Agent Mask - PII Detection & De-identification

# Agent Mask

Detect and mask PII in support tickets, call transcripts, intake forms,
chat logs, and AI agent outputs — entirely inside your Snowflake account.

Call **mask(text_column)** from any SQL — dbt models, Airflow DAGs, Snowflake
tasks, batch ETL. The function is the endpoint to a container service
running on dedicated GPU compute in your account. Scale horizontally by
adding compute pool nodes.

Zero data egress. No external API calls. Your data never leaves your account.

## Highlights

- 99%+ name detection accuracy on English text
- Custom entity detection — plain-English description or regex
- Coreference — "John Smith", "John", "Dr. Smith" resolve to the same placeholder
- Works on text, PDFs, DOCX, images (OCR), and DICOM
- Under 15 minutes from install to first masked row

## Built-in entity types

- **Identity** — PERSON, LOCATION, ORGANIZATION, NRP
- **Contact** — EMAIL_ADDRESS, PHONE_NUMBER, URL, IP_ADDRESS
- **Financial** — CREDIT_CARD, US_BANK_NUMBER
- **Gov IDs** — US_SSN, US_ITIN, US_PASSPORT
- **Healthcare** — MEDICARE_ID, HEALTH_PLAN_ID, NPI, DEA_NUMBER, AGE_OVER_89
- **Geo / Time** — ZIP_CODE, DATE_TIME

Opt-in via the **entities** parameter: IBAN_CODE, VEHICLE_VIN, US_DRIVER_LICENSE, CRYPTO.

## Masking operators

Configurable per entity type.

- type_numbered (default) — indexed placeholders: [PERSON_1], [PERSON_2]
- entity_type — type label only: [PERSON]
- constant — fixed string: [REDACTED]
- mask — character masking: *****
- hash — deterministic SHA-256/512 for analytics joins
- encrypt — deterministic AES-SIV; reversible with the key
- faker — realistic synthetic data
- keep — detect only; record in the ledger, leave text unchanged

原始信息汇总

好的，这是您提供的数据集详情页面的关键信息提炼：

数据集名称：Agent Mask - PII Detection & De-identification

概述

这是一个在 Snowflake 平台上运行的 PII（个人身份信息）检测与去标识化工具。它作为一个单一的 SQL 函数 mask() 提供，能够直接在用户的 Snowflake 账户内运行，无需将数据传输到外部，从而实现了零数据流出。

核心功能

• PII 检测与掩码：通过一个 SQL 函数 mask() 即可检测和掩码文本中的 PII，支持在 dbt 模型、Airflow DAGs、Snowflake 任务及批处理 ETL 中使用。
• 零数据流出：所有处理均在用户 Snowflake 账户内的专用 GPU 计算池上完成，不调用外部 API。
• 高性能：对英文文本的人名检测准确率达到 99% 以上。
• 文件支持：支持处理文本、PDF、DOCX、图像（OCR）和 DICOM 文件。
• 核心指代消解（Coreference）：能够将同一实体的不同指代（如 "John Smith", "John", "Dr. Smith"）识别并替换为同一个占位符。
• 自定义实体：支持通过纯英文描述或正则表达式定义检测的实体类型。
• 快速部署：从安装到首次数据掩码，时间不超过 15 分钟。

内置实体类型

涵盖多种类别，包括：

• 身份标识：人名、地点、组织、NRP
• 联系方式：邮箱地址、电话号码、URL、IP地址
• 金融信息：信用卡号、美国银行账号
• 政府ID：美国社保号、ITIN、护照号
• 医疗健康：医疗保险ID、健康计划ID、NPI、DEA号码、超过89岁的年龄
• 地理/时间：邮编、日期时间

掩码操作器（Masking Operators）

可针对不同实体类型配置掩码策略，包括：

• type_numbered：带索引的占位符（如 [PERSON_1]）
• entity_type：仅显示类型标签（如 [PERSON]）
• constant：固定字符串（如 [REDACTED]）
• mask：字符掩码（如 *****）
• hash：确定性哈希（SHA-256/512），用于分析连接
• encrypt：确定性 AES-SIV 加密，可用密钥解密
• faker：生成逼真的合成数据
• keep：仅检测并记录，不改变原文

业务需求

• 解锁分析数据：让数据团队安全地查询和共享之前需要合规批准的文本表。
• 安全的AI/ML训练：对去标识化的文本进行模型训练和微调，避免向供应商或模型工件暴露PII。
• 文档编辑：在对外共享之前，对 PDF 和 DOCX 文档进行编辑（输出可搜索文本层）。

交付方式

• 类型：Native App（原生应用）
• 访问权限：无限制访问
• 费用：免费 + Snowflake 基础设施费用
• 安全：已完成 Snowflake 安全审查，并采用基于角色的访问控制（RBAC）。

联系信息

• 销售与支持：[e-mail]
• 提供商：Agent Mask（Raccoon Data）