Medido a 21 de outubro de 2026 · promptShield 1.4.1 · Presidio 2.2.364
Microsoft Presidio comparado com o promptShield
Repetimos a comparação em 48 documentos novos, em 8 línguas, com cada dado pessoal anotado palavra a palavra. As duas ferramentas leem exatamente o mesmo texto extraído e contamos cada palavra sensível que cada uma deixa legível. Os documentos, as anotações, o script de pontuação e todos os resultados em bruto estão publicados: pode verificar tudo por si.
Uma nota sobre o nome: o Presidio nasceu na Microsoft e é hoje um projeto independente, governado pela comunidade dentro da organização Data Privacy Stack. Continua sob licença MIT e a Microsoft apoiou a mudança. Mantemos "Microsoft Presidio" no título porque é isso que a maioria das pessoas pesquisa. Ler o aviso de transição do projeto
Em resumo
Presidio 2.2.364 · configuração por omissão, modelos spaCy grandes
1.327
palavras sensíveis que ficaram legíveis, de um total de 4.489 · 70% detetadas
promptShield 1.4.1
92
palavras sensíveis que ficaram legíveis, de um total de 4.489 · 98% detetadas
O promptShield também assinalou menos elementos que não eram dados pessoais: 1,9 deteções erradas a retirar por documento, contra 9,8 com o Presidio. Documentos sem nenhuma palavra sensível legível: 24 em 48 com o promptShield, 0 com o Presidio. Com os modelos spaCy pequenos, os que a maioria dos guias de introdução instala, o Presidio deixou 1.583 palavras legíveis.
Como a deteção do promptShield evoluiu, versão a versão
Na primeira versão desta página, medimos o promptShield 1.0.14. Desde essa versão até à atual, executámos 7 versões sobre os mesmos documentos, cada uma a partir do seu próprio código-fonte e através do seu próprio botão «Detectar». Como o polaco só chegou na 1.4.0, estes gráficos incluem apenas as sete línguas que todas as versões abrangem.
Ver os números
| Versão | Data | Detetadas | Palavras legíveis | Deteções erradas por documento | Documentos sem nada legível |
|---|---|---|---|---|---|
| promptShield 1.0.14 | 16 de jun. de 2026 | 74,3% | 999 | 4,5 | 0 / 42 |
| promptShield 1.1.3 | 6 de ago. de 2026 | 74,3% | 999 | 4,5 | 0 / 42 |
| promptShield 1.2.0 | 22 de ago. de 2026 | 74,6% | 987 | 4,5 | 0 / 42 |
| promptShield 1.2.5 | 28 de set. de 2026 | 76,5% | 915 | 4,5 | 0 / 42 |
| promptShield 1.3.4 | 5 de out. de 2026 | 98,1% | 73 | 2,0 | 22 / 42 |
| promptShield 1.3.8 | 15 de out. de 2026 | 98,1% | 73 | 2,0 | 22 / 42 |
| promptShield 1.4.1 | 21 de out. de 2026 | 98,1% | 73 | 2,0 | 22 / 42 |
| Presidio 2.2.364 | – | 71,4% | 1.120 | 10,3 | 0 / 42 |
Até ao fim de setembro, o promptShield detetava aproximadamente o mesmo que o Presidio, com menos ruído: 74% das palavras sensíveis na versão 1.0.14, com 4,5 deteções erradas por documento. O salto que se segue resulta de quatro rondas de trabalho na deteção entre 30 de setembro e 2 de outubro, cada uma avaliada em documentos que o motor nunca tinha visto. Visaram os números de identificação, as moradas, os números de telefone e os nomes escritos em maiúsculas, e reduziram ao mesmo tempo as deteções erradas. Desde então, as sete línguas mantiveram-se estáveis e o trabalho passou para o polaco: nos documentos polacos, o promptShield 1.4.1 deteta 97% das palavras sensíveis e o Presidio 64%.
Comparação de funcionalidades
| Funcionalidade | promptShield | Presidio |
|---|---|---|
Reconhecedor regex multilíngue (mais de 60 tipos) Presidio: EN por omissão | ◦ | |
Modelo de entidades multilíngue (Davlan) Presidio: requer reconhecedor de entidades HuggingFace personalizado | ◦ | |
Camada LLM opcional para PII contextual | ||
Validação por soma de controlo US NPI / ABA / DEA Presidio: NPI e MBI incluídos, ABA/DEA parciais | ◦ | |
Validação por soma de controlo AU TFN / ABN / ACN / Medicare | ||
Validação por soma de controlo BR CPF / CNPJ | ||
Validação por soma de controlo CH AHV | ||
Validação por soma de controlo MX CLABE | ||
Validação NL BSN / RSIN | ||
Validação do NIR francês (segurança social) | ||
Filtro de boilerplate jurisdicional «regido pelas leis de X» → X não assinalado | ||
Coalescência de deteções PERSON dentro da página «Pierre Dubois» mantido, «Pierre» isolado descartado | ||
Filtro de ORG de departamentos genéricos | ||
Filtro de PERSON de títulos de cargo | ||
Aplicação desktop acabada com GUI de revisão | ||
Tokenização reversível (codificar / decodificar) Presidio: camada de anonimização separada | ◦ | |
Processamento 100% offline (sem dependência da cloud) | ||
Reconhecedores personalizados via API | ||
Biblioteca Python para integração personalizada | ||
Integração com Azure AI Language |
✓ = incluído por omissão · ◦ = disponível através de configuração personalizada · ✗ = ausente
Categorias de ruído que o Presidio (instalação por omissão) emite e que o promptShield suprime
URLs nos rodapés de contratos
Ligação à política de privacidade, URL da página de apoio, contacto legal genérico. ~8 a 10 deteções por contrato, praticamente nenhuma das quais é PII que o revisor queira ocultar.
UrlRecognizerMenções isoladas a países / cidades em prosa jurisdicional
«regido pelas leis de França», «sede social em Paris», «empresa constituída na Alemanha». Num relatório financeiro francês, o Presidio emite 73 deteções LOCATION; quase todas são ornamento contratual.
filter_jurisdiction_boilerplate + filter_standalone_countryFragmentos de PERSON
O mesmo nome surge como três deteções separadas: «Pierre», «Dubois», «Pierre Dubois». Num contrato italiano, o Presidio emite 26 deteções PERSON: os mesmos nomes repetidos e fragmentados em nome próprio, apelido e nome completo.
filter_span_coalescenceNomes genéricos de departamentos rotulados como ORG
«Marketing», «Vorstand», «Direction Générale», «Board of Directors», «Comitato di Direzione». Não são organizações que o revisor queira ocultar.
filter_generic_org (lista de exclusão de 90 entradas × 7 línguas)Títulos de cargo rotulados como PERSON
«CEO», «Directeur», «Geschäftsführer» com maiúscula no início de linha, por vezes mal rotulados como PERSON pelo modelo de entidades.
filter_role_titlesQuando escolher antes o Presidio
O Presidio é a escolha certa quando:
- Está a construir um pipeline DLP personalizado em Python e quer controlo ao nível da biblioteca.
- Precisa de integrar serviços na cloud (Azure AI Language, AWS Comprehend) sob uma única abstração de PII.
- Quer afinar os seus próprios reconhecedores para tipos de entidades proprietárias.
- Está a processar fluxos de texto contínuos (não documentos delimitados) e precisa de uma biblioteca em formato de serviço.
O Presidio é open source sob licença MIT e o promptShield é um produto comercial. Escolha o que serve à tarefa.
Quando escolher o promptShield
- Está a anonimizar documentos PDF/DOCX/XLSX delimitados no ambiente de trabalho.
- Precisa de somas de controlo específicas por país prontas a usar (TFN, CPF, NPI, IBAN, etc.) sem ter de as escrever você mesmo.
- Quer um fluxo de trabalho gráfico acabado (rever, ocultar, tokenizar, exportar) em vez de uma biblioteca para integrar.
- Os seus clientes não podem enviar documentos para um serviço na cloud por motivos de conformidade.
Reproduza você mesmo
Todos os números desta página vêm dos ficheiros do repositório público: os 48 documentos e as respetivas anotações, os resultados em bruto de cada ferramenta e o script de pontuação. Nenhum número provém de uma execução que não possa verificar.
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.pyO primeiro comando Python volta a executar o Presidio sobre o texto publicado; o segundo avalia cada resultado da pasta face às anotações. Nenhum dos dois exige que o promptShield esteja instalado.
Perguntas frequentes
O Microsoft Presidio ainda é um projeto da Microsoft?
Não. O Presidio nasceu na Microsoft e concluiu a passagem para uma governação comunitária independente: é mantido por contribuidores e voluntários da organização Data Privacy Stack, e nenhuma empresa o detém ou explora. A Microsoft apoiou a transição. A licença continua a ser MIT e o código é o mesmo, por isso nada neste benchmark depende de quem aloja o repositório. As ligações antigas para a documentação em microsoft.github.io podem deixar de funcionar; agora está em presidio.dataprivacystack.org.
O Microsoft Presidio é gratuito?
Sim. O Presidio é publicado sob licença MIT e não há qualquer taxa, seja qual for o volume tratado. O custo está em tempo de engenharia, não em dinheiro: o Presidio dá peças de deteção, não um fluxo de trabalho acabado. Pô-lo a funcionar implica normalmente construir à volta a leitura dos documentos, uma interface de revisão e o armazenamento que a sua política de conservação exigir. Se isso fica mais barato do que uma licença depende de quanto dessa estrutura já tem montada.
É preciso ser programador para usar o Microsoft Presidio?
Na prática, sim. O Presidio é uma biblioteca de Python que se comanda a partir de código ou de um serviço alojado por si; o projeto não inclui aplicação de ambiente de trabalho nem interface para o utilizador final. É uma decisão de conceção e não uma falha: foi feito para encaixar numa cadeia que outra pessoa monta. Se quem trata dos documentos são advogados, analistas ou responsáveis de conformidade e não programadores, é preciso construir algo à frente do Presidio antes de lhes chegar às mãos.
O Microsoft Presidio é uma ferramenta DLP?
Por si só, não. O Presidio deteta e anonimiza dados pessoais no conteúdo que lhe é entregue, o que é uma peça da prevenção de fugas de dados, mas não traz nada do aparato em redor: sem motor de políticas, sem aplicação nos equipamentos ou na rede, sem alertas, sem registo de auditoria. Muitas equipas usam-no como camada de deteção dentro de um sistema DLP que erguem elas próprias. Comprado como produto DLP acabado, não o é.
Quais são os principais concorrentes do Microsoft Presidio?
Depende da parte que quer substituir. Como biblioteca de deteção, as comparações mais próximas são os serviços de dados pessoais na nuvem (Azure AI Language, Google Cloud DLP, AWS Comprehend), que o Presidio até consegue invocar em vez de lhes fazer concorrência. Como forma de obter documentos verdadeiramente ocultados, o conjunto de comparação são ferramentas acabadas como o promptShield, o Adobe Acrobat e os serviços de ocultação na nuvem, onde se pesa o custo da licença contra a engenharia que de outro modo faria por si.
O promptShield é de código aberto como o Presidio?
Não. O Presidio é uma biblioteca de código aberto com licença MIT e o promptShield é um produto comercial: é uma diferença real e vale a pena dizê-la com clareza. O que é público é aquilo que conta para confiar nesta página: a bancada de testes, os documentos de teste e os ficheiros de resultados em bruto estão publicados, e a parte do script relativa ao Presidio corre sozinha, sem o promptShield instalado. Não tem de acreditar nestes números por palavra nossa.
O promptShield usa o Presidio internamente?
Não. O motor de deteção é nosso, e a decisão foi de arquitetura e não um juízo sobre a qualidade do Presidio: o promptShield processa documentos delimitados num dispositivo que pode não ter rede nenhuma, ao passo que o Presidio foi pensado como biblioteca para fluxos de texto numa cadeia do lado do servidor. A camada que decide o que um revisor descartaria concentra a maior parte do trabalho, e tinha de ser nossa.
Posso usar os dois em conjunto?
Ficam em pontos diferentes e combinam-se sem atrito. O Presidio assenta bem na análise de grande volume dentro dos seus próprios sistemas, onde uma biblioteca se integra numa cadeia. O promptShield assenta no conjunto mais restrito de documentos em que uma pessoa tem de rever o que foi encontrado e responder pelo resultado antes de o ficheiro sair para onde quer que seja. Cobertura ampla e automática na cadeia; tratamento cuidadoso e verificado por uma pessoa para os documentos que têm consequências.
Ressalvas honestas
- Apenas a instalação por omissão. O Presidio foi executado com os reconhecedores que traz de origem, um modelo spaCy por língua, sem reconhecedores personalizados e sem limiar de confiança. Para o polaco acrescentámos a única correspondência de categorias de que o Presidio precisa para ler as entidades dos modelos spaCy polacos; sem ela, não encontra um único nome polaco. Uma instalação afinada (reconhecedores personalizados, um modelo transformer) obteria melhores resultados.
- Documentos inventados. Os 48 documentos são realistas mas fictícios: contratos, faturas, extratos bancários, cartas médicas, cartas de RH e correspondência jurídica, em ficheiros PDF limpos, criados em formato digital. Digitalizações, erros de OCR e paginações complexas não são medidos aqui.
- Quem escreveu as anotações. Os documentos e as respetivas anotações foram escritos por agentes de IA, um por língua, segundo uma especificação de anotação publicada e sem acesso ao código de deteção do promptShield; um script confrontou depois cada anotação com o texto extraído. Nenhum anotador humano as reviu. As anotações são públicas: se encontrar uma errada, diga-nos e publicaremos a correção.
- Versões antigas, executadas hoje. Cada versão anterior foi executada a partir do seu próprio código-fonte, na mesma máquina, com os ficheiros de modelo atuais. Os motores que a aplicação instalada não conseguia carregar nessa versão (precisavam do PyTorch, que a aplicação não inclui) também ficaram bloqueados aqui, para que cada versão usasse os motores que os seus utilizadores tinham de facto. A versão 1.2.8 ficou de fora por essa razão: um problema de compilação impedia a aplicação instalada de carregar os motores mais recentes, pelo que o seu código-fonte sobrestimaria o que os utilizadores realmente obtinham.
Ranking
As 10 melhores ferramentas de anonimização offline em 2026
Dez ferramentas que removem dados pessoais no seu próprio computador, a nossa entre elas, avaliadas pelas mesmas regras publicadas. Cada fato tem link para a fonte.
Ver o rankingFoi útil? Diga-nos.