Ertas 用於 PII 去識別化流水線

The Challenge

處理客戶資料用於 AI/ML 專案的組織必須在任何模型訓練或 RAG 擷取之前去識別化 PII。手動去識別化速度慢且容易出錯。基於正規表示式的腳本會遺漏邊緣情況。雲端去識別化工具需要資料出口，而受監管客戶禁止這樣做。

The Solution

Ertas Data Suite 的 PII 去識別化節點以確定性方式處理電子郵件、電話、社會安全號、地址和醫療 ID。作為視覺化流水線的一部分執行——檔案匯入 → 解析器 → PII 去識別化器 → 品質評分器 → 匯出器。每次去識別化都記錄時間戳記和操作員 ID。完全在本地執行。

Key Features

Example Workflow

一家服務提供商收到客戶醫療文件用於臨床 NLP 模型訓練。他們在 Ertas Data Suite 中建構流水線：檔案匯入 → PDF 解析器 → PII 去識別化器（設定為醫療 ID、患者姓名、地址）→ 品質評分器 → JSONL 匯出器。流水線在客戶的本地工作站上處理 10,000 個文件。稽核追蹤匯出給客戶的合規團隊，展示每個去識別化決策。乾淨的去標識化 JSONL 已準備好用於臨床 NLP 模型訓練。