Pseudalis

使用和分享文档,而不暴露其中的个人数据

Pseudalis 检测您文档中的个人数据,并把每个值替换为一个以加密形式包含该值的标签。只有您电脑上的密钥才能还原文档,或任何由它派生的文本。

  • 免费
  • 开源
  • Windows 11, x64
  • 无需驱动
  • 版本 1.0.11
  • 发布日期 2026年11月11日
  • 许可证 Boost Software License 1.0
示例
主题:合同续签

[[PERSON:Rnifypn Eouiitlrwky#EKR]] 您好:

继 [[DATE:28/08/2018#VLC]] 通话之后,现随函附上 [[ORG:Xkekwmufwmcj Eouiitlrwky et Wldwdst SARL#T4N]]([[LOCATION:Saint-Ntaahgp#QWB]])的续签文件。
退款将汇入账户 [[IBAN:GB45 NWBK 6152 7186 9288 16#K9P]]。

您可以通过 [[PHONE:06 07 09 00 95#M2X]] 或 [[EMAIL:rnifypn.eouiitlrwky@pspbshklkspj.com#7HD]] 与我联系。

以上均为虚构的值。替换值由研究报告中的演示密钥生成;每个标签的三个校验字符仅作示意。

0.946
检测器在五种语言测试集上的 F1(1.0.11 版)
41,000
两个核心上每秒读取的字符数
40
个国家的身份类号码可校验
17 MB
自带一切、无需驱动的安装程序

Pseudalis 的优势

可逆,只需一把密钥

每个值都变成一个自带密文的标签。没有对照表,就没有什么会丢失或被盗:本机的密钥足以还原一切。

文档始终可用

Word、Excel、PowerPoint 和 PDF 文件保持原有版式。替换值保持原值的格式:导出的表格仍可关联,受保护的 IBAN 仍能通过校验。

安全地向外部 AI 提问

文本发给外部模型之前先做假名化,再在回答中还原原值。如果同一台电脑上装有 Albireo,转发功能会自动完成这一切。

没有任何数据离开电脑

检测、加密和原件保险库全部在本地运行。服务只监听回环地址。

从检测到还原

标签自带其值
每个值都变成一个标签,其中保存着用基于 AES-256 的 FF1 加密后的值,并带有校验。不保留任何对照表。
文档保持版式
Word、Excel、PowerPoint、PDF、文本、CSV、Markdown、HTML、XML、JSON 和 YAML 文件保持原有版式,PDF 保持原有页面。
带标签或不带标签
也可以只写入替换值,让文件读起来像一份普通文档,适合用于提示、测试数据或对外发送的文件。
名称与属性
文件名、压缩包条目和文档属性同样被替换,并在还原时恢复。
强制词条与列
管理员最多可以指定 100 个词条和 100 个 CSV 列,在读取其他内容之前先行替换,从而保证导出表格之间的关联仍然成立。
原件加密保存
原件进入一个在时间和空间上都有上限的加密保险库,并可凭匿名化文件的任意副本按需取回。
由 Albireo 描述图片
如果同一台电脑上装有 Albireo,每张图片都会被替换为一段不指名任何人的描述。
一致的替换值
相同的值在各处得到相同的替换值,受保护的 IBAN 仍能通过校验,日期则按一个保密的偏移量整体平移。

