Misurato il 21 ottobre 2026 · promptShield 1.4.1 · Presidio 2.2.364
Microsoft Presidio a confronto con promptShield
Abbiamo rifatto il confronto su 48 documenti nuovi in 8 lingue, con ogni dato personale etichettato parola per parola. Entrambi gli strumenti leggono lo stesso testo estratto; noi contiamo ogni parola sensibile che ciascuno lascia leggibile. Documenti, etichette, script di valutazione e risultati grezzi sono pubblici: potete verificare tutto da soli.
Due parole sul nome: Presidio è nato in Microsoft ed è diventato un progetto indipendente, governato dalla sua community dentro l'organizzazione Data Privacy Stack. La licenza resta MIT e Microsoft ha sostenuto il passaggio. Nel titolo lasciamo "Microsoft Presidio" perché è quello che quasi tutti cercano. Leggi l'annuncio di transizione del progetto
In breve
Presidio 2.2.364 · installazione predefinita, modelli spaCy grandi
1327
parole sensibili rimaste leggibili su 4489 · individuato il 70%
promptShield 1.4.1
92
parole sensibili rimaste leggibili su 4489 · individuato il 98%
promptShield ha anche evidenziato meno elementi che non erano dati personali: 1,9 evidenziazioni errate da rimuovere per documento, contro 9,8 con Presidio. Su 48 documenti, 24 ne sono usciti senza alcuna parola sensibile leggibile, contro 0 con Presidio. Con i modelli spaCy piccoli, quelli indicati dalla maggior parte delle guide introduttive, Presidio ha lasciato leggibili 1583 parole.
Come è cambiato il rilevamento di promptShield, versione dopo versione
La prima versione di questa pagina misurava promptShield 1.0.14. Sugli stessi documenti abbiamo rimisurato 7 versioni, da quella fino all'attuale, ciascuna a partire dal proprio codice sorgente e tramite il suo pulsante Rileva. Il polacco è arrivato con la 1.4.0: per questo i grafici considerano solo le sette lingue supportate da tutte le versioni.
Mostra i numeri
| Versione | Data | Individuate | Parole sensibili rimaste leggibili | Evidenziazioni errate per documento | Documenti senza parole sensibili leggibili |
|---|---|---|---|---|---|
| promptShield 1.0.14 | 16 giu 2026 | 74,3% | 999 | 4,5 | 0 / 42 |
| promptShield 1.1.3 | 6 ago 2026 | 74,3% | 999 | 4,5 | 0 / 42 |
| promptShield 1.2.0 | 22 ago 2026 | 74,6% | 987 | 4,5 | 0 / 42 |
| promptShield 1.2.5 | 28 set 2026 | 76,5% | 915 | 4,5 | 0 / 42 |
| promptShield 1.3.4 | 5 ott 2026 | 98,1% | 73 | 2,0 | 22 / 42 |
| promptShield 1.3.8 | 15 ott 2026 | 98,1% | 73 | 2,0 | 22 / 42 |
| promptShield 1.4.1 | 21 ott 2026 | 98,1% | 73 | 2,0 | 22 / 42 |
| Presidio 2.2.364 | – | 71,4% | 1120 | 10,3 | 0 / 42 |
Fino a settembre promptShield individuava più o meno quanto Presidio, ma con meno rumore (nella 1.0.14, parole sensibili individuate: 74%; evidenziazioni errate per documento: 4,5). Il balzo successivo si deve a quattro cicli di lavoro sul rilevamento, tra il 30 settembre e il 2 ottobre, ciascuno valutato su documenti che il motore non aveva mai visto: hanno preso di mira numeri identificativi, indirizzi, numeri di telefono e nomi scritti in maiuscolo, riducendo allo stesso tempo le evidenziazioni errate. Da allora i risultati nelle sette lingue sono rimasti stabili e il lavoro si è spostato sul polacco. Parole sensibili individuate nei documenti polacchi: 97% per promptShield 1.4.1, 64% per Presidio.
Confronto delle funzionalità
| Funzionalità | promptShield | Presidio |
|---|---|---|
Recognizer regex multilingua (oltre 60 tipi) Presidio: prevalentemente EN di default | ◦ | |
Modello di entità multilingua (Davlan) Presidio: richiede un recognizer di entità HuggingFace personalizzato | ◦ | |
Livello LLM opzionale per dati personali contestuali | ||
Validazione checksum US NPI / ABA / DEA Presidio: NPI e MBI inclusi, ABA/DEA parziali | ◦ | |
Validazione checksum AU TFN / ABN / ACN / Medicare | ||
Validazione checksum BR CPF / CNPJ | ||
Validazione checksum CH AHV | ||
Validazione checksum MX CLABE | ||
Validazione NL BSN / RSIN | ||
Validazione NIR francese (previdenza sociale) | ||
Filtro per il boilerplate giurisdizionale "regolato dalle leggi di X" → X non segnalato | ||
Coalescenza degli span PERSON nella stessa pagina "Pierre Dubois" mantenuto, il solo "Pierre" scartato | ||
Filtro ORG per reparti generici | ||
Filtro PERSON per titoli di ruolo | ||
Applicazione desktop completa con GUI di revisione | ||
Tokenizzazione reversibile (encode / decode) Presidio: livello anonymizer separato | ◦ | |
Elaborazione 100% offline (nessuna dipendenza dal cloud) | ||
Recognizer personalizzati via API | ||
Libreria Python per integrazioni personalizzate | ||
Integrazione con Azure AI Language |
✓ = incluso di default · ◦ = disponibile tramite configurazione personalizzata · ✗ = assente
Categorie di rumore che Presidio (installazione predefinita) emette e che promptShield elimina
URL nei piè di pagina dei contratti
Link all'informativa sulla privacy, URL della pagina di supporto, contatto legale generico. ~8–10 span per contratto, praticamente nessuno dei quali è un dato personale che il revisore vuole oscurare.
UrlRecognizerMenzioni isolate di Paesi / città nella prosa giurisdizionale
"regolato dalle leggi della Francia", "sede legale a Parigi", "società costituita in Germania". In un bilancio francese, Presidio emette 73 span LOCATION; quasi tutti sono orpelli contrattuali.
filter_jurisdiction_boilerplate + filter_standalone_countryFrammenti PERSON
Lo stesso nome compare come tre span separati: "Pierre", "Dubois", "Pierre Dubois". Su un contratto italiano, Presidio emette 26 span PERSON: gli stessi nomi ripetuti e frammentati in nome, cognome e nome completo.
filter_span_coalescenceNomi generici di reparti etichettati come ORG
"Marketing", "Vorstand", "Direction Générale", "Board of Directors", "Comitato di Direzione". Non sono organizzazioni che il revisore vuole oscurare.
filter_generic_org (stoplist di 90 voci × 7 lingue)Titoli di ruolo etichettati come PERSON
"CEO", "Directeur", "Geschäftsführer" in maiuscolo a inizio riga, talvolta etichettati erroneamente come PERSON dal modello di entità.
filter_role_titlesQuando scegliere invece Presidio
Presidio è la scelta giusta quando:
- State costruendo una pipeline DLP personalizzata in Python e volete il controllo a livello di libreria.
- Avete bisogno di integrare servizi cloud (Azure AI Language, AWS Comprehend) sotto un'unica astrazione per i dati personali.
- Volete mettere a punto i vostri recognizer per tipi di entità proprietari.
- Elaborate flussi di testo (non documenti delimitati) e avete bisogno di una libreria pensata come servizio.
Presidio è open source con licenza MIT, promptShield è un prodotto commerciale. Scegliete quello adatto al lavoro.
Quando scegliere promptShield
- Anonimizzate documenti PDF/DOCX/XLSX delimitati sul desktop.
- Avete bisogno di checksum specifici per Paese pronti all'uso (TFN, CPF, NPI, IBAN, ecc.) senza doverli scrivere voi stessi.
- Volete un flusso di lavoro con GUI completo (revisione, oscuramento, tokenizzazione, esportazione) anziché una libreria da integrare.
- I vostri clienti non possono inviare documenti a un servizio cloud per ragioni di conformità.
Riproducilo tu stesso
Ogni numero di questa pagina viene dai file del repository pubblico: i documenti, 48 in tutto, con le loro etichette, l'output grezzo di ciascuno strumento e lo script di valutazione. Nessun numero proviene da un'esecuzione che non possiate verificare.
git clone https://github.com/promptshield-Inc/pii-detection-benchmarks
cd pii-detection-benchmarks
pip install -r requirements.txt
python presidio_run.py lg
python score.pyIl primo comando Python riesegue Presidio sul testo pubblicato; il secondo confronta con le etichette ogni risultato presente nella cartella e ne calcola il punteggio. Per nessuno dei due serve avere promptShield installato.
Domande frequenti
Microsoft Presidio è ancora un progetto Microsoft?
No. Presidio è nato in Microsoft e ha completato il passaggio a una governance comunitaria indipendente: lo mantengono contributori e volontari dell'organizzazione Data Privacy Stack, e nessuna azienda lo possiede o lo gestisce. Microsoft ha sostenuto la transizione. La licenza è rimasta MIT e il codice è lo stesso, quindi nulla in questo benchmark dipende da chi ospita il repository. I vecchi link alla documentazione su microsoft.github.io possono non funzionare più: ora si trova su presidio.dataprivacystack.org.
Microsoft Presidio è gratuito?
Sì. Presidio è distribuito con licenza MIT e non c'è alcun canone, qualunque sia il volume trattato. Il costo è in tempo di sviluppo, non in denaro: Presidio fornisce mattoni per il rilevamento, non un flusso di lavoro finito. Metterlo in produzione significa di solito costruire attorno la lettura dei documenti, un'interfaccia di revisione e l'archiviazione richiesta dalla vostra politica di conservazione. Se questo costi meno di una licenza dipende da quanto di quell'impalcatura avete già.
Bisogna essere sviluppatori per usare Microsoft Presidio?
Nella pratica sì. Presidio è una libreria Python che si guida dal codice o da un servizio che ospitate voi; il progetto non comprende né un'applicazione desktop né un'interfaccia per l'utente finale. È una scelta progettuale, non una lacuna: lo strumento è pensato per inserirsi in una catena che assembla qualcun altro. Se a maneggiare i documenti sono avvocati, analisti o responsabili della conformità e non sviluppatori, davanti a Presidio va costruito qualcosa prima che arrivi nelle loro mani.
Microsoft Presidio è uno strumento DLP?
Da solo no. Presidio rileva e anonimizza i dati personali nei contenuti che gli vengono passati, il che è un tassello della prevenzione delle fughe di dati, ma non porta con sé nulla dell'apparato che le sta intorno: nessun motore di criteri, nessuna applicazione sui dispositivi o in rete, nessun avviso, nessuna traccia di controllo. Molti team lo usano come livello di rilevamento dentro un sistema DLP che costruiscono da sé. Comprato come prodotto DLP finito, non lo è.
Quali sono i principali concorrenti di Microsoft Presidio?
Dipende da quale parte volete sostituire. Come libreria di rilevamento, i confronti più vicini sono i servizi cloud per i dati personali (Azure AI Language, Google Cloud DLP, AWS Comprehend), che Presidio sa peraltro richiamare invece di contrastarli. Come modo per ottenere davvero documenti oscurati, l'insieme di confronto è quello degli strumenti finiti come promptShield, Adobe Acrobat e i servizi di oscuramento in cloud, dove si sceglie fra il costo della licenza e lo sviluppo che altrimenti fareste voi.
promptShield è open source come Presidio?
No. Presidio è una libreria open source con licenza MIT e promptShield è un prodotto commerciale: è una differenza reale e vale la pena dirla chiaramente. Ciò che è pubblico è quello che conta per fidarsi di questa pagina: il banco di prova, i documenti di test e i file dei risultati grezzi sono pubblicati, e la parte Presidio dello script funziona da sola, senza promptShield installato. Non devi credere a queste cifre sulla parola.
promptShield usa Presidio al suo interno?
No. Il motore di rilevamento è nostro, e la scelta è stata architetturale, non un giudizio sulla qualità di Presidio: promptShield elabora documenti circoscritti su un dispositivo che può non avere alcuna rete, mentre Presidio è pensato come libreria per flussi di testo in una catena lato server. Lo strato che decide che cosa un revisore scarterebbe concentra la maggior parte del lavoro, e doveva essere nostro.
Si possono usare insieme?
Stanno in punti diversi e si combinano senza attriti. Presidio si presta bene all’analisi ad alto volume dentro i tuoi sistemi, dove una libreria si integra in una catena. promptShield si presta all’insieme più ristretto di documenti in cui una persona deve rivedere ciò che è stato trovato e rispondere del risultato prima che il file vada da qualche parte. Copertura ampia e automatica nella catena, trattamento accurato e verificato da un umano per i documenti che pesano.
Avvertenze oneste
- Solo installazione predefinita. Presidio è stato eseguito con i suoi recognizer integrati, un modello spaCy per lingua, nessun recognizer personalizzato e nessuna soglia di confidenza. Per il polacco abbiamo aggiunto l'unica mappatura di etichette di cui Presidio ha bisogno per leggere le entità dei modelli spaCy polacchi: senza di essa, non trova nemmeno un nome polacco. Un'installazione ottimizzata (recognizer personalizzati, un modello transformer) otterrebbe risultati migliori di questi.
- Documenti inventati. Sono 48 documenti realistici ma fittizi: contratti, fatture, estratti conto, lettere mediche, comunicazioni del personale e corrispondenza legale, in PDF nativi digitali e puliti. Scansioni, errori OCR e impaginazioni disordinate qui non vengono misurati.
- Chi ha scritto le etichette. Documenti ed etichette sono stati redatti da agenti IA, uno per lingua, secondo una specifica di etichettatura pubblicata e senza accesso al codice di rilevamento di promptShield; uno script ha poi confrontato ogni etichetta con il testo estratto. Nessun annotatore umano li ha rivisti. Le etichette sono pubbliche: se ne trovate una sbagliata, segnalatecela e pubblicheremo la correzione.
- Versioni passate, misurate oggi. Ogni versione precedente è stata eseguita a partire dal proprio codice sorgente, sulla stessa macchina e con i file dei modelli attuali. I motori che l'app installata non riusciva a caricare in quella versione (richiedevano PyTorch, che l'app non include) sono stati disattivati anche qui, così ogni versione ha usato i motori di cui i suoi utenti disponevano davvero. Per lo stesso motivo la 1.2.8 è esclusa: un problema di compilazione impediva all'app installata di caricare i motori più recenti, quindi misurarla dal codice sorgente sopravvaluterebbe ciò di cui i suoi utenti disponevano realmente.
Classifica
I 10 migliori software di anonimizzazione offline nel 2026
Dieci software che eliminano i dati personali direttamente sul Suo computer, valutati tutti secondo le stesse regole pubbliche, compreso il nostro. Ogni dato rimanda alla sua fonte.
Consulti la classificaTi è stato utile? Faccelo sapere.