Rampart: Browser native on-device PII radaction

When you type into a chatbot, you might reveal more about yourself than intended. A request to clean up an email carries your name and a coworker’s; a medical bill question carries your address and account number. Whatever you type travels to a remote server you can’t inspect. Rampart’s core design principle: the only personal information you can be sure is private is the information that never leaves your device.

Today, Rampart is open-sourced as a first-generation on-device personal information filtering system. It combines a deterministic layer using regular expressions to catch SSNs and ID numbers, and Mini LM to catch names and street addresses. Doing PII removal often means trusting a remote server or downloading large binaries, which present key challenges: AI privacy guarantees are almost impossible to verify, and most models are gigantic, narrowing the group of users who can benefit.

Everything happens in the browser, between typing a message and sending it; there is no server in the loop. Model size is 14.7MB, runtime latency is 3.9ms on Web GPU, and private-term recall across seven languages is 98.4%. Before a message goes anywhere, two readers look at it on your device: a deterministic rules layer for structured data like SSNs and credit cards, and a small language model, Mini LM, that reads sentences for context-aware redaction of names and addresses.

Rampart was trained on AI4Privacy’s Open PII 1.5M dataset and a synthetic generator. On a 30,000-row held-out test set, Rampart scored 98.42% recall, outperforming GLi NER small v2.1 (94.2%), Community BERT-small PII (81.5%), Microsoft Presidio (65%), and AWS Bedrock Guardrails (63.8%). It is an alpha product intended as a first line of defense.

عند كتابة Messages في Chatbot، قد تُفصح عن معلومات أكثر عن نفسك من المطلوب. طلب تنظيف بريد إلكتروني يحمل اسمك واسم زميل لك؛ سؤال فاتورة طبية يحمل عنوانك ورقم حسابك. كل ما تكتبه ينتقل إلى خادم remote لا يمكنك فحصه. مبدأ تصميم Rampart الأساسي: فقط البياناتPersonal التي يمكنك التأكد من أنها خصية هي البيانات التي لم تغادر جهازك أبدًا.

اليوم، تم إصدار Rampart كرمز مفتوح كنظام تصفية البياناتPersonal من الجيل الأول على الجهاز. يجمع بين طبقة حتمية تستخدم تعبيرات منظمة لالتقاط أرقام الضمان الصحي وأرقام الهوية، و Mini LM لالتقاط الأسماء والعنونات. إزالة البياناتPersonal يعني عادة الثقة في خادم remote أو تحميل binaries كبيرة، مما ي-present تحديات核心: ضمانات خصوصية IA تكاد يكون من المستحيل التحقق منها، ومعظم النماذج هائلة، مما يضيق مجموعة المستخدمين المست Beneficiers.

كل شيء يحدث في المتصفح، بين كتابة Message و sends؛ لا يوجد خادم في الحلقة. حجم النموذج 14.7MB، latency runtime 3.9ms على Web GPU، و recall private terms عبر سبع لغات 98.4%. قبل أن يذهب أي Message إلى أي مكان، ينظر ا reader في جهازك: طبقة قواعد حتمية للبيانات الهيكلية مثل أرقام الضمان الصحي والبطاقات الائتمانية، و نموذج لغوي صغير، Mini LM، يقرأ الجملة ل redaction من Names والعنونات بـ context-aware.

درَب Rampart على dataset AI4Privacy’s Open PII 1.5M و مولِّد اصطناعي. على 30,000-row held-out test set، حصل Rampart على 98.42% recall، تجاوز GLi NER small v2.1 (94.2%)، Community BERT-small PII (81.5%)، Microsoft Presidio (65%)، و AWS Bedrock Guardrails (63.8%). هو alpha منتج مصمم كخط دفاع الأول.

الكيانات الرئيسية: شركات: Open AI, AWS, Microsoft, AI4Privacy

যখন আপনি একটি চ্যাটবটে টাইপ করেন, তখন আপনি অপেক্ষাকৃত বেশি তথ্য প্রকাশ করতে পারেন। একটি ইমেল পরিষ্কার করার অনুরোধে আপনার নাম এবং একটি সহকর্মীর নাম থাকে; একটি চিকিৎসা বিলের প্রশ্নে আপনার ঠিকানা এবং হিসাব নম্বর থাকে। আপনি যা ই টাইপ করেন তা একটি রিমোট সার্ভারে যায় যা আপনি পরীক্ষা করতে পারেন না। Rampart-এর কেন্দ্রীয ডিজাইন নীতি: একমাত্র ব্যক্তিগত তথ্য যা আপনি নিশ্চিত করতে পারেন যে গোপনীয় তা হল তথ্য যা কখনো আপনার ডিভাইস থেকে বের হয় না।

আজ, Rampart প্রথম-প্রজন্মের ডিভাইস-ভিত্তিক ব্যক্তিগত তথ্য ফিলটারিং সিস্টেম হিসেবে ওপেন সোর্স হয়েছে। এটি সোশাল নম্বর এবং আইডি নম্বর ধরতে রেগুলার এক্সপ্রেশনের একটি নির্ধারিত স্তর এবং নাম এবং রাস্তার ঠিকানা ধরতে Mini LM সংযোগ করে। PII সরানো প্রায়শই একটি রিমোট সার্ভারে ভরসা করা অথবা বড় বাইনারি ডাউনলোড করার অর্থ, যা মূল্যবোধ-ভিত্তিক চ্যালেঞ্জ তৈরি করে: এ.I গোপনীয়তার প্রতিজ্ঞান প্রায় অনুমান করা অসম্ভব, এবং অধিকাংশ মডেল বিশাল, যা ব্যবহারকারীদের সংখ্যা সীমিত করে।

সবকিছু ব্রাউজারে ঘটে, একটি মেসেজ টাইপ করা এবং পাঠানোর মধ্যে; কোনো সার্ভার লুপ নেই। মডেলের আকার 14.7MB, রানটাইম ল্যাটেন্সি Web GPU-এ 3.9ms, এবং সাতটি ভাষায় ব্যক্তিগত শব্দের রিকল 98.4%। কোনো মেসেজ কোনো যানায় যাওয়ার আগে, দুটি রিডার আপনার ডিভাইসে তাদের দৃষ্টি দেয়: সংরচিত ডেটার জন্য একটি নির্ধারিত নিয়মের স্তর যেমন সোশাল নম্বর এবং ক্রেডিট কার্ড, এবং একটি ছোট ভাষা মডেল, Mini LM, যা প্যারাগ্রাফ পড়ে নাম এবং ঠিকানার জন্য কনটেক্সট-সচেতন রেডাকশন করে।

Rampart কে AI4Privacy-র Open PII 1.5M ডাটাসেট এবং একটি সিন্থেটিক জেনারেটরে প্রশিক্ষিত হয়েছে। 30,000-রো হেল্ড-আউট টেস্ট সেটে, Rampart 98.42% রিকল পেয়েছে, যা GLi NER small v2.1 (94.2%), Community BERT-small PII (81.5%), Microsoft Presidio (65%) এবং AWS Bedrock Guardrails (63.8%) অপেক্ষা ভালো করেছে। এটি একটি আল্ফা প্রোডাক্ট যা একটি প্রথম সরলার রক্ষার জন্য ডিজাইন করা হয়েছে।

মূল সত্তাগুলো: কোম্পানী: Open AI, AWS, Microsoft, AI4Privacy

Wenn Sie in einen Chatbot tippen, können Sie mehr über sich pregeben, als beabsichtigt. Eine Anfrage zur Bereinigung einer E-Mail enthält Ihren Namen und den eines Kollegen; eine Frage zu einer medizinischen Rechnung enthält Ihre Adresse und Kontonummer. Alles, was Sie tippen, reist zu einem Remote-Server, den Sie nicht inspizieren können. Das Kernkonstruktionsprinzip von Rampart: Die einzige personenbezogene Information, die Sie sicher als privat kennt, ist die Information, die Ihr Gerät nie verlässt.

Heute wird Rampart als erstes Generation on-device personenbezogene Information Filter System open-source. Es kombiniert eine deterministische Schicht, die reguläre Ausdrücke nutzt, um Sozialversicherungsnummern und ID-Nummern zu fangen, und Mini LM, um Namen und Straßenanschriften zu fangen. PII-Entfernung bedeutet oft, einem Remote-Server zu vertrauen oder große Binaries herunterzuladen, was Herausforderungen mit sich bringt: AI-Privacy-Garantien sind fast unmöglich zu verifizieren, und die meisten Modelle sind riesig, wodurch die Gruppe der Nutzer, die davon profitieren können, eingeschränkt wird.

Alles geschieht im Browser, zwischen dem Tippen einer Nachricht und dem Senden; kein Server ist im Spiel. Modellgröße beträgt 14,7 MB, Laufzeitverzögerung 3,9 ms auf Web GPU, und der private-term recall über sieben Sprachen beträgt 98,4 %. Bevor eine Nachricht überall hingelangt, betrachten zwei Leser sie auf Ihrem Gerät: eine deterministische Regelschicht für strukturierte Daten wie Sozialversicherungsnummern und Kreditkarten, und ein kleines Sprachmodell, Mini LM, das Sätze für kontextbewusste Anonymisierung von Namen und Adressen liest.

Rampart wurde auf AI4Privacy’s Open PII 1.5M Datensatz und einen synthetischen Generator trainiert. Auf einem 30.000-zeiligen held-out Testset erzielte Rampart einen Recall von 98,42 %, übertraf GLi NER small v2.1 (94,2 %), Community BERT-small PII (81,5 %), Microsoft Presidio (65 %) und AWS Bedrock Guardrails (63,8 %). Es ist ein Alpha-Produkt, das als erste Verteidigungslinie dient.

Schlüsselentitäten: Unternehmen: Open AI, AWS, Microsoft, AI4Privacy

Cuando escribe en un chatbot, puede revelar más sobre sí mismo de lo que pretende. Una solicitud para limpiar un correo electrónico lleva consigo su nombre y el de un colega; una pregunta sobre una factura médica lleva su dirección y número de cuenta. Todo lo que escriba viaja a un servidor remoto que no puede inspeccionar. El principio de diseño central de Rampart: la única información personal que puede estar segura de ser privada es la información que nunca sale de su dispositivo.

Hoy, Rampart se lanza como código abierto como un sistema de filtrado de información personal de primera generación en el dispositivo. Combina una capa determinista que utiliza expresiones regulares para capturar números de Seguro Social y números de identificación, y Mini LM para capturar nombres y direcciones callejeras. Realizar la eliminación de PII a menudo significa confiar en un servidor remoto o descargar binarios grandes, lo que presenta desafíos clave: las garantias de privacidad de IA son casi imposibles de verificar, y la mayoría de los modelos son enormes, lo que reduce el grupo de usuarios que pueden beneficiarse.

Todo ocurre en el navegador, entre escribir un mensaje y enviarlo; no hay ningún servidor en el bucle. El tamaño del modelo es de 14,7 MB, la latencia en tiempo de ejecución es de 3,9 ms en Web GPU, y el recall de términos privados en siete idiomas es del 98,4%. Antes de que un mensaje vaya a cualquier parte, dos lectores lo examinan en su dispositivo: una capa de reglas deterministas para datos estructurados como números de Seguro Social y tarjetas de crédito, y un pequeño modelo de lenguaje, Mini LM, que lee las frases para la redacción de nombres y direcciones con conciencia contextual.

Rampart se entrenó con el conjunto de datos Open PII 1.5M de AI4Privacy y un generador sintético. En un conjunto de prueba de 30.000 filas retenido, Rampart obtuvo un recall del 98,42%, superando a GLi NER small v2.1 (94,2%), Community BERT-small PII (81,5%), Microsoft Presidio (65%) y AWS Bedrock Guardrails (63,8%). Es un producto alfa destinado a ser una primera línea de defensa.

Entidades clave: Empresas: Open AI, AWS, Microsoft, AI4Privacy

Lorsque vous tapez dans un chatbot, vous pouvez révéler plus sur vous-même que prévu. Une demande pour nettoyer un e-mail porte votre nom et celui d'un collègue ; une question sur une facture médicale porte votre adresse et votre numéro de compte. Tout ce que vous tapez voyage vers un serveur distant que vous ne pouvez pas inspecter. Le principe de conception central de Rampart : la seule information personnelle dont vous pouvez être sûr qu'elle est privée est celle qui ne quitte jamais votre appareil.

Aujourd'hui, Rampart est open-sourced comme système de filtration de l'information personnelle de première génération sur l'appareil. Il combine une couche déterministe utilisant des expressions régulières pour attraper les numéros de sécurité sociale et les numéros d'identification, et Mini LM pour attraper les noms et les adresses de rue. Effectuer une suppression de PII signifie souvent faire confiance à un serveur distant ou télécharger de grands binaires, ce qui présente des défis clés : les garanties de confidentialité de l'IA sont presque impossibles à vérifier, et la plupart des modèles sont gigantesques, réduisant le groupe d'utilisateurs qui peuvent en bénéficier.

Tout se passe dans le navigateur, entre la saisie d'un message et son envoi ; il n'y a pas de serveur dans la boucle. La taille du modèle est de 14,7 ms, la latence d'exécution est de 3,9 ms sur Web GPU, et le rappel des termes privés dans sept langues est de 98,4 %. Avant qu'un message ne parte nulle part, deux lecteurs le regardent sur votre appareil : une couche de règles déterministes pour les données structurées comme les numéros de sécurité sociale et les cartes de crédit, et un petit modèle de langage, Mini LM, qui lit les phrases pour une redaction contextuelle des noms et adresses.

Rampart a été formé sur le dataset AI4Privacy’s Open PII 1.5M et un générateur synthétique. Sur un ensemble de test de 30 000 lignes retenu, Rampart a obtenu un rappel de 98,42 %, surpassant GLi NER small v2.1 (94,2 %), Community BERT-small PII (81,5 %), Microsoft Presidio (65 %) et AWS Bedrock Guardrails (63,8 %). C'est un produit alpha destiné à être une première ligne de défense.

Entités clés : Entreprises : Open AI, AWS, Microsoft, AI4Privacy

FAQ : Comment Rampart s'assure-t-il que l'information personnelle ne quitte jamais l'appareil ?

Rampart effectue toute la filtration dans le navigateur entre la saisie et l'envoi, en utilisant une couche de règles déterministes pour les données structurées et Mini LM pour la redaction contextuelle des noms et adresses, sans serveur impliqué.

जब आप एक चैटबॉट में टाइप करते हैं, तो आप अपने बारे में अधिक जानकारी प्रकट कर सकते हैं जितना आप चाहते हैं। एक ईमेल साफ़ करने का अनुरोध आपके नाम और एक सहकर्मी के नाम को शामिल करता है; एक चिकित्सा बिल के प्रश्न में आपका पता और खाता नंबर शामिल होता है। आप जो भी टाइप करते हैं, वह एक रिमोट सर्वर पर जाता है जिसकी आप जाँच नहीं कर सकते। Rampart का मुख्य डिज़ाइन सिद्धांत: एकमात्र व्यक्तिगत जानकारी जिसकी आप आश्वासित होंगे कि वह निजी है, वह है जानकारी जो आपके डिवाइस से कभी बाहर नहीं जाती।

आज, Rampart को एक पीढ़ी के डिवाइस-पर व्यक्तिगत जानकारी फ़िल्टरिंग सिस्टम के रूप में ओपन सोर्स किया गया है। यह सोशल नंबर और आईडी नंबरों को पकड़ने के लिए रेगुलर एक्सप्रेशन का उपयोग करने वाली एक निर्धारित परत और नाम और स्ट्रीट पतों को पकड़ने के लिए Mini LM को जोड़ता है। PII हटाना अक्सर एक रिमोट सर्वर पर भरोसा करने या बड़े बाइनरी डाउनलोड करने का मतलब होता है, जो चुनौतियाँ पैदा करते हैं: AI गोपनीयता की गारंटियाँ लगभग अनुमानित नहीं की जा सकतीं, और अधिकांश मॉडल विशाल होते हैं, जिससे उपयोगकर्ताओं का समूह घट जाता है।

सब कुछ ब्राउज़र में होता है, एक संदेश टाइप करने और भेजने के बीच; कोई सर्वर लूप में नहीं है। मॉडल आकार 14.7MB है, वेब GPU पर रनटाइम लैटेंसी 3.9ms है, और सात भाषाओं में निजी शब्दों का रिकॉल 98.4% है। कोई संदेश कहीं जाने से पहले, दो रीडर आपके डिवाइस पर इसकी जाँच करते हैं: संरचित डेटा जैसे सोशल नंबर और क्रेडिट कार्डों के लिए एक निर्धारित नियमों की परत, और एक छोटा लैंग्वेज मॉडल, Mini LM, जो संदेश को पाठ्य विश्लेषण के लिए पढ़ता है ताकि नाम और पतों को संदर्भ-जागरूक तरीके से हटाया जा सके।

Rampart को AI4Privacy के Open PII 1.5M डेटासेट और एक सिंथेटिक जनरेटर पर प्रशिक्षित किया गया है। 30,000-पंक्ति के परीक्षण सेट पर, Rampart ने 98.42% रिकॉल प्राप्त किया, जिससे GLi NER small v2.1 (94.2%), Community BERT-small PII (81.5%), Microsoft Presidio (65%), और AWS Bedrock Guardrails (63.8%) से बेहतर प्रदर्शन किया। यह एक अल्फा उत्पाद है जो एक पहली रेखा की रक्षा के लिए बनाया गया है।

मुख्य इकाइयाँ: कंपनियाँ: Open AI, AWS, Microsoft, AI4Privacy

Saat Anda mengetik ke dalam chatbot, Anda bisa mengungkapkan lebih tentang diri Anda dari yang dimaksud. Permintaan untuk membersihkan email membawa nama Anda dan nama rekan kerja; pertanyaan tagihan medis membawa alamat dan nomor rekening Anda. Apa pun yang Anda ketik pergi ke server jarak jauh yang tidak dapat Anda periksa. Prinsip desain inti Rampart: satu-satunya informasi pribadi yang bisa Anda pastikan privat adalah informasi yang tidak pernah meninggalkan perangkat Anda.

Hari ini, Rampart dirilis sebagai open-source sebagai sistem filter informasi pribadi generasi pertama di perangkat. Ini menggabungkan layer deterministic menggunakan regex untuk menangkap SSN dan nomor ID, dan Mini LM untuk menangkap nama dan alamat jalan. Melakukan Penghapusan PII berarti sering memercayai server jarak jauh atau mengunduh biner besar, yang menghadapi tantangan utama: jaminan privasi AI hampir mustahil untuk diverifikasi, dan kebanyakan model raksasa, mempersempit kelompok pengguna yang bisa mendapatkan manfaat.

Semua terjadi di peramban, antara mengetik pesan dan mengirimnya; tidak ada server dalam loop. Ukuran model 14.7MB, latency runtime 3.9ms di Web GPU, dan recall istilah privat dalam tujuh bahasa 98.4%. Sebelum pesan pergi ke mana-mana, dua pembaca melihatnya di perangkat Anda: layer aturan deterministic untuk data terstruktur seperti SSN dan kartu kredit, dan model bahasa kecil, Mini LM, yang membaca kalimat untuk redaksi nama dan alamat yang sadar konteks.

Rampart dilatih pada dataset AI4Privacy’s Open PII 1.5M dan generator sintetik. Pada set uji 30.000 baris yang ditahan, Rampart mencapai recall 98.42%, mengungguli GLi NER small v2.1 (94.2%), Community BERT-small PII (81.5%), Microsoft Presidio (65%), dan AWS Bedrock Guardrails (63.8%). Ini adalah produk alpha yang dimaksudkan sebagai baris pertama pertahanan.

Entitas utama: Perusahaan: Open AI, AWS, Microsoft, AI4Privacy

チャットボットにタイプするとき、意図以上に自分についての情報を開示してしまう可能性があります。メールのクリーニ依頼には自分の名前と同僚の名前が含まれ、医療費の質問には住所と口座番号が含まれます。あなたがタイプするすべては、確認できないリモートサーバーに送信されます。Rampartの核心的設計原理：プライバシーが保たれることが確実な個人情報は、あなたのデバイスを出たことがない情報だけです。

今日、Rampartは第一世代のデバイス内個人情報フィルタリングシステムとしてオープンソース化しました。SSNやID番号をキャッチするための正規表現層と、名前と住所をキャッチするためのMini LMを組み合わせています。PIIの削除は、通常、リモートサーバーを信頼するか、大きなバイナリをダウンロードする必要があります。これは、AIのプライバシー保証が almost impossible to verify であり、大多数のモデルが巨大で、恩恵を受けられるユーザーの範囲が窄まるという主要な課題を生み出します。

すべてはブラウザ内、メッセージをタイプして送信する間で行われ、サーバーはループに含まれません。モデルサイズは14.7MB、Web GPUでの実行時遅延は3.9ms、7言語における機密語のリコール率は98.4%です。メッセージがどこかに送られる前、2つのリーダーがデバイス上でメッセージをチェックします。構造化データ（SSNやクレジットカードなど）用の決定論的ルール層と、文脈をawareした名前と住所の赤塗りを行う小型言語モデルMini LMです。

Rampartは、AI4PrivacyのOpen PII 1.5Mデータセットと合成生成器で学習しました。30,000行の保持テストセットにおいて、Rampartは98.42%のリコール率を達成し、GLi NER small v2.1（94.2%）、Community BERT-small PII（81.5%）、Microsoft Presidio（65%）、AWS Bedrock Guardrails（63.8%）を上回しました。これは第一線の防衛として意図されたアルファ製品です。

主要エンティティ：企業：Open AI, AWS, Microsoft, AI4Privacy

Ao digitar em um chatbot, você pode revelar mais sobre si mesmo do que pretendido. Um pedido para limpar um e-mail carrega seu nome e o de um colega; uma questão de fatura médica carrega seu endereço e número de conta. Tudo o que você digita viaja para um servidor remoto que você não pode inspecionar. O princípio de design central do Rampart: a única informação pessoal que você pode ter certeza de que é privada é a informação que nunca sai do seu dispositivo.

Hoje, o Rampart é open-sourced como um sistema de filtragem de informação pessoal de primeira geração no dispositivo. Ele combina uma camada determinística usando expressões regulares para capturar SSNs e números de identificação, e Mini LM para capturar nomes e endereços de rua. Realizar a remoção de PII geralmente significa confiar em um servidor remoto ou baixar binários grandes, que apresentam desafios-chave: as garantias de privacidade de IA quase não são possíveis de verificar, e a maioria dos modelos é gigantesca, estreitando o grupo de usuários que podem se beneficiar.

Tudo acontece no navegador, entre digitar uma mensagem e enviá-la; não há servidor no loop. O tamanho do modelo é 14,7 MB, a latência de runtime é 3,9 ms na Web GPU, e o recall de termos privados em sete idiomas é 98,4%. Antes de uma mensagem ir para qualquer lugar, dois leitores a examinam no seu dispositivo: uma camada de regras determinísticas para dados estruturados como SSNs e cartões de crédito, e um pequeno modelo de linguagem, Mini LM, que lê frases para redação de nomes e endereços com contexto consciente.

O Rampart foi treinado no dataset Open PII 1.5M da AI4Privacy e em um gerador sintético. Em um conjunto de teste de 30.000 linhas mantido, o Rampart obteve recall de 98,42%, superando GLi NER small v2.1 (94,2%), Community BERT-small PII (81,5%), Microsoft Presidio (65%) e AWS Bedrock Guardrails (63,8%). É um produto alfa destinado a ser uma linha de defesa inicial.

Entidades-chave: Empresas: Open AI, AWS, Microsoft, AI4Privacy

При вводе текста в чат-бот вы можете раскрыть о себе больше, чем планировали. Запрос на очистку электронной письменности содержит ваше имя и имя коллеги; вопрос по медицинскому счету содержит ваш адрес и номер счета. Всё, что вы вводите, отправляется на удаленный сервер, который вы не можете проверить. Основной принцип проектирования Rampart: единственная личная информация, в которой вы можете быть уверены, что она конфиденциальна — это информация, которая никогда не покидает ваше устройство.

Сегодня Rampart выпущен с открытым кодом как система фильтрации личной информации первого поколения на устройстве. Она объединяет детерминированный слой, использующий регулярные выражения для захвата номеров социального страхования и идентификационных номеров, и Mini LM для захвата имён и улиц. Удаление ПИИ обычно означает доверие удаленному серверу или загрузку больших бинарных файлов, что представляет ключевые вызовы: гарантии конфиденциальности ИИ почти невозможно проверить, и большинство моделей гигантские, сужая круг пользователей, которые могут извлечь пользу.

Всё происходит в браузере, между вводом сообщения и его отправкой; сервер не участвует в цикле. Размер модели — 14,7 МБ, задержка выполнения — 3,9 мс на Web GPU, а точность по конфиденциальным терминам на семи языках — 98,4%. Прежде чем сообщение попадёт куда-либо, два читателя проверяют его на вашем устройстве: детерминированный слой правил для структурированных данных, таких