Medido el 2026-05-27 · promptShield 1.0.14 · Presidio 2.2.362
promptShield vs Microsoft Presidio
Comparación directa sobre 14 documentos PDF en 7 idiomas. La misma extracción de texto, los mismos documentos, sin ajustes asimétricos. Script y CSV en bruto publicados: verifíquelo usted mismo.
En resumen
Presidio (instalación por defecto)
666
detecciones emitidas · alto nivel de ruido
promptShield 1.0.14
252
detecciones emitidas · mismo corpus · ruido filtrado
En los contratos (donde los datos son PII reales), promptShield emite las mismas 209 detecciones de alta señal que Presidio. La diferencia de 414 detecciones está en los estados financieros, donde los aciertos de entidad en bruto son ruido en un 30-70 % (nombres de firmas auditoras, domicilios sociales, menciones a países por jurisdicción).
Comparación de funciones
| Función | promptShield | Presidio |
|---|---|---|
Reconocedor regex multiidioma (más de 60 tipos) Presidio: EN como idioma principal por defecto | ◦ | |
Modelo de entidades multilingüe (Davlan) Presidio: requiere un reconocedor de entidades HuggingFace personalizado | ◦ | |
Capa LLM opcional para PII contextual | ||
Validación por suma de control de US NPI / ABA / DEA Presidio: NPI y MBI incluidos, ABA/DEA parcial | ◦ | |
Validación por suma de control de AU TFN / ABN / ACN / Medicare | ||
Validación por suma de control de BR CPF / CNPJ | ||
Validación por suma de control de CH AHV | ||
Validación por suma de control de MX CLABE | ||
Validación por suma de control de NL BSN / RSIN | ||
Validación del NIR francés (seguridad social) | ||
Filtro de boilerplate jurisdiccional «regido por las leyes de X» → X no marcado | ||
Fusión de detecciones PERSON dentro de la página «Pierre Dubois» se conserva, «Pierre» a secas se descarta | ||
Filtro de departamentos genéricos (ORG) | ||
Filtro de cargos (PERSON) | ||
Aplicación de escritorio acabada con interfaz de revisión | ||
Tokenización reversible (codificar / decodificar) Presidio: capa de anonimización separada | ◦ | |
100 % sin conexión (sin dependencia de la nube) | ||
Reconocedores personalizados a través de API | ||
Biblioteca Python para integración personalizada | ||
Integración con Azure AI Language |
✓ = incluido por defecto · ◦ = disponible mediante configuración personalizada · ✗ = no presente
Categorías de ruido que Presidio (instalación por defecto) emite y que promptShield suprime
URL en los pies de página de los contratos
Enlace a la política de privacidad, URL de la página de soporte, contacto legal genérico. Unas 8-10 detecciones por contrato, de las cuales prácticamente ninguna es PII que el revisor quiera ocultar.
UrlRecognizerMenciones aisladas de país o ciudad en la prosa jurisdiccional
«regido por las leyes de Francia», «domicilio social en París», «sociedad constituida en Alemania». En un estado financiero francés, Presidio emite 73 detecciones LOCATION; casi todas son adorno contractual.
filter_jurisdiction_boilerplate + filter_standalone_countryFragmentos de PERSON
El mismo nombre aparece como tres detecciones distintas: «Pierre», «Dubois», «Pierre Dubois». En un contrato italiano, Presidio emite 26 detecciones PERSON: los mismos nombres repetidos y fragmentados en nombre, apellido y nombre completo.
filter_span_coalescenceNombres genéricos de departamentos etiquetados como ORG
«Marketing», «Vorstand», «Direction Générale», «Board of Directors», «Comitato di Direzione». No son organizaciones que el revisor quiera ocultar.
filter_generic_org (lista de 90 entradas × 7 idiomas)Cargos etiquetados como PERSON
«CEO», «Directeur», «Geschäftsführer» en mayúscula al inicio de línea, a veces mal etiquetados como PERSON por el modelo de entidades.
filter_role_titlesCuándo elegir Presidio en su lugar
Presidio es la opción correcta cuando:
- Está construyendo un pipeline DLP personalizado en Python y quiere control a nivel de biblioteca.
- Necesita integrar servicios en la nube (Azure AI Language, AWS Comprehend) bajo una única abstracción de PII.
- Quiere afinar sus propios reconocedores para tipos de entidad propietarios.
- Está procesando flujos de texto (no documentos acotados) y necesita una biblioteca con forma de servicio.
Tanto Presidio (de Microsoft) como promptShield son proyectos de espíritu MIT. Use la herramienta adecuada para cada tarea.
Cuándo elegir promptShield
- Está anonimizando documentos acotados PDF/DOCX/XLSX en el escritorio.
- Necesita sumas de control específicas por país listas para usar (TFN, CPF, NPI, IBAN, etc.) sin tener que escribirlas usted mismo.
- Quiere un flujo de trabajo con interfaz gráfica acabado (revisar, ocultar, tokenizar, exportar) en lugar de una biblioteca que integrar.
- Sus clientes no pueden enviar documentos a un servicio en la nube por motivos de cumplimiento.
Reprodúzcalo usted mismo
Cada cifra de esta página procede del script publicado en el repositorio público. Ninguna cifra proviene de una ejecución interna no verificable.
git clone https://github.com/promptshield-Inc/pii-detection-benchmarks
cd pii-detection-benchmarks
pip install -r requirements.txt
python benchmark.pySalidas: results/presidio_counts_<date>.csv + results/presidio_entities_<date>.csv. El script de Presidio es totalmente autónomo: no necesita tener promptShield instalado para verificar la parte de Presidio.
Advertencias honestas
- Solo instalación por defecto. Una instalación de Presidio afinada (reconocedores personalizados + backend de entidades transformer + umbrales de confianza ajustados) cerraría la mayor parte de la diferencia de precisión. Medimos lo que la mayoría de usuarios de Presidio despliega en el primer mes.
- Corpus sintético. Los documentos reales de los clientes tienen un ruido más rico (errores de OCR, originales escaneados, maquetaciones a varias columnas) que aquí no medimos.
- Sin etiquetas de verdad fundamental. Las cifras de «ambos / solo nuestras / solo Presidio» son una aproximación a la precisión, no una medición F1 estricta. Etiquetar a mano 14 PDF en 7 idiomas son unas 40 horas de trabajo; todavía no lo hemos hecho.
- Dos clases de documentos. Contratos + estados financieros. Los historiales médicos, los formularios de RR. HH. y la documentación de inmigración producirían diferencias distintas.
