La PII más segura es la que nunca se envía. La mayoría de los prompts que la llevan no la necesitan.
Cómo funciona
El NIST SP 800-122 (abril de 2010) usa una definición amplia: la PII es “any information about an individual maintained by an agency, including (1) any information that can be used to distinguish or trace an individual’s identity, such as name, social security number, date and place of birth, mother’s maiden name, or biometric records; and (2) any other information that is linked or linkable to an individual, such as medical, educational, financial, and employment information.” (traducción: cualquier información sobre una persona que conserve una agencia, incluida (1) cualquier información que pueda usarse para distinguir o rastrear la identidad de una persona, como el nombre, el número de la seguridad social, la fecha y el lugar de nacimiento, el apellido de soltera de la madre o los registros biométricos; y (2) cualquier otra información vinculada o vinculable a una persona, como la información médica, educativa, financiera y laboral.)
El término del RGPD es datos personales: “any information relating to an identified or identifiable natural person” (traducción: toda información sobre una persona física identificada o identificable), incluidos “a name, an identification number, location data, an online identifier” (traducción: un nombre, un número de identificación, datos de localización, un identificador en línea). La PDPL de Arabia Saudí define los datos personales en términos similares.
Las herramientas de anonimización suelen trabajar en dos pasos. El analizador de Microsoft Presidio se encarga de la “PII identification in text” (traducción: identificación de PII en texto), usando patrones y reconocimiento de entidades nombradas. Después, su anonimizador aplica un operador a cada coincidencia:
| Operador | Descripción de Presidio |
|---|---|
| replace | “Replace the PII with desired value” (traducción: sustituir la PII por el valor deseado) |
| redact | “Remove the PII completely from text” (traducción: eliminar la PII por completo del texto) |
| mask | “Replace the PII with a given character” (traducción: sustituir la PII por un carácter dado) |
| hash | “Hashes the PII text using salted hashing for security” (traducción: aplica un hash con sal al texto de la PII por seguridad) |
| encrypt | “Encrypt the PII using a given key” (traducción: cifrar la PII con una clave dada) |
Un patrón de marcadores para un ticket de soporte:
Before: Ahmed Al-Harbi (+966 5x xxx xxxx) says order 4471 never arrived.
After: <PERSON_1> (<PHONE_1>) says order 4471 never arrived.
Usted conserva la correspondencia de su lado y vuelve a poner los valores reales en la respuesta del modelo.
Por qué importa
- Cada copia es un riesgo. El NIST aconseja a las organizaciones “minimize the use, collection, and retention of PII to what is strictly necessary” (traducción: reducir el uso, la recopilación y la conservación de PII a lo estrictamente necesario). Los prompts y los logs son copias.
- La detección se deja cosas. Presidio dice que “there is no guarantee that Presidio will find all sensitive information” (traducción: no hay garantía de que Presidio encuentre toda la información sensible). Los nombres árabes, los formatos de teléfono del Golfo y el texto que mezcla alfabetos son donde los detectores genéricos suelen fallar; pruebe con sus propios datos.
- Las salidas también pueden filtrar datos. Aplique los mismos controles a las respuestas. Los guardrails pueden bloquearlas o marcarlas.
Enviar datos sensibles a una API de LLM trata en detalle la anonimización, los marcadores y el registro, y el registro de uso con la PII anonimizada cubre sus propios logs.
En BroadNet Inference
La declaración de privacidad de BroadNet dice que no conserva prompts, audio, imágenes, respuestas ni transcripciones, y que no usa los datos de inferencia para entrenar, ajustar ni evaluar modelos. Eso limita lo que se almacena después de la solicitud. No anonimiza por usted: la PII sigue llegando al modelo durante el procesamiento, así que minimícela primero. Consulte retención cero de datos.
BroadNet también publica un proxy de anonimización de código abierto, el LLM Sensitive Data Firewall (LSDF), bajo Apache-2.0; el artículo sobre datos sensibles lo describe junto con las cifras de evaluación de la propia BroadNet. Esta página no es asesoramiento legal.