presidio

Presidio es un framework de código abierto para detectar y anonimizar datos sensibles (PII) en texto e imágenes. Proporciona módulos rápidos de identificación y anonimización para entidades como números de tarjetas de crédito, nombres, ubicaciones, números de seguro social y más. Las características clave incluyen reconocedores de PII predefinidos y personalizados que utilizan reconocimiento de entidades nombradas, expresiones regulares, lógica basada en reglas y suma de verificación con contexto en múltiples idiomas. Admite modelos externos de detección de PII, ofrece múltiples opciones de uso desde Python/PySpark hasta Docker/Kubernetes, e incluye un módulo para redactar PII en imágenes (incluidas imágenes médicas DICOM). El proyecto enfatiza la extensibilidad y personalización, con una advertencia de que la detección automatizada puede no encontrar toda la información sensible. La instalación está disponible a través de pip, Docker o desde el código fuente, con documentación completa y ejemplos.