PII/PHI Redaction & Detection API - Anonymize Text for LLMs

Scrub personal and health information out of free text before you log it, store it, or send it to a third party — get back redacted text plus every detected entity with exact offsets.

原始信息汇总

数据集概述

PII/PHI Redaction & Detection API（文本匿名化与检测 API）是一款面向文本数据的敏感信息清洗工具，由 Aervik Labs 开发，所属类别为 Cybersecurity（网络安全）。该 API 旨在帮助团队在将客户支持记录、聊天日志、表单提交或文档发送至第三方工具（如日志系统、分析平台、LLM 提示）之前，自动检测并替换其中的个人身份信息（PII）和受保护健康信息（PHI）。

---

核心功能

• 文本脱敏：接受自由文本输入，返回已脱敏的文本，其中每个检测到的实体均被替换为 [REDACTED_TYPE] 占位符（如 [REDACTED_PERSON]）。
• 实体检测：同时返回结构化列表，包含每个检测实体的类型、原始值以及该值在原始文本中的字符偏移量。
• 确定性定位：检测到的值在真实输入文本中以确定性方式定位，偏移量与原文精确对应。

---

支持的实体类型（共 7 种）

1. PERSON — 人名
2. EMAIL — 电子邮件地址
3. PHONE — 电话号码
4. ADDRESS — 物理或邮寄地址
5. SSN — 美国社会安全号码
6. CREDIT_CARD — 信用卡或借记卡号码
7. DATE_OF_BIRTH — 出生日期

---

数据隐私与安全

• 每笔请求都可能包含敏感的个人或健康信息。
• API 不存储提交的文本：不使用数据库，不记录请求体，且在响应返回后不保留输入文本、输出文本或检测到的实体。

---

接口端点

1. POST /redact — 文本脱敏

• 请求格式：发送 JSON 格式的请求体，包含必填字段 text（字符串），最大长度为 50,000 字符。
• 响应内容：
  • redacted_text：脱敏后的文本。
  • entities：按 start 字段升序排列的实体列表，每个实体包含 type、value、start 和 end。
• 请求示例：
  • 发送 {"text": "Hi, this is Jane. Reach me at [e-mail] or 555-123-4567."}
• 响应示例： json { "redacted_text": "Hi, this is [REDACTED_PERSON]. Reach me at [REDACTED_EMAIL] or [REDACTED_PHONE].", "entities": [ { "type": "PERSON", "value": "Jane", "start": 12, "end": 16 }, { "type": "EMAIL", "value": "[e-mail]", "start": 30, "end": 50 }, { "type": "PHONE", "value": "555-123-4567", "start": 54, "end": 66 } ] }

2. GET /health — 健康检查

• 用于服务可用性检查，返回 {"status":"ok"}。

---

错误响应说明

状态码	错误标识	含义
400	invalid_json	请求体不是有效的 JSON
400	missing_text	缺少 text 字段、该字段不是字符串或为空字符串
400	input_too_large	文本超过 50,000 字符
405	method_not_allowed	对 /redact 端点发送了非 POST 请求
502	redaction_failed	Redaction 服务提供商发生错误
500	provider_misconfigured	服务器配置错误

---

订阅方案

该 API 提供以下订阅等级：

• BASIC：$0.00 / 月
• PRO：$49.00 / 月
• ULTRA：$99.00 / 月
• MEGA：$199.00 / 月

---

典型应用场景

• 在将客户支持对话、聊天日志或表单内容写入日志系统、分析平台或用于 LLM 提示词之前，自动移除其中的个人身份信息和健康信息。
• 确保文本在离开组织边界之前完成脱敏处理，降低数据泄露风险。

注：entities 列表中的 value 字段包含原始未脱敏字符串，若需在自有日志中记录该信息，建议先将 value 字段自行脱敏后再写入日志。