127.0.0.1 前缀可限制为仅本机访问。

Q：启动后立刻访问页面报错或 503？

A：模型约 1.2 GB，加载需要时间；/health 在模型就绪前一直返回 503，等 docker ps 显示 healthy 后再访问。

Q：不想装 Python 或 Docker 怎么办？

A：直接从 Releases 页面下载现成安装包：Windows 安装器、macOS .dmg（Apple Silicon）或 Linux AppImage（chmod +x 后运行）。

注意事项

docker build 阶段需要联网，docker run 阶段完全离线，符合数据不出本机的要求。
发布端口务必用 127.0.0.1:5005:5005，避免把脱敏服务暴露到局域网。
普通使用只需模型推理，不需要数据集、训练脚本和 GPU；重新训练才需要单张 16 GB 显存 GPU。
重训相关脚本与 Blackwell/cu128 等环境约束见仓库 CLAUDE.md，打包说明见 docs/BUILD.md。

核心亮点

本地运行，文档不出本机，满足 GDPR 等合规要求
基于 NER/token 分类模型自动识别多种 PII 实体
支持意大利语等语言，面向法律科技等垂直场景

不足之处

模型与语言覆盖有限，非英语/意大利语效果待验证
文档与社区规模较小，长期维护待观察

适用场景

律师事务所在把合同发给 LLM 前先脱敏当事人信息
企业合规团队批量清洗含 PII 的文档再用于 AI 分析
开发者把隐私过滤集成到本地 LLM 工作流中

替代项目

Presidio、scrubadub

项目介绍

rizzo-pii 是评测安全领域的开源项目，由 Rizzo-AI-Academy 开发，是 2026 年新上线的项目。

在全站 13,199 个收录项目中，它的 GitHub 星标数（1,074）位列前 30%，在评测安全分类中处于中上游。

项目目前处于活跃维护状态，最近一次代码更新于 2026-09-27。开源免费，本地运行无需付费。

它主要面向的使用场景是：律师事务所在把合同发给LLM前先脱敏当事人信息。同类可对比的替代方案包括 Presidio、scrubadub。

上一篇：SIMURG

下一篇：hanshuang-codex