anonym.legal

By · Last updated 2026-06-05

Povratak na BlogTehnički

Presidio: 3-tjedno postavljanje vs upravljani PII

Microsoft Presidio ima tisuce GitHub zvjezdica i stotine otvorenih problema. Slozеnost postavljanja, overhead integracije PySpark i Python ovisnosti cine ga zahtjevnim.

June 5, 20266 min čitanja
Presidio setupPySpark integrationmanaged PresidioPython dependenciesPII setup complexity

Presidio: mocан alat, dugo postavljanje

Azurirano za 2026.

Microsoft Presidio je solidan alat za detekciju PII-a i de-identifikaciju. Ali to je veliki inzenjerski projekt. Njegovo pokretanje u produkciji zahtijeva pravi trud. Zajednica se slaze u tome.

GitHub Problem #237 je dobar primjer. Cak i iskusni developeri nailaze na konflikte okruzenja. Nailaze na greske ucitavanja modela i API greske. Dani debugiranja mogu proci prije prvog uspjesnog pokretanja.

Sto podaci zajednice pokazuju

Presidio GitHub repozitorij ima tisuce zvjezdica. To pokazuje snazno zanimanje. Ali popis otvorenih problema govori drugu pricu.

Problemi okruzenja: Konflikti verzija Pythona su cesti. Isto vrijedi za nesukladnosti spaCy modela i greske ONNX runtime-a. Ovi problemi pogadjaju developere koji tocno slijede dokumentaciju.

Greske ucitavanja modela: spaCy modeli se preuzimaju u redu ali ne ucitavaju se u nekim postavkama. Kontejneri i konfiguracije s malo memorije su cesti problematicni slucajevi. Njihovo popravak zahtijeva duboko poznavanje spaCy internih mehanizama.

Greske API-ja u produkciji: Analizator radi dobro u razvoju. Puca pod produkcijskim opterecenjem. Problemi s dretvama i pritisak memorije od NLP modela su glavni uzroci.

Overhead integracije: Ploomberоv blog о ovom okviru pokriva cijelu sliku. Koristi vise servisa - analizator, anonimizator i opcionalni redaktator slika. Njihovo povezivanje dodaje posao. Prijenos podataka izmedju servisa dodaje jos.

Slucaj Microsoft Fabrica

Microsoftova vlastita dokumentacija za Fabric pokazuje jaz izmedju "dostupnog" i "radnog".

Fabric blog post о PySparku to izravno navodi: postavljanje "zahtijeva upravljanje vanjskim ovisnostima i prilagodenom logikom." Fabric korisnici odabrali su upravljanu cloud platformu da preskоce tu vrstu posla. Ali dodavanje vanjskih alata vraca slozеnost.

Koraci za postavljanje PySpark su:

  1. Instalirajte presidio-analyzer i presidio-anonymizer u Fabric notebook.
  2. Preuzmite spaCy modele u Fabric okruzenju.
  3. Napisite PySpark UDF omotace za analizator i anonimizator.
  4. Obradite pakiranje spaCy modela za koristenje medu Spark radnicima.
  5. Postavite detekciju jezika za vise-jezicne skupove podataka.

Svaki korak ima poznate nacine kvara. Timovi na ovom putu cesto trose jedan do dva tjedna prije nego sto obrade svoju prvu ispravu.

Dva puta: samo-hostiranje vs upravljano

Upravljani pristup preokrace izazov postavljanja.

Put samo-hostiranja:

  1. Instalirajte Docker.
  2. Postavite docker-compose.yml.
  3. Preuzmite spaCy modele.
  4. Debugirajte umrezavanje kontejnera.
  5. Postavite API endpoints.
  6. Testirajte detekciju entiteta.
  7. Popravite lazne pozitivne i negativne.
  8. Izgradite prilagodene prepoznavace za nestandardne vrste entiteta.
  9. Dodajte revizijsko biljezelje.
  10. Podesite za produkcijsko opterecenje.

Vrijeme do prvog de-identificiranog dokumenta: tri do dvadeset i jedan dan.

Put upravljanog servisa:

  1. Stvorite racun.
  2. Prenesite dokument ili pozovite API.

Vrijeme do prvog de-identificiranog dokumenta: dvanaest minuta.

Oba puta koriste isti pristup detekciji. Upravljani put radi na hardveru koji netko drugi odrzava.

Kada samo-hostiranje ima vise smisla

Upravljani servis ne odgovara svakom slucaju.

Prilagodena obuka modela: Neki slucajevi zahtijevaju nove NER modele. Vlasnicki nazivi lijekova ili interni sifre proizvoda su primjeri. Samo-hostiranje daje vam alate za obuku.

Spark-nativna obrada: Neki cjevovodi trebaju detekciju PII-a unutar Spark izvrsitelja. Vanjski API poziv dodaje kaSnjenje koje kvari taj obrazac. Samo-hostiranje je jedino prikladno ovdje.

Potpuna kontrola: Neke sigurnosne politike blokiraju sve vanjske API pozive u cjevovodu podataka. anonym.legal desktop aplikacija radi potpuno offline. Samo-hostiranje je potpuno izolirana opcija.

Za vecinu slucajeva - obrada dokumenata, API tijek rada i alati za uskladivanje - upravljani servis u potpunosti uklanja infrastrukturni projekt.

Istovremeno pokretanje oba puta

Besplatni plan daje vam 200 kredita mjesecno. Dovoljno je za testiranje stvarnih dokumenata. Bez kreditne kartice. Bez obveze.

Evo jednostavnog paralelnog pristupa.

Tjedan 1: Postavite samo-hostirani analizator u razvoju. Pogledajte koliko ce biti slozena produkcijska konfiguracija.

Dan 1, paralelno: Stvorite racun upravljanog servisa. Pokrenite iste testne dokumente kroz upravljani API. Usporedite rezultate.

Kljucna pitanja:

  • Detektira li upravljani servis vrste koje trebate? Pokriva 285+ vrsta entiteta. Izgradnja open-sourcea pokriva oko 40 zadano.
  • Je li tocnost dovoljno dobra?
  • Odgovara li API vasem obrascu?
  • Odgovaraju li planovi vasem volumenu i budzetu?

Ako da na svemu: upravljani servis uklanja infrastrukturni projekt. Ako ne: jaz koji pronalaete su pravi razlozi za ostanak na samo-hostiranju.

Pogledajte kako su drugi timovi donijeli ovu odluku u nasim case studijama. Provjerite zastitне mjere i pojedinosti zastite na nasoj stranici sigurnosti i uskladivanja. Pronadjite odgovore na cesta pitanja u nasem FAQ-u.

Ukratko

Trotjedno postavljanje nije neuspjeh dokumentacije ili okvira. Pokazuje sto zahtijeva NLP infrastruktura produkcijskog razreda. Izazovi su stvarni. Trebaju vremena i vjestine za rjesavanje.

Za mnoge timove, PII de-identifikacija je zahtjev uskladivanja. To nije temeljni inzenjerski zadatak. Upravljani servis isporucuje istu detekciju. Cini to bez infrastrukturnog projekta. Dvanaest minuta od registracije do prvog de-identificiranog dokumenta odrzava trosak evaluacije veoma niskim.

Izvori

Povezani Članci

Tehnički

Cross-Platform PII: Mac, Linux, and Windows

Privacy officers on Mac, legal on Windows, data engineers on Linux — all processing the same data with different tools. Here's why OS-agnostic detection.

Tehnički

Cross-Application PII: Word, Chrome, and AI

Customer data flows from browser research to Word drafts to Claude prompts. Each context switch is a potential leakage point.

Tehnički

GDPR in App Logs: JSON PII Compliance

Application logs contain customer email addresses, IPs, and account numbers that GDPR Article 5(1)(e) requires be managed.

Spremni za zaštitu vaših podataka?

Započnite anonimizaciju PII-a s 285+ vrsta entiteta na 48 jezika.

Započnite Besplatno SuđenjePogledajte Značajke

About this page

We update this page when our platform or the law changes.

Read our founder note for how we work.

Each change shows up in the timestamp at the top.

Related reading

We follow these rules

  • GDPR (EU 2016/679).
  • ISO/IEC 27001:2022.
  • NIS2 (EU 2022/2555).
  • HIPAA safe harbor under 45 CFR § 164.514(b)(2).

Our promise

We do not sell your data.

We do not train models on your text.

We store your files in Germany.

You can delete your account at any time.

You own your work.

Where we run

Our servers live in Falkenstein, Germany.

We use Hetzner. They hold ISO 27001 certification.

All data stays in the EU.

Backups run every day.

Need help?

Email support@anonym.legal.

We reply within one business day.

How we test

We run a full check suite on every release.

Each surface gets its own sweep script and report.

Human reviewers spot-check the output each week.

We track recall and precision on a labelled set.

Bad runs block the deploy.

What we never do

  • We never sell your information to third parties.
  • We never train models on what you upload.
  • We never keep your work after you delete it.
  • We never share keys with any outside firm.
  • We never run ads inside the product.

Plans in plain words

We sell credits, not seats.

One credit covers one short job.

Long jobs use a few credits each.

You can top up at any time.

Unused credits roll over each month.

Read the plans page for current rates.

Who built this

A small team of engineers and lawyers built this.

We ship from Europe and work in the open.

Our founder note spells out why we started.

Where to start

How the parts fit

A browser add-on cleans text inside Chrome.

A Word plug-in handles drafts in Office.

A small desktop tool works on whole folders.

An agent protocol link feeds large models safely.

All four share one core engine and one rule set.

Words from our team

We started this work after a lunch about cookies.

One friend kept getting odd ads on her phone.

We asked why a court file leaked through a draft.

We sketched the first build on a napkin that week.

By month three we had a tiny demo for a friend.

She used it on her first case the next day.

Common questions we hear

Can the tool read scanned PDFs? Yes, with OCR.

Does it work on long files? Yes, in small chunks.

Can I roll my own rule set? Yes, save it as a preset.

Does it run offline? The desktop build runs offline.

Do you keep my files? No, the cloud build wipes after each run.

Will it learn from my work? No, we never train on inputs.

A short tour of the workflow

Upload a file or paste a snippet of prose.

Pick the entities you want gone from the draft.

Choose a method: replace, mask, hash, encrypt, or redact.

Press run and watch the side panel show each hit.

Skim the result and tweak any rule that misfired.

Save the cleaned file or send it to a teammate.