مایکروسافت یه پروژه رو متن‌باز کرده به نام Presidio که برای استارتاپ‌ها و سرویس‌هایی که AI به داده‌های حساس کاربر دسترسی داره، خیلی مهمه.

مشکل اینه که تو خیلی از پایپ‌لاین‌های AI، دیتا خام و حساس مستقیم میره داخل مدل:
اسم، ایمیل، شماره ملی، کارت بانکی، پرونده پزشکی، آدرس، عکس و...

با Presidio قبل از اینکه دیتا اصلا به مدل AI برسه، اطلاعات حساس رو پیدا و ناشناس‌سازی می‌کنه.

یعنی می‌تونه:

- اطلاعات حساس رو mask، redact یا anonymize کنه
- از recognizerهای آماده یا سفارشی استفاده کنه
- به مدل‌های خارجی تشخیص PII وصل بشه
- با Python، PySpark، Docker و Kubernetes اجرا بشه
- فرآیند شناسایی و ناشناس‌سازی دیتا رو سفارشی کنه
- حتی متن‌های حساس داخل تصویر و تصاویر پزشکی DICOM رو redact کنه

گیت‌هاب پروژه:
https://github.com/microsoft/presidio

@DevTwitter | <Farokh/>