Lokal PII anonymisering för AI-arbetsflöden, byggd för reglerade yrkesverksamma
Anonymisera känsliga dokument lokalt, ersätt personliga identifierare med konsekventa platshållare och återställ original efter AI-granskning, allt på din dator. Stript, utvecklad av Dr. Ingo Glaser, är ett Windows-verktyg som ansluter till desktop LLM-klienter som Claude medan det håller detektion och OCR på enheten. Nyckelfunktioner inkluderar kontextmedveten PII-detektering, återställning med ett klick, RegEx-anpassning och OCR för skannade PDF-filer, riktat till advokater, DPO:er och vårdpersonal som måste bevara konfidentialitet.
Vad gör Stript i en säker AI-arbetsflöde?
Stript upptäcker och ersätter personlig data på den lokala maskinen genom att köra AI-modeller på enheten för att hitta namn, adresser, IBAN och ärendenummer, och ersätter dem med konsekventa platshållare som [CLIENT_1]. Utdata kan klistras in i en desktop LLM eller skickas via Claude Desktop-integration, och appen kopplar platshållare tillbaka till original efter att AI-svaret har returnerats.
Påverkar anonymisering systemets prestanda under bearbetning?
Lokal bearbetning kräver en engångsnedladdning av modellen och utför sedan upptäckten och OCR offline, vilket innebär att arbetet sker på skrivbordet snarare än över nätverket. Verktygets arbetsflöde håller dokumentinnehållet lokalt, och OCR hanterar skannade PDF-filer; specifika CPU- eller minnesuppgifter ges inte, endast att modeller körs på användarens hårdvara.
Är Stript säkert att använda i reglerade miljöer?
Det upprätthåller en lokal-först arkitektur så att inget dokumentinnehåll lämnar enheten under anonymisering. Appen lagrar kartläggningsdata lokalt för återställning, och utvecklaren noterar att användare kan verifiera offline-beteende med standardverktyg för nätverksövervakning. Anpassade RegEx-regler låter specialister skärpa upptäckten för sektorsspecifika identifierare.
Behöver icke-tekniska användare avancerad kunskap för att använda det?
Den grundläggande loopen är Anonymisera, skicka till AI, Återställ, och är utformad för enkel användning. Avancerade alternativ inkluderar anpassade upptäcktsregler och RegEx-mönster för specialiserade dokument, så tekniska användare kan förfina matchningar medan typiska yrkesverksamma kan använda standarddetektorer och återställning med ett klick utan skriptning.
Stript passar integritetsmedvetna yrkesverksamma som måste använda LLM:er på ett säkert sätt
Verktyget erbjuder en verifierbar lokal anonymiseringspipeline och en enkel återställningsmekanism, vilket gör det praktiskt för juridiska, skatte- och vårdarbetsflöden som hanterar personuppgifter. Avvägningen är att det kräver en initial modellnedladdning och viss konfiguration för nischdokumenttyper. Rekommenderas.
