rizzo-pii：意大利语法律文书本地脱敏

项目简介

rizzo-pii 是一个面向意大利语法律文书的本地 PII（个人身份信息）匿名化工具。它由约 0.3B 参数的 token-classification 模型 rizzo-pii:0.3B（mmBERT / ModernBERT 主干）驱动，可在 CPU 上运行，内存占用约 0.5 GB，无需 API key、不联网、无遥测。

它要解决的是「为了用大模型而把敏感文档整份贴进对话框」带来的数据外泄问题：先用本地模型把文档中的身份信息替换成占位符，只把占位符文本发给云端模型，答案回来后再在本地还原真实值。适合律师事务所、会计师事务所、公证员，以及任何受 GDPR 约束、又想继续使用 ChatGPT / Claude / Gemini 处理敏感材料的人。

工作流只有三步本地、一步远程：

🔒 本地匿名化 → 🏷️ 占位符 + 本地可逆词典 → ☁️ 前沿大模型 → 🔓 本地还原

主要功能

• 22 类实体识别：以 BIO 格式预测 FULLNAME、AGE、GENDER、DATE、TIME、STREET、BUILDINGNUM、ZIPCODE、CITY、PROVINCE、EMAIL、TELEPHONENUM、CF、PIVA、ID_DOC、IBAN、CREDITCARDNUMBER、AMOUNT、TARGA、ORG、DOCID、CATASTO。
• 覆盖意大利法律专用标识：codice fiscale、partita IVA、dati catastali 等在其他开源模型中通常没有标注数据的类型。
• 可逆伪匿名：每个片段替换为带类型的占位符（如 [FULLNAME_1]、[CF_1]、[IBAN_1]），相同取值共享同一占位符，占位符 → 真实值 的映射保存在本地词典中，便于模型理解上下文并在本地还原。
• 确定性校验：正则 + 校验和构成的兜底网，包括 IBAN 的 mod-97、银行卡的 Luhn 校验，以及 CF / PIVA 的官方算法。
• 多种交付形态：Windows 安装包、macOS（Apple Silicon）、Linux AppImage 桌面版，另提供 Docker 与开放的 HTTP API，可作为 sidecar 接入流水线。

示例：输入「Il Sig. Mario Rossi, C.F. RSSMRA85H12F205Y, P.IVA 12345678903, è titolare dell'immobile al Foglio 12, particella 345, sub. 6.」，会输出「Il Sig. [FULLNAME_1], C.F. [CF_1], P.IVA [PIVA_1], è titolare dell'immobile al [CATASTO_1].」。

安装与使用

桌面版可直接从 Releases 页面下载安装：

• 🪟 Windows installer
• 🍎 macOS（Apple Silicon）
• 🐧 Linux AppImage

下载地址：https://github.com/Rizzo-AI-Academy/rizzo-pii/releases/latest

典型使用流程：

1. 在本地载入文档，由本地模型标出全部个人信息片段；
2. 生成带占位符的匿名文本，把占位符映射写入本地词典；
3. 将匿名文本交给云端大模型处理；
4. 把返回结果在本地按词典还原为真实值。

2.0.0 版本还提供同一进程的 HTTP 服务，便于脚本化调用，主要端点包括 GET /health（不触发推理的就绪检查，模型未加载时返回 503）、POST /analyze（接收 JSON 文本或 .pdf/.md/.txt 上传）、POST /pdf、POST /preview、POST /pdf/preview。

注意事项

• 模型以意大利语为主（另支持 7 种语言），对意大利法律标识的支持是它与其他通用模型的主要差异。
• 2.0.0 起每个标签都可以单独关闭：被关闭的标签仍会被检测，但保留明文而不替换，适合需要比对合同金额、或在临床材料中保留年龄与性别的场景；选择会持久化在 prefs.json 中。
• 可逆词典有独立开关：关闭后不再建立映射，匿名化即为最终结果，无法还原。
• 除调用云端大模型这一步外，检测与还原全部在本地 CPU 上完成，第三方只会收到伪匿名文本。

---

本作品整理自 GitHub 开源项目 Rizzo-AI-Academy/rizzo-pii，原作者 @Rizzo-AI-Academy，许可证 MIT。中文介绍由 AI 根据项目 README 整理，以原仓库为准。