融入您日常使用的工具

一个虚拟盘

复制到 Pseudalis 虚拟盘的文件或文件夹,一旦写入就会被匿名化,连名称在内。无需安装任何驱动。

资源管理器命令

对文件、文件夹以及最多 100 项的选择执行“匿名化”和“还原”,可带标签或不带标签,可原地处理或另存副本。

一个网页应用

拖入文件、压缩包和文件夹,或粘贴一段文本,即可取回匿名化或还原后的结果。

一个本地接口

位于回环地址上、带文档的 HTTPS 接口,供其他程序使用:文件、文本、名称、记录和设置。

四种检测机制

规则识别有结构的值;两个经过训练的小模型则根据上下文识别规则遗漏的值。

  1. 带校验的扫描器

    电子邮件和 IP 地址、电话号码、IBAN、银行卡,以及约四十个国家的身份类号码,校验位验证通过才予以接受。

  2. 词表

    五种语言的 44 张词表:称谓、字段标签、法律形式、名字、公共机构以及约两千个组织。

  3. 结构化 SVM 标注器

    一个基于词的序列标注器,根据上下文识别姓名、地点、地址和组织。

  4. 字节级 transformer

    一个 116,791 个参数的片段模型,能读取任意拼写,并报告一个值的起止位置。

Pseudalis 的适用人群与用途

数据保护官

针对 GDPR 第 25 条和第 32 条的一项切实的假名化与加密措施,其局限有明确记载。

使用生成式 AI 的团队

提示和附件发出时不含姓名、地址或账号,而回答回来时内容完整。

开发与测试人员

生产环境的导出数据变成测试数据,格式和表间关联都得以保留。

支持与咨询

发给供应商或合作伙伴的文档只带替换值,原件则留在加密保险库中。

规格

平台Windows 11, x64,无需驱动
文档Word、Excel 和 PowerPoint(.docx、.xlsx、.pptx 及其带宏和模板的变体)、PDF
文本三十多种扩展名,包括 .txt、.csv、.md、.json、.xml、.html、.yaml 和 .sql,以及任何内容为文本的文件
图片与压缩包PNG、JPEG、GIF、BMP、TIFF 和 WebP 图片;ZIP、TAR 和 TAR.GZ 压缩包;整个文件夹
可识别的语言法语、英语、意大利语、西班牙语和德语
界面语言英语、法语、德语、意大利语和西班牙语
值的加密基于 AES-256 的 FF1,每个标签以 HMAC-SHA-256 认证
原件保险库AES-256-CTR 配合 HMAC-SHA-256;主密钥由 DPAPI 保护;密钥以 HKDF-SHA-256 派生
密钥导出12 个字符以上的口令,PBKDF2-SHA-256,600,000 次迭代
本地接口https://127.0.0.1:8444,以 Swagger 提供文档
更新以 ECDSA P-256 签名的更新源,安装程序按大小和 SHA-256 校验
依赖无:安装程序自带一切,程序只导入 Windows 自身的库
许可证Boost Software License 1.0,Community 版本,不含任何 copyleft 组件

检测器的实测数据

这些数字针对完整检测器和所有类别;只有当预测的类型及其首末字节都完全正确时,才计为一次正确预测。

完整检测器,精确片段,所有类别(Pseudalis 1.0.5)
测试集精确率召回率F1
测试集,五种语言0.9550.9350.945
训练中从未见过的值0.9510.9350.943
六倍噪声0.9410.8970.918
完整文档0.9610.9430.952
仅国外地点0.9600.9390.949
各组件的贡献(Pseudalis 1.0.5)
系统测试集上的 F1
仅规则0.840
仅 SVM 标注器0.749
仅字节级 transformer0.903
完整检测器0.945
按语言精确率召回率F1
法语0.9750.9650.970
英语0.9710.9640.967
意大利语0.9500.9260.938
德语0.9490.9260.937
西班牙语0.9280.8980.913
服务处理完整文档的耗时
文档大小耗时
5,000 词、含 720 个值的文本,.txt27.5 KB2.5 – 2.6 s
同一文本,.docx27.5 KB1.4 – 1.5 s
1,000 行、含 5,027 个值的 CSV95 KB5.8 – 5.9 s

1.0.11 版在测试集上的 F1 达到 0.946,六倍噪声下为 0.919,完整文档上为 0.953,国外地点上为 0.951;表格给出的是 1.0.5 版的详细测量值。在五种语言的手写文本上,F1 介于 0.886 与 0.907 之间。在为测试编写的十六个五种语言的文件(Word、PowerPoint、PDF、CSV、源代码、图像)上,1.0.11 版在 1,223 个待保护的值中仅留下 2 个可读,而上一版为 109 个。在一份真实文档的私有样本上,精确率为 0.859,召回率为 0.912:大约每十一个值中有一个仍然可读,因此受保护的文档在分享前应当再读一遍。检测器在两个核心上每秒读取约 41,000 个字符。

GDPR 覆盖情况

这种保护属于 GDPR 意义上的假名化:密钥可以还原数据,因此对密钥持有者而言,这些数据仍是个人数据。Pseudalis 提供了第 25 条和第 32 条所列的多项措施:在本机上处理、假名化与加密、在时间和空间上设限的加密保险库、遗忘功能,以及签名更新。

个人数据类别
类别状态手段
姓名、昵称、登录名已覆盖规则、标签、传播、模型
地址、城市、带城市的邮政编码已覆盖规则、标签、模型
电话、电子邮件、日期已覆盖扫描器;日期整体平移
称谓、性别、国籍已覆盖规则、标签
带校验的标识符:社会保障号、IBAN、银行卡,约 40 个国家已覆盖带校验的扫描器
IP、MAC、UUID、IMEI、车牌、VIN、GPS已覆盖带校验的扫描器
组织和具名公共机构已覆盖规则、词表、模型、强制词条
身份证、驾驶证、居留许可部分覆盖通过其标签识别
客户号、案件号、合同号和员工号部分覆盖标签、提示词或组织自定的模式
以完整句子写出的健康、信仰或犯罪事实未覆盖保持可读
图片中的文字未覆盖不做 OCR:图片被移除
标准与参考
NIST SP 800-38G值的 FF1 保留格式加密
AES-256, HMAC-SHA-256标签和保险库的加密与认证
HKDF-SHA-256, PBKDF2-SHA-256密钥派生以及导出密钥的保护
ECDSA P-256更新源的签名
GDPR 第 25 条和第 32 条假名化与加密,作为设计阶段的数据保护措施和安全措施
EDPB 指南 01/2025假名化,依据 2026 年 11 月时的文本

Pseudalis 的局限

  • 在学习型类别上,检测是概率性的:受保护的文档在分享前应当再读一遍。
  • 信任模型以电脑为单位:这台电脑的所有用户共享它的密钥、原件和管理权限。
  • 没有文本层的扫描页会被保留为灰色方块:不执行 OCR。
  • 如果文档的语言不在识别器支持的五种语言之内,会有更多的值保持可读。

使用须知

价格与许可
Pseudalis Community 以 Boost Software License 1.0 免费提供,不含任何 copyleft 组件。
格式
Word、Excel、PowerPoint、PDF、三十多种文本格式、图像、ZIP 和 TAR 压缩包,以及整个文件夹。
可识别的语言
法语、英语、意大利语、西班牙语和德语。其他语言的文档会有更多的值保持可读。
准确度
在五种语言的测试集上,1.0.11 版的检测器经过模型重新训练,F1 达到 0.946。检测是概率性的:受保护的文档在分享前请再读一遍。
密钥
密钥在本机上生成,并由 Windows 保护。它可以用 12 个字符以上的口令导出。

安装

安装程序包含各个程序、服务、托盘图标和资源管理器命令。在已有安装上再次运行时,它会进行更新,并保留数据、密钥和选项。

pseudalis-setup /silent [/dir <folder>] [/data-dir <folder>] [/drive <letter>|none] [/port <port>] [/no-context-menu]
pseudalis-setup /uninstall [/silent] [/purge]
pseudalis-setup /service start|stop|restart

pseudalis protect [--copy] [--no-tags] <file or folder>...
pseudalis restore [--copy] <file or folder>...

与 Albireo 装在同一台电脑上

Albireo 用安装时选定的语言描述文档中的每张图片,Pseudalis 在写入描述之前先用检测器检查一遍。反过来,Albireo 转发的文本在离开电脑之前也会先经过 Pseudalis。

安装 Pseudalis,保护您的第一份文档

把文件复制到 Pseudalis 虚拟盘,或在资源管理器中右键单击它:匿名化版本片刻即可就绪。