Piiranha

🐟 PII-RANHA: プライバシー保護トークン分類モデル

PII-RANHAは、Answer.AIのModernBERT-baseをベースにしたファインチューニング済みのトークン分類モデルです。このモデルは、テキストデータ内の個人情報（PII）を識別および分類するように設計されています。ai4privacy/pii-masking-400kデータセットで学習され、口座番号、クレジットカード番号、メールアドレスなど、17種類の異なるPIIカテゴリを検出できます。

このモデルは、データ匿名化、データ編集、またはデータ保護規制への準拠などのプライバシー保護アプリケーションを目的としています。

📚 モデル詳細

モデルアーキテクチャ

🚀 クイックスタート

📦 インストール

モデルを使用するには、transformersとdatasetsライブラリがインストールされていることを確認してください。

pip install transformers datasets

💻 使用例

基本的な使用法

from transformers import AutoTokenizer, AutoModelForTokenClassification
from transformers import pipeline

# モデルとトークナイザーをロード
model_name = "scampion/piiranha"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForTokenClassification.from_pretrained(model_name)

# トークン分類パイプラインを作成
pii_pipeline = pipeline("token-classification", model=model, tokenizer=tokenizer)

# 入力例
text = "My email is john.doe@example.com and my phone number is 555-123-4567."

# PIIを検出
results = pii_pipeline(text)
for entity in results:
    print(f"Entity: {entity['word']}, Label: {entity['entity']}, Score: {entity['score']:.4f}")

Entity: Ġj, Label: I-ACCOUNTNUM, Score: 0.6445
Entity: ohn, Label: I-ACCOUNTNUM, Score: 0.3657
Entity: ., Label: I-USERNAME, Score: 0.5871
Entity: do, Label: I-USERNAME, Score: 0.5350
Entity: Ġ555, Label: I-ACCOUNTNUM, Score: 0.8399
Entity: -, Label: I-SOCIALNUM, Score: 0.5948
Entity: 123, Label: I-SOCIALNUM, Score: 0.6309
Entity: -, Label: I-SOCIALNUM, Score: 0.6151
Entity: 45, Label: I-SOCIALNUM, Score: 0.3742
Entity: 67, Label: I-TELEPHONENUM, Score: 0.3440

🔧 技術詳細

データセット

このモデルは、40万件のPIIトークンが注釈付けされたテキストデータを含むai4privacy/pii-masking-400kデータセットで学習されました。

学習設定

• バッチサイズ: 32
• 学習率: 5e-5
• エポック数: 4
• オプティマイザー: AdamW
• ウェイトディケイ: 0.01
• スケジューラー: 線形学習率スケジューラー

評価指標

このモデルは、以下の指標を使用して評価されました。

• 適合率
• 再現率
• F1スコア
• 正解率

📄 ライセンス

このモデルは、Commons Clause Apache License 2.0の下でライセンスされています。詳細については、Commons Clauseのウェブサイトを参照してください。別のライセンスについては、著者にお問い合わせください。

著者情報

• 氏名: Sébastien Campion
• メール: sebastien.campion@foss4.eu
• 日付: 2025-01-30
• バージョン: 0.1

引用

このモデルをあなたの研究で使用する場合は、次のように引用してください。

@misc{piiranha2025,
  author = {Sébastien Campion},
  title = {PII-RANHA: A Privacy-Preserving Token Classification Model},
  year = {2025},
  version = {0.1},
  url = {https://huggingface.co/sebastien-campion/piiranha},
}

⚠️ 重要提示

このモデルは、特定のユースケースに対するパフォーマンスや適合性の保証なしに「現状のまま」提供されます。導入前に、必ず特定のコンテキストでモデルのパフォーマンスを評価してください。