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
主题:合同续签 Jean Dupont 您好: 继 12/03/2019 通话之后,现随函附上 Atelier Dupont et Fils SARL(Saint-Malo)的续签文件。 退款将汇入账户 GB29 NWBK 6016 1331 9268 19。 您可以通过 06 12 34 56 78 或 jean.dupont@example.com 与我联系。
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。
主题:合同续签 Rnifypn Eouiitlrwky 您好: 继 28/08/2018 通话之后,现随函附上 Xkekwmufwmcj Eouiitlrwky et Wldwdst SARL(Saint-Ntaahgp)的续签文件。 退款将汇入账户 GB45 NWBK 6152 7186 9288 16。 您可以通过 06 07 09 00 95 或 rnifypn.eouiitlrwky@pspbshklkspj.com 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。
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。
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。
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。
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。
| 测试集 | 精确率 | 召回率 | F1 |
|---|---|---|---|
| 测试集,五种语言 | 0.955 | 0.935 | 0.945 |
| 训练中从未见过的值 | 0.951 | 0.935 | 0.943 |
| 六倍噪声 | 0.941 | 0.897 | 0.918 |
| 完整文档 | 0.961 | 0.943 | 0.952 |
| 仅国外地点 | 0.960 | 0.939 | 0.949 |
| 系统 | 测试集上的 F1 |
|---|---|
| 仅规则 | 0.840 |
| 仅 SVM 标注器 | 0.749 |
| 仅字节级 transformer | 0.903 |
| 完整检测器 | 0.945 |
| 按语言 | 精确率 | 召回率 | F1 |
|---|---|---|---|
| 法语 | 0.975 | 0.965 | 0.970 |
| 英语 | 0.971 | 0.964 | 0.967 |
| 意大利语 | 0.950 | 0.926 | 0.938 |
| 德语 | 0.949 | 0.926 | 0.937 |
| 西班牙语 | 0.928 | 0.898 | 0.913 |
| 文档 | 大小 | 耗时 |
|---|---|---|
| 5,000 词、含 720 个值的文本,.txt | 27.5 KB | 2.5 – 2.6 s |
| 同一文本,.docx | 27.5 KB | 1.4 – 1.5 s |
| 1,000 行、含 5,027 个值的 CSV | 95 KB | 5.8 – 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。
| 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 |
| 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。
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。