#PII检测

Presidio-research是一个开源的个人身份信息(PII)检测模型开发和评估工具包。它集成了假数据生成、数据表示、模型评估和训练等功能。研究人员可利用该工具包生成合成数据集、评估PII识别性能，以及训练新的命名实体识别模型。Presidio-research支持spaCy、Flair和CRF等主流NLP框架，为PII检测研究提供了综合性解决方案。

StarPII是一个基于NER模型的代码数据集个人信息检测工具。通过微调bigcode-encoder，该模型能准确识别代码中的姓名、邮箱、密钥等六类敏感信息。模型在包含20961个密钥和31种编程语言的数据集上训练，并利用伪标签数据预训练提升性能。StarPII为代码数据隐私保护、PII清理和隐私合规提供了可靠的技术支持。