Piiranha

🐟 PII-RANHA：隱私保護型標記分類模型

PII-RANHA 是一款基於 Answer.AI 的 ModernBERT-base 微調的標記分類模型。它旨在識別和分類文本數據中的個人身份信息（PII）。該模型在 ai4privacy/pii-masking-400k 數據集上進行訓練，能夠檢測 17 種不同的 PII 類別，如賬號號碼、信用卡號碼、電子郵件地址等。

此模型適用於隱私保護應用，如數據匿名化、編輯處理或遵守數據保護法規。

🚀 快速開始

安裝

要使用該模型，請確保已安裝 transformers 和 datasets 庫：

pip install transformers datasets

推理示例

以下是如何加載和使用該模型進行 PII 檢測的示例：

from transformers import AutoTokenizer, AutoModelForTokenClassification
from transformers import pipeline

# 加載模型和分詞器
model_name = "scampion/piiranha"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForTokenClassification.from_pretrained(model_name)

# 創建標記分類管道
pii_pipeline = pipeline("token-classification", model=model, tokenizer=tokenizer)

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

# 檢測 PII
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

✨ 主要特性

• 基於 Answer.AI 的 ModernBERT-base 微調，專門用於識別和分類文本中的 PII 信息。
• 在 ai4privacy/pii-masking-400k 數據集上訓練，可檢測 17 種不同的 PII 類別。
• 適用於隱私保護相關應用，助力數據匿名化和法規合規。

📚 詳細文檔

模型詳情

模型架構

• 基礎模型：answerdotai/ModernBERT-base
• 任務：標記分類
• 標籤數量：18（17 個 PII 類別 + “O” 表示非 PII 標記）

訓練詳情

數據集

該模型在 ai4privacy/pii-masking-400k 數據集上進行訓練，該數據集包含 400,000 個帶有 PII 標記註釋的文本示例。

訓練配置

• 批次大小：32
• 學習率：5e-5
• 訓練輪數：4
• 優化器：AdamW
• 權重衰減：0.01
• 調度器：線性學習率調度器

評估指標

該模型使用以下指標進行評估：

• 精確率
• 召回率
• F1 分數
• 準確率

📄 許可證

該模型遵循 Commons Clause Apache License 2.0 許可協議。更多詳情，請訪問 Commons Clause 網站。如需其他許可，請聯繫作者。

👨‍💻 作者信息

• 姓名：Sébastien Campion
• 郵箱：sebastien.campion@foss4.eu
• 日期：2025-01-30
• 版本：0.1

📖 引用方式

如果您在工作中使用了該模型，請按以下方式引用：

@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},
}

⚠️ 免責聲明

本模型“按原樣”提供，不保證其性能或適用於特定用例。在部署前，請始終在您的特定環境中評估模型的性能。