Hvorfor Regex, Ikke AI?
For at overholde reguleringer har du brug for resultater, du kan forklare og reproducere. Vores deterministiske tilgang leverer netop det—ingen black boxes, ingen overraskelser.
Detaljeret Sammenligning
We use the best tool for each job: deterministic regex patterns for structured data, and proven ML models for names and entities. Built on Microsoft Presidio.
| Entity Type | Detection Method | Examples |
|---|---|---|
| Strukturerede Data | Regex Mønstre | E-mails, CPR-numre, kreditkort, IBAN, telefonnumre |
| Navne & Organisationer | ML Modeller (spaCy, Stanza) | Personnavne, firmanavne, steder |
| 48 Sprog | XLM-RoBERTa | Tvær-sproglig enhedsgenkendelse |
| Reproducerbarhed | 100% Reproducerbar | Samme input = samme output, hver gang |
| Navnegenerering | Høj Præcision ML | Dokumenterede NLP-modeller med tillidsscore |
| Revidérbarhed | +Fuldstændig Revisionsbar | Position, type, tillid for hver enhed |
Hvordan Mønstergenkendelse Fungerer
Hver enhedstype har omhyggeligt udformede regex-mønstre, der matcher specifikke formater.
E-mail Adresser
[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}Matcher standard e-mail format: local-part@domain.tld
Kreditkortnumre
\b(?:4[0-9]{12}(?:[0-9]{3})?|5[1-5][0-9]{14}|...)\bMatcher Visa, Mastercard, Amex, og andre kortformater med Luhn-validering
Tysk IBAN
DE[0-9]{2}\s?[0-9]{4}\s?[0-9]{4}\s?[0-9]{4}\s?[0-9]{4}\s?[0-9]{2}Matcher tysk IBAN format med valgfri mellemrum
Bygget til Overholdelse
Når revisorer spørger "hvorfor blev dette detekteret?" har du brug for et klart svar. Vores regex-baserede tilgang giver netop det.
- GDPR Artikel 25: Privatliv ved design med forklarlig behandling
- ISO 27001: Dokumenterede, gentagelige processer
- Revisionsspor: Hver detektion kan spores til et specifikt mønster
Eksempel Revisionssvar
Oplev Deterministisk Detektion
Prøv vores regex-baserede PII detektion gratis med 200 tokens pr. cyklus.