Presidio遗漏220余种GDPR实体：欧盟覆盖缺口
2026年更新版
微软Presidio默认附带约40个实体识别器。对于美国部署场景，这基本够用——涵盖社会安全号码（SSN）、美国护照、驾照、信用卡和电子邮件。
对于欧盟部署场景，缺口相当大。GDPR覆盖所有欧盟个人数据，无论数据主体的国籍如何。欧盟团队需要Presidio默认不提供的识别器。
Presidio的默认覆盖范围
Presidio的默认识别器分为四大类。
以美国为中心的ID：
- 美国社会安全号码（SSN）
- 美国护照号码
- 美国驾照号码
- 美国银行账号
- 美国个人纳税识别号（ITIN）
- 美国医疗执照号码
通用ID：
- 电子邮件地址
- 电话号码
- IP地址
- 信用卡号码
- 加密钱包地址
- URL
基于NER的文本实体：
- PERSON（人名）
- LOCATION（地名）
- ORGANIZATION（机构名）
- DATE_TIME（日期时间）
有限的国际支持：
- 英国NHS号码
- 英国国民保险号（NINO）
- 部分金融标识符
合计：约40个识别器。
欧盟团队的实际需求
金融ID
IBAN出现在大多数欧盟商业文件中，见于付款通知、发票和薪资单，遵循ISO 13616标准。Presidio无IBAN识别器。
以德国一家金融科技公司为例，每份付款文件都包含IBAN。没有IBAN检测，工具只能识别信用卡号，欧盟主流支付标识符就此遗漏，意味着一类关键的GDPR覆盖数据永远不会被发现。
国家税号
以下税号均不在Presidio的默认支持范围内：
- 德国税号（Steueridentifikationsnummer）： 11位数字
- 法国社会保障号（NIR）： 15位数字含校验码
- 意大利财政代码（Codice Fiscale）： 16位字符含校验和
- 西班牙国家身份证号（NIF/NIE）： 9位字符含字母
- 荷兰公民服务号（BSN）： 9位数字含elfproef校验
欧盟薪资团队处理多个成员国的文件时，若缺少这些识别器，将错过记录中最敏感的身份标识。
国家医疗ID
英国NHS号码已被支持，但以下ID不在覆盖范围内：
- 法国社会保障号（NIR，同时也是医疗ID）
- 德国法定医保号（Krankenkassennummer）
- 意大利财政代码（Codice Fiscale，同时也是医疗ID）
- 荷兰公民服务号（BSN，用于医疗保险）
欧盟医疗团队需要这些ID才能实现GDPR级别的数据保护。
欧盟驾照
欧盟驾照受2006/126/EC指令约束，每个成员国格式各异，字母数字结构因国而异。Presidio仅有美国驾照识别器，不支持欧盟驾照格式，导致欧盟驾照数据在处理中无法被检测到。
增值税号（VAT）
欧盟增值税号出现在每笔B2B交易中，格式为2位国家代码加8—12位数字，Presidio无VAT识别器。VAT号关联公司及其所有者，在GDPR框架下属于个人数据。
更多GDPR合规义务相关信息，参阅GDPR合规资源。
自定义识别器的成本
当欧盟团队发现这一缺口时，往往选择自行构建识别器，这需要付出真实的时间代价。
每个识别器的时间估算（粗略）：
- 研究格式规范：1—2小时
- 编写Python类：2—4小时
- 构建正则表达式和校验逻辑：2—4小时
- 添加上下文关键词：1—2小时
- 编写测试：2—3小时
- 部署和验证：1—2小时
每个识别器约需9—17小时，以上为粗略估算。
示例：德国金融科技公司需要四个识别器
IBAN、德国税号（Steuer-ID）、欧盟驾照、德国增值税号。
- 4个识别器 × 每个约13小时 = 52小时工作量
- 按每小时100欧元计算：约5,200欧元
这只是初次构建的成本。格式会随时间变化，新的边缘情况会出现，Presidio API更新可能导致已有代码失效，每次变更都需要开发人员介入审查和修复，年复一年累积额外成本。
托管实体库
anonym.legal在Presidio基础上扩展至285种以上实体类型，由团队持续维护，欧盟标识符从第一天起即可使用。
超出Presidio默认支持的部分包括：
- 所有欧盟成员国格式的IBAN
- 成员国税号：Steuer-ID、NIR、Codice Fiscale、NIF/NIE、BSN、PESEL等
- 欧盟国家医疗ID
- 欧盟格式增值税号
- 欧盟驾照格式
- 欧洲护照格式
- 支持的48种语言下的实体变体
当德国更新税号格式时，更新随服务同步发布，无需团队提交Pull Request。
对于库中未包含的ID类型，自定义实体构建器允许添加自定义规则，无需编写Python代码。
参阅安全与合规详情，了解更新机制和审计追踪的工作方式。
德国金融科技公司示例
某德国金融科技公司需要在客户文件中检测IBAN、BIC、Steuer-ID和商业登记号（Handelsregisternummer）。
Presidio对这四种类型的默认检测率：0%。
这四种类型均不在默认库中。这不是精准率低的问题，而是零检测——工具不是部分遗漏这些数据，而是完全看不见它们。
成本对比：
| 方案 | 第一年成本 |
|---|---|
| 自定义识别器（4个 × 13小时 × 100欧元/小时） | ~5,200欧元，另加持续维护成本 |
| 托管实体库（专业版计划） | 180欧元/年，四种类型均已覆盖 |
第一年差距约为29倍，此后每年的自定义维护成本持续累积，而托管服务价格保持不变。
结语
Presidio的默认配置能够很好地服务美国用例，但对于GDPR框架下的欧盟部署，覆盖明显不足。弥补这一缺口要么需要自定义识别器开发工作，要么需要使用托管服务。
对于合规要求明确、工程资源有限的欧盟团队，预构建的欧盟实体库免去了50余小时的开发工作量，文件从第一天起即可处理，无需事先编写任何自定义代码。