Presidio - 数据保护与去标识化 SDK

面向文本和图像的上下文感知、可插拔且可定制的 PII 去标识化服务。

---

组件	下载量	覆盖率
Presidio Analyzer
Presidio Anonymizer
Presidio Image-Redactor
Presidio Structured

什么是 Presidio

Presidio (源自拉丁语 praesidium，意为“保护、驻军”) 帮助确保敏感数据得到妥善管理和治理。它提供快速的识别和匿名化模块，用于检测文本中的个人身份信息，例如信用卡号、姓名、地点、社会安全号码、比特币钱包、美国电话号码、财务数据等。

---

:blue_book: 完整文档

:question: 常见问题解答

:thought_balloon: 演示

:flight_departure: 示例

---

您在使用 Presidio 吗？我们很想了解您的使用情况

请帮助我们改进，填写这份简短的匿名调查问卷。

---

目标

• 通过普及去标识化技术并提高决策透明度，使组织能够以更简单的方式保护隐私。
• 支持针对特定业务需求的扩展性和可定制性。
• 在多个平台上实现全自动和半自动的 PII 去标识化流程。

主要特性

1. 预定义或自定义的 PII 识别器，利用命名实体识别、正则表达式、基于规则的逻辑和校验和，并结合多语言的相关上下文。
2. 可选连接外部 PII 检测模型。
3. 多种使用方式，从 Python 或 PySpark 工作负载到 Docker 和 Kubernetes。
4. 可定制性，支持 PII 的识别和去标识化。
5. 用于在图像中遮盖 PII 文本的模块（支持标准图像类型和 DICOM 医学图像）。

:warning: Presidio 可以帮助识别结构化或非结构化文本中的敏感/PII 数据。然而，由于它采用自动化检测机制，无法保证一定能找到所有敏感信息。因此，建议配合其他系统和防护措施使用。

安装 Presidio

1. 使用 pip
2. 使用 Docker
3. 从源码安装
4. 从 V1 迁移到 V2

运行 Presidio

1. 入门指南
2. 搭建开发环境
3. 文本中的 PII 去标识化
4. 图像中的 PII 去标识化
5. 使用示例和部署案例

---

支持

• 在提交问题之前，请先查阅文档。
• 如需一般性讨论，请使用GitHub 仓库的讨论区。
• 如果您有使用上的疑问、发现了 bug 或有改进建议，请提交GitHub 问题。
• 其他事宜，请发送邮件至presidio@microsoft.com。

贡献

有关如何参与本项目贡献的详细信息，请参阅贡献指南。

本项目欢迎各类贡献和建议。大多数贡献都需要您同意一份贡献者许可协议 (CLA)，声明您有权并将您的贡献权利授予我们。详情请访问https://cla.microsoft.com。

当您提交拉取请求时，CLA 机器人会自动判断您是否需要签署 CLA，并相应地标记 PR（例如添加标签、发表评论）。您只需按照机器人提供的指示操作即可。对于使用我们 CLA 的所有仓库，您只需完成一次此步骤。

本项目已采纳微软开源行为准则。更多信息请参阅行为准则常见问题解答，或如有任何其他问题或意见，请联系opencode@microsoft.com。

贡献者

Presidio 快速上手指南

Presidio 是一个由微软开源的上下文感知、可插拔且可定制的 PII（个人身份信息）去标识化 SDK，支持文本和图像中的敏感数据识别与脱敏。

环境准备

• 操作系统：Windows、macOS 或 Linux
• Python 版本：Python 3.7 - 3.11
• 前置依赖：
  • pip 包管理工具
  • （可选）Docker，若选择容器化部署
  • （可选）spaCy 模型，用于增强实体识别效果（如 en_core_web_lg）

💡 国内开发者建议使用清华或阿里云镜像加速 pip 安装：

pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

安装步骤

方式一：通过 pip 安装（推荐）

安装核心组件（分析器 + 匿名器）：

pip install presidio-analyzer presidio-anonymizer

如需处理图像中的 PII，额外安装：

pip install presidio-image-redactor

方式二：通过 Docker 运行

拉取官方镜像并启动服务：

docker run --rm -it -p 8080:80 mcr.microsoft.com/presidio-analyzer
docker run --rm -it -p 8081:80 mcr.microsoft.com/presidio-anonymizer

注：微软镜像在国内访问可能较慢，可考虑使用阿里云容器镜像服务加速（需自行配置镜像代理）。

基本使用

以下是最简单的文本 PII 识别与脱敏示例：

from presidio_analyzer import AnalyzerEngine
from presidio_anonymizer import AnonymizerEngine

# 初始化引擎
analyzer = AnalyzerEngine()
anonymizer = AnonymizerEngine()

# 待处理文本
text = "我叫张三，身份证号是 11010519491231001X，电话是 13800138000。"

# 识别 PII
results = analyzer.analyze(text=text, language="zh")

# 执行脱敏
anonymized_text = anonymizer.anonymize(
    text=text,
    analyzer_results=results
)

print(anonymized_text.text)

输出示例：

我叫<PERSON>，身份证号是<US_SSN>，电话是<PHONE_NUMBER>。

💡 提示：Presidio 默认支持多种语言，但中文识别效果依赖自定义规则或集成外部模型。建议结合业务场景添加自定义识别器以提升准确率。

---

更多高级用法（如自定义识别器、图像脱敏、Spark 集成等）请参考官方文档：https://microsoft.github.io/presidio