Medido a 2026-05-27 · promptShield 1.0.14 · Presidio 2.2.362

Microsoft Presidio comparado com o promptShield

Comparação direta em 14 documentos PDF em 7 línguas. A mesma extração de texto, os mesmos documentos, sem afinações assimétricas. Script e CSV em bruto publicados — verifique você mesmo.

Começar gratuitamentePlano Starter grátis — sem cartão
Reproduzir a avaliaçãoLer a metodologia

Em resumo

Presidio (instalação por omissão)

666

deteções emitidas · nível de ruído elevado

promptShield 1.0.14

252

deteções emitidas · mesmo corpus · ruído filtrado

Em documentos contratuais (onde os dados são PII reais), o promptShield emite as mesmas 209 deteções de alto sinal que o Presidio. A diferença de 414 deteções está nos relatórios financeiros, onde os resultados em bruto têm 30 a 70% de ruído (nomes de firmas de auditoria, sedes sociais, menções a países por motivos jurisdicionais).

Comparação de funcionalidades

FuncionalidadepromptShieldPresidio
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
◦
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.

UrlRecognizer

Menções 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_country

Fragmentos 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_coalescence

Nomes 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_titles

Quando 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.

Tanto o Presidio (da Microsoft) como o promptShield são projetos de espírito MIT. Use a ferramenta certa para cada 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 do script publicado no repositório público. Nenhum número provém de uma execução interna não verificável.

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

Resultados: results/presidio_counts_<date>.csv + results/presidio_entities_<date>.csv. O script do Presidio é totalmente autónomo — não precisa de ter o promptShield instalado para verificar o lado do Presidio.

Abrir o repositórioTransferir o promptShield

Perguntas frequentes

O Microsoft Presidio é gratuito?

Sim. A Microsoft publica o Presidio 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 instalação por omissão. Uma instalação do Presidio afinada (reconhecedores personalizados + backend de entidades transformer + limiares de confiança ajustados) reduziria a maior parte da diferença de precisão. Medimos o que a maioria dos utilizadores do Presidio implementa no primeiro mês.
  • Corpus sintético. Documentos reais de clientes têm um ruído mais rico (erros de OCR, originais digitalizados, esquemas multicoluna) que aqui não medimos.
  • Sem rótulos de verdade terreno. Os números «ambos / só nossos / só Presidio» são um indicador aproximado de precisão, não uma medição estrita de F1. Rotular à mão 14 PDF em 7 línguas representa cerca de 40 horas de trabalho; ainda não o fizemos.
  • Duas classes de documentos. Contratos + relatórios financeiros. Registos médicos, formulários de RH e papelada de imigração produziriam diferenças distintas.

Foi útil? Diga-nos.