21. PII Sanitization Agent: очистка до отправки в LLM
Единственный разбор без модели в контуре: агент вызывает внешний сервис очистки и работает как предохранитель перед LLM. Важен не код, а принцип fail-closed.
Удалить из текста персональные данные — почты, телефоны, национальные идентификаторы, банковские счета, ключи API — до отправки в модель или внешний API. Граница: агент не хранит оригинал и не заменяет юридическую проверку.
Архитектура
Заголовок раздела «Архитектура»flowchart LR T["Текст"] --> S["sanitize"] S -->|"POST"| A["TrustBoost API"] A -->|"sanitized_content"| R["Очищенный текст"] S -->|"ошибка"| F["[REDACTED]"]
Модели нет: в метаданных проекта указаны llm: none и framework: other. Это тонкий клиент к
сервису детекции и редактирования.
- Текст отправляется на endpoint с контекстом.
- Сервис возвращает очищенный текст и структурированный результат.
- При любой ошибке транспорта или ответа возвращается
[REDACTED], а не исходный текст.
Что в коде
Заголовок раздела «Что в коде»try: resp = requests.post(ENDPOINT, json=payload, timeout=30)except requests.RequestException: return {"sanitized_content": "[REDACTED — sanitization service unreachable]"}Чему учит
Заголовок раздела «Чему учит»- Fail-closed — главное решение. При сбое система не пропускает данные, а блокирует их. Для персональных данных это единственно верный дефолт.
- Очистка до модели, а не после. Порядок принципиален: после отправки данные уже утекли.
- Тонкий клиент. Модели детекции живут на стороне сервиса, поэтому в проекте нет ни весов, ни кода обработки.
- Аудит. Сервис возвращает структурированный результат, пригодный для журнала.
Где сломается
Заголовок раздела «Где сломается»- Зависимость от внешнего сервиса. Недоступность блокирует всю цепочку — это цена fail-closed.
- Ложные пропуски. Семантический детектор не гарантирует полноту, особенно на новых форматах идентификаторов.
- Ложные срабатывания. Номер заказа может быть принят за телефон.
- Данные уходят третьей стороне. Сервис видит текст до очистки — это отдельная юридическая оценка.
- Нет проверки после. Очищенный текст не проверяется повторно.
Как улучшить
Заголовок раздела «Как улучшить»- Добавить локальный слой регулярных выражений перед внешним вызовом.
- Проверять результат повторно и логировать случаи расхождения.
- Ограничить, какие поля вообще попадают в контур.
- Для чувствительных данных использовать локальную модель вместо внешнего API.
Связь с другими разделами
Заголовок раздела «Связь с другими разделами»- Безопасность агента — место очистки в общей защите.
- HR и подбор — домен, где это критично.
- Память и контекст — что вообще попадает в контекст.
Материалы и источники
Заголовок раздела «Материалы и источники»- TrustBoost PII Sanitizer — проект очистки персональных данных.