Pomiar 2026-05-27 · promptShield 1.0.14 · Presidio 2.2.362

Microsoft Presidio vs promptShield

Bezpośrednie porównanie na 14 dokumentach PDF w 7 językach. Ta sama ekstrakcja tekstu, te same dokumenty, bez jednostronnego dostrajania. Skrypt i surowe pliki CSV są publiczne, więc każdy może to sprawdzić samodzielnie.

Kilka słów o nazwie: Presidio powstało w Microsofcie, a dziś jest niezależnym projektem zarządzanym przez społeczność w ramach organizacji Data Privacy Stack. Nadal jest dostępne na licencji MIT, a Microsoft wspierał to przejście. W tytule zostawiamy „Microsoft Presidio”, bo pod tą nazwą najczęściej się go szuka. Przeczytaj komunikat projektu o zmianie

Zacznij bezpłatnieBezpłatny plan Starter, bez karty

Powtórz pomiar Przeczytaj o metodologii

W skrócie

Presidio (domyślna instalacja)

666

zwróconych trafień · wysoki poziom szumu

promptShield 1.0.14

252

zwrócone trafienia · ten sam korpus · szum odfiltrowany

Na umowach, gdzie mamy do czynienia z prawdziwymi danymi osobowymi, promptShield zwraca te same 209 wartościowych trafień co Presidio. Różnica 414 trafień powstaje na sprawozdaniach finansowych, gdzie surowe wykrycia encji to w 30–70% szum (nazwy firm audytorskich, adresy siedzib, wzmianki o krajach w klauzulach jurysdykcyjnych).

Porównanie funkcji

Funkcja	promptShield	Presidio
Wielojęzyczne rozpoznawanie wzorcami regex (ponad 60 typów) Presidio: domyślnie przede wszystkim EN		◦
Wielojęzyczny model encji (Davlan) Presidio: wymaga własnej reguły rozpoznawania encji z HuggingFace		◦
Opcjonalna warstwa LLM dla danych zależnych od kontekstu
Weryfikacja sum kontrolnych US NPI / ABA / DEA Presidio: NPI i MBI w zestawie, ABA/DEA częściowo		◦
Weryfikacja sum kontrolnych AU TFN / ABN / ACN / Medicare
Weryfikacja sum kontrolnych BR CPF / CNPJ
Weryfikacja sumy kontrolnej CH AHV
Weryfikacja sumy kontrolnej MX CLABE
Weryfikacja sum kontrolnych NL BSN / RSIN
Weryfikacja francuskiego numeru NIR (ubezpieczenie społeczne)
Filtr szablonowych klauzul jurysdykcyjnych „podlega prawu X” → X nie jest oznaczane
Scalanie trafień PERSON w obrębie strony „Pierre Dubois” zostaje, samo „Pierre” odpada
Filtr ogólnych nazw działów oznaczonych jako ORG
Filtr nazw stanowisk oznaczonych jako PERSON
Gotowa aplikacja na komputer z interfejsem do sprawdzania
Odwracalne kodowanie (zakoduj / odkoduj) Presidio: osobna warstwa anonimizująca		◦
Przetwarzanie w 100% offline (bez zależności od chmury)
Własne reguły rozpoznawania przez API
Biblioteka Pythona do własnych integracji
Integracja z Azure AI Language

✓ = domyślnie w standardzie · ◦ = dostępne po własnej konfiguracji · ✗ = brak

Kategorie szumu, które Presidio (domyślna instalacja) zwraca, a promptShield wycisza

Adresy URL w stopkach umów

Link do polityki prywatności, adres strony wsparcia, ogólny kontakt prawny. Około 8–10 trafień na umowę i prawie żadne z nich nie wymaga zaczernienia.

UrlRecognizer

Pojedyncze wzmianki o krajach i miastach w klauzulach jurysdykcyjnych

„podlega prawu Francji”, „siedziba w Paryżu”, „spółka zarejestrowana w Niemczech”. We francuskim sprawozdaniu finansowym Presidio zwraca 73 trafienia LOCATION; niemal wszystkie to szablonowa treść umowy.

filter_jurisdiction_boilerplate + filter_standalone_country

Fragmenty encji PERSON

To samo nazwisko pojawia się jako trzy osobne trafienia: „Pierre”, „Dubois”, „Pierre Dubois”. We włoskiej umowie Presidio zwraca 26 trafień PERSON: te same nazwiska powtórzone i rozbite na imię, nazwisko i pełną formę.

filter_span_coalescence

Ogólne nazwy działów oznaczone jako ORG

„Marketing”, „Vorstand”, „Direction Générale”, „Board of Directors”, „Comitato di Direzione”. To nie są organizacje, które osoba sprawdzająca chciałaby zaczernić.

filter_generic_org (lista 90 pozycji × 7 języków)

Nazwy stanowisk oznaczone jako PERSON

„CEO”, „Directeur”, „Geschäftsführer” zapisane wielką literą na początku wiersza, czasem błędnie oznaczone przez model jako PERSON.

filter_role_titles

Kiedy lepiej wybrać Presidio

Presidio jest właściwym wyborem, gdy:

Budują Państwo własny potok DLP w Pythonie i chcą kontroli na poziomie biblioteki.
Muszą Państwo zintegrować usługi chmurowe (Azure AI Language, AWS Comprehend) pod jedną abstrakcją danych osobowych.
Chcą Państwo dostroić własne reguły rozpoznawania dla firmowych typów encji.
Przetwarzają Państwo strumienie tekstu, a nie zamknięte dokumenty, i potrzebują biblioteki działającej jak usługa.

Presidio jest projektem open source na licencji MIT, a promptShield produktem komercyjnym. Warto wybrać narzędzie dopasowane do zadania.

Kiedy wybrać promptShield

Anonimizują Państwo zamknięte dokumenty PDF/DOCX/XLSX na komputerze.
Potrzebują Państwo krajowych sum kontrolnych od razu po instalacji (TFN, CPF, NPI, IBAN itd.), bez pisania ich samodzielnie.
Zamiast biblioteki do integracji chcą Państwo gotowego interfejsu: sprawdzanie, zaczernianie, kodowanie, eksport.
Państwa klienci nie mogą z powodów zgodności wysyłać dokumentów do usługi chmurowej.

Można to powtórzyć samodzielnie

Każda liczba na tej stronie pochodzi ze skryptu opublikowanego w publicznym repozytorium. Żadna nie pochodzi z wewnętrznego, niemożliwego do zweryfikowania uruchomienia.

git clone https://github.com/promptshield-Inc/pii-detection-benchmarks
cd pii-detection-benchmarks
pip install -r requirements.txt
python benchmark.py

Wyniki: results/presidio_counts_<date>.csv + results/presidio_entities_<date>.csv. Skrypt Presidio jest w pełni samodzielny: do zweryfikowania strony Presidio nie trzeba mieć zainstalowanego promptShield.

Otwórz repozytorium Pobierz promptShield

Często zadawane pytania

Czy Microsoft Presidio nadal jest projektem Microsoftu?

Nie. Presidio powstało w Microsofcie i zakończyło przejście pod niezależne zarządzanie społeczności: rozwijają je współtwórcy i wolontariusze w ramach organizacji Data Privacy Stack, a żaden podmiot komercyjny nie jest jego właścicielem ani operatorem. Microsoft wspierał to przejście. Licencja pozostała MIT, a kod jest ten sam, więc nic w tym teście porównawczym nie zależy od tego, kto prowadzi repozytorium. Starsze linki do dokumentacji w microsoft.github.io mogą przestać działać; dokumentacja jest teraz pod adresem presidio.dataprivacystack.org.

Czy Microsoft Presidio jest bezpłatne?

Tak. Presidio jest udostępniane na licencji MIT i nie ma żadnej opłaty, niezależnie od skali. Kosztem jest czas inżynierski, a nie pieniądze: Presidio daje podstawowe klocki do wykrywania, a nie gotowy przebieg pracy, więc działające wdrożenie zwykle oznacza zbudowanie wokół niego parsowania dokumentów, interfejsu do sprawdzania i takiego przechowywania danych, jakiego wymaga polityka retencji. Czy wyjdzie taniej niż licencja, zależy od tego, ile z tego zaplecza już Państwo mają.

Czy do korzystania z Microsoft Presidio trzeba być programistą?

W praktyce tak. Presidio to biblioteka Pythona sterowana z kodu lub z usługi hostowanej samodzielnie, a projekt nie dostarcza żadnej aplikacji na komputer ani interfejsu dla użytkownika końcowego. To decyzja projektowa, nie brak: narzędzie ma siedzieć wewnątrz potoku, który ktoś inny składa. Jeśli dokumentami zajmują się prawnicy, analitycy lub dział zgodności, a nie inżynierowie, przed Presidio trzeba coś zbudować.

Czy Microsoft Presidio jest narzędziem DLP?

Samo z siebie nie. Presidio wykrywa i anonimizuje dane osobowe w treści, którą mu Państwo przekażą, i to jest jeden ze składników zapobiegania wyciekom danych, ale całej otaczającej maszynerii nie ma: brak silnika zasad, brak wymuszania na stacjach roboczych i w sieci, brak alertów, brak śladu audytowego. Wiele zespołów używa go jako warstwy wykrywania w systemie DLP, który budują samodzielnie. Kupione jako gotowy produkt DLP, nim nie jest.

Jakie narzędzia konkurują z Microsoft Presidio?

Zależy, którą część się zastępuje. Jako biblioteka wykrywająca najbliżej stoi chmurowym usługom do danych osobowych (Azure AI Language, Google Cloud DLP, AWS Comprehend), które Presidio może raczej wywoływać, niż z nimi konkurować. Jako sposób na realne zaczernienie dokumentów punktem odniesienia są gotowe narzędzia, takie jak promptShield, Adobe Acrobat i chmurowe usługi zaczerniania, gdzie wybór sprowadza się do tego, czy zapłacić za licencję, czy wykonać tę pracę inżynierską samemu.

Czy promptShield jest open source jak Presidio?

Nie. Presidio jest biblioteką open source na licencji MIT, a promptShield produktem komercyjnym; to realna różnica i warto powiedzieć to wprost. Publiczna jest ta część, która decyduje o zaufaniu do tej strony: mechanizm pomiarowy, dokumenty testowe i surowe pliki z wynikami są opublikowane, a strona Presidio w skrypcie działa samodzielnie, bez zainstalowanego promptShield. Nie trzeba brać tych liczb na wiarę.

Czy promptShield używa Presidio pod spodem?

Nie. Silnik wykrywania jest nasz własny, a wybór wynikał z architektury, nie z oceny jakości Presidio: promptShield przetwarza zamknięte dokumenty na urządzeniu, które może nie mieć żadnej sieci, podczas gdy Presidio ma kształt biblioteki do strumieni tekstu w potoku serwerowym. Warstwa decydująca o tym, które wykrycia osoba sprawdzająca i tak odrzuci, to miejsce, w którym siedzi większość pracy, i musiała być nasza.

Czy można używać obu narzędzi razem?

Stoją w różnych punktach i dobrze się łączą. Presidio pasuje do skanowania dużych wolumenów wewnątrz Państwa systemów, gdzie biblioteka wpisuje się w potok. promptShield pasuje do mniejszego zbioru dokumentów, w których człowiek musi sprawdzić, co zostało znalezione, i wziąć odpowiedzialność za wynik, zanim plik gdziekolwiek pójdzie. Szeroki automatyczny zasięg w potoku, a tam, gdzie dokument niesie konsekwencje, staranna obsługa sprawdzona przez człowieka.

Zastrzeżenia

Tylko domyślna instalacja. Dostrojona instalacja Presidio (własne reguły rozpoznawania, transformerowy silnik encji, dostrojone progi pewności) zamknęłaby większość różnicy w precyzji. Mierzymy to, co większość użytkowników Presidio wdraża w pierwszym miesiącu.
Korpus syntetyczny. Prawdziwe dokumenty klientów mają bogatszy szum (błędy OCR, skany, układy wielokolumnowe), którego tutaj nie mierzymy.
Brak etykiet odniesienia. Liczby „oba / tylko nasze / tylko Presidio” są przybliżeniem precyzji, a nie rygorystycznym pomiarem F1. Ręczne oznaczenie 14 plików PDF w 7 językach to około 40 godzin pracy; jeszcze tego nie zrobiliśmy.
Dwie klasy dokumentów. Umowy i sprawozdania finansowe. Dokumentacja medyczna, formularze kadrowe czy papiery imigracyjne dałyby inne różnice.

Czy ten tekst był przydatny? Prosimy dać nam znać.