Новый стандарт открытого детектирования PII

Protegrity, специализирующаяся на безопасности данных для ИИ, анонсировала 5 ноября выпуск модели Protegrity-PII. Архитектура основана на XLM-RoBERTa и работает как токеновый энкодер-классификатор: текст рассматривается как контент для разметки, а не как инструкция к исполнению, что устраняет уязвимость к prompt-injection, характерную для генеративных подходов. Модель покрывает категории от имён и контактов до банковских карт, медицинских записей, биометрии и иммиграционного статуса.

Бенчмарк PII-SCOPE и сравнение с лидерами рынка

Вместе с весами компания открыла датасет PII-SCOPE — 8030 размеченных записей — и технический отчёт на arXiv с описанием методологии оценки. По данным Protegrity, их модель превосходит по полноте (recall) и точности (precision) такие решения, как Claude Fable 5, OpenAI Privacy Filter, AWS Comprehend и Microsoft Presidio. CEO Майкл Ховард подчёркнул, что публикация модели, бенчмарка и исследования позволяет сообществу самостоятельно верифицировать результаты.

Контекст: дебаты о настоящем открытом исходном коде в ИИ

Релиз происходит на фоне разгорающихся споров о терминологии «open source» в индустрии. Инициатива OSI (OSAID v1.0) и критика со стороны экспертов вроде How-To Geek указывают на то, что многие вендоры называют модели открытыми, накладывая лицензионные ограничения, противоречащие классическому определению. В то же время китайская лаборатория Qwen публично подтвердила приверженность открытой стратегии для будущих версий 4.0 и 5.0. Выпуск Protegrity-PII с полной прозрачностью весов, данных оценки и методологии становится практическим примером соответствия этим критериями.