近期，openai 發佈了一款名為「privacy filter」的新模型，旨在協助開發者有效去除文本中的個人識別資訊。該模型擁有 1.5 億個參數，並採用專家混合架構，已在 hugging face 與 github 上以 apache 2.0 授權條款開放原始碼，讓開發者可自由下載、自訂，並用於商業用途。
privacy filter 的核心優勢在於其深厚的語言理解能力，能夠根據上下文準確識別非結構化文本中的敏感資訊。與傳統基於規則的隱私過濾工具不同，此模型能精確保留公開資訊，僅對與特定個人相關的敏感資料進行掩蔽或去識別處理，從而協助開發者在訓練流程、索引程序、日誌記錄及稽核工作流中建構更強大的隱私保護機制。該模型支援高達 128,000 個詞元的上下文窗口，並採用受限的 viterbi 算法來解碼連貫片段。在 pii-masking-300k 基準測試中，privacy filter 取得了 96% 的 f1 分數；在修正標註問題後，這一數值進一步提升至 97.43%，充分展現了其在識別個人敏感資訊方面的高效性。
然而，openai 明確指出，privacy filter 並非匿名化工具，亦無法取代合規認證。在法律、醫療、金融等高度敏感領域，仍需依賴人工審核，並進行針對特定領域的評估與微調。此外，該模型專為本地裝置運行而設計，因此使用者在使用 ai 工具時無需擔心個人資訊外洩。
