Ang pinakaligtas na PII ay ang PII na hindi mo kailanman ipinadala. Hindi ito kailangan ng karamihan ng mga prompt na may dala nito.
Paano ito gumagana
Malawak ang depinisyong ginagamit ng NIST SP 800-122 (Abril 2010): ang PII ay “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.” (Salin ng BroadRouter: “anumang impormasyon tungkol sa isang indibidwal na hawak ng isang ahensya, kasama ang (1) anumang impormasyong magagamit para makilala o ma-trace ang pagkakakilanlan ng isang indibidwal, gaya ng pangalan, social security number, petsa at lugar ng kapanganakan, apelyido ng ina sa pagkadalaga, o biometric records; at (2) anumang iba pang impormasyong naka-link o mali-link sa isang indibidwal, gaya ng impormasyong medikal, pang-edukasyon, pinansyal at tungkol sa trabaho.”)
Personal data ang termino ng GDPR: “any information relating to an identified or identifiable natural person” (Salin ng BroadRouter: “anumang impormasyong may kinalaman sa isang kilala o makikilalang natural na tao”), kasama ang “a name, an identification number, location data, an online identifier” (Salin ng BroadRouter: “pangalan, identification number, location data, online identifier”). Halos ganoon din ang depinisyon ng personal data sa PDPL ng Saudi Arabia.
Kadalasang dalawang hakbang ang mga redaction tool. Hinahawakan ng analyzer ng Microsoft Presidio ang “PII identification in text” (Salin ng BroadRouter: “pagtukoy ng PII sa text”), gamit ang mga pattern at named-entity recognition. Pagkatapos, naglalapat ang anonymizer nito ng operator sa bawat tugma:
| Operator | Paglalarawan ng Presidio |
|---|---|
| replace | “Replace the PII with desired value” (Salin ng BroadRouter: “Palitan ang PII ng gustong value”) |
| redact | “Remove the PII completely from text” (Salin ng BroadRouter: “Tanggalin nang buo ang PII sa text”) |
| mask | “Replace the PII with a given character” (Salin ng BroadRouter: “Palitan ang PII ng isang ibinigay na character”) |
| hash | “Hashes the PII text using salted hashing for security” (Salin ng BroadRouter: “Hina-hash ang PII text gamit ang salted hashing para sa seguridad”) |
| encrypt | “Encrypt the PII using a given key” (Salin ng BroadRouter: “I-encrypt ang PII gamit ang isang ibinigay na key”) |
Isang placeholder pattern para sa isang support ticket:
Before: Ahmed Al-Harbi (+966 5x xxx xxxx) says order 4471 never arrived.
After: <PERSON_1> (<PHONE_1>) says order 4471 never arrived.
Sa panig mo itinatago ang mapping, at ibinabalik mo ang mga totoong value sa sagot ng model.
Bakit ito mahalaga
- Panganib ang bawat kopya. Pinapayuhan ng NIST ang mga organisasyon na “minimize the use, collection, and retention of PII to what is strictly necessary” (Salin ng BroadRouter: “bawasan ang paggamit, pangongolekta at pagtatago ng PII sa talagang kinakailangan lang”). Mga kopya ang mga prompt at log.
- May nalalampasan ang detection. Sinasabi ng Presidio na “there is no guarantee that Presidio will find all sensitive information” (Salin ng BroadRouter: “walang garantiyang mahahanap ng Presidio ang lahat ng sensitibong impormasyon”). Sa mga pangalang Arabic, format ng phone number sa Gulf at text na halo-halo ang script madalas lumalampas ang mga generic na detector; mag-test sa sarili mong data.
- Puwede ring tumagas ang outputs. Patakbuhin din ang parehong mga check sa mga response. Kayang i-block o i-flag ng guardrails ang mga ito.
Detalyadong tinatalakay ng Sending sensitive data to an LLM API ang redaction, placeholder at logging, at sakop naman ng usage logging with PII redacted ang sarili mong mga log.
Sa BroadNet Inference
Sinasabi ng privacy statement ng BroadNet na hindi nito itinatago ang mga prompt, audio, larawan, sagot o transcript, at hindi nito ginagamit ang inference data para mag-train, mag-fine-tune o mag-evaluate ng mga model. Nililimitahan nito kung ano ang naka-store matapos ang request. Hindi ito nagre-redact para sa iyo: naaabot pa rin ng PII ang model habang pinoproseso, kaya bawasan muna ito. Tingnan ang zero data retention.
Naglalathala rin ang BroadNet ng open-source na redaction proxy, ang LLM Sensitive Data Firewall (LSDF), sa ilalim ng Apache-2.0; inilalarawan ito ng post tungkol sa sensitibong data pati ang sariling evaluation figures ng BroadNet. Hindi legal advice ang page na ito.