چرا Regex، نه AI؟

برای انطباق با مقررات، به نتایجی نیاز دارید که بتوانید توضیح دهید و تکرار کنید. رویکرد قطعی ما دقیقاً همین را ارائه می‌دهد—بدون جعبه‌های سیاه، بدون شگفتی.

مقایسه دقیق

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 TypeDetection MethodExamples
داده‌های ساختار یافته
الگوهای Regex
ایمیل‌ها، شماره‌های SSN، کارت‌های اعتباری، IBANها، شماره‌های تلفن
نام‌ها و سازمان‌ها
مدل‌های یادگیری ماشین (spaCy، Stanza)
نام‌های افراد، نام‌های شرکت، مکان‌ها
۴۸ زبان
XLM-RoBERTa
شناسایی موجودیت‌های چندزبانه
قابلیت تکرار
۱۰۰٪ قابل تولید مجدد
ورودی یکسان = خروجی یکسان، هر بار
شناسایی نام
دقت بالا در یادگیری ماشین
مدل‌های NLP اثبات شده با نمرات اعتماد
قابلیت حسابرسی
+کاملاً قابل حسابرسی
موقعیت، نوع، اعتماد برای هر موجودیت

چگونه تطبیق الگو کار می‌کند

هر نوع موجودیت دارای الگوهای regex دقیقاً طراحی شده است که با فرمت‌های خاص مطابقت دارند.

آدرس‌های ایمیل

[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}

با فرمت استاندارد ایمیل مطابقت دارد: local-part@domain.tld

شماره‌های کارت اعتباری

\b(?:4[0-9]{12}(?:[0-9]{3})?|5[1-5][0-9]{14}|...)\b

با فرمت‌های ویزا، مسترکارد، امکس و سایر فرمت‌های کارت با اعتبارسنجی لوهن مطابقت دارد

IBAN آلمان

DE[0-9]{2}\s?[0-9]{4}\s?[0-9]{4}\s?[0-9]{4}\s?[0-9]{4}\s?[0-9]{2}

با فرمت IBAN آلمان با فضاهای اختیاری مطابقت دارد

ساخته شده برای انطباق

زمانی که حسابرسان می‌پرسند "چرا این شناسایی شد؟" شما به یک پاسخ واضح نیاز دارید. رویکرد مبتنی بر regex ما دقیقاً همین را فراهم می‌کند.

  • ماده 25 GDPR: حریم خصوصی با طراحی و پردازش قابل توضیح
  • ISO 27001: فرآیندهای مستند و تکرارپذیر
  • ردیابی حسابرسی: هر شناسایی می‌تواند به یک الگوی خاص پیوند داده شود

پاسخ حسابرسی مثال

س: چرا "john.smith@company.com" علامت‌گذاری شد؟
ج: با الگوی ایمیل در موقعیت 45-68 با اعتماد 0.95 مطابقت دارد. الگو: اعتبارسنجی فرمت استاندارد ایمیل.

تجربه شناسایی قطعی

شناسایی PII مبتنی بر regex ما را به صورت رایگان با 200 توکن در هر چرخه امتحان کنید.