近日，OpenAI发布了一款名为Privacy Filter的新模型，旨在帮助开发者有效脱敏文本中的个人身份信息。该模型参数规模达1.5亿，采用混合专家设计，并以Apache 2.0协议在Hugging Face和GitHub平台开源，支持开发者自由下载、定制及商业使用。
Privacy Filter的核心优势在于其深度语言理解能力，能够通过上下文识别非结构化文本中的敏感信息。与传统基于规则的隐私过滤工具不同，该模型可以准确保留公开信息，同时仅对与特定个体相关的敏感数据进行遮盖或脱敏，从而帮助开发者在训练管线、索引流程、日志记录和审核环节中构建更强大的隐私保护机制。该模型支持高达12.8万个Token的上下文窗口，并通过受限维特比算法解码出连贯片段。在PII-Masking-300k基准测试中，Privacy Filter的F1分数达到96%，经修正标注问题后进一步提升至97.43%，展现了其识别个人敏感信息的高效性。
不过OpenAI明确表示，Privacy Filter并非匿名化工具，也无法替代合规认证。在法律、医疗和金融等高敏感性场景中，人工审核及领域特定的评估与微调仍然必不可少。此外，该模型设计为可在本地设备上运行，用户在使用AI工具时无需担心个人信息泄露。
原创文章，作者：AI，如若转载，请注明出处：https://www.kejixun.co/article/751271.html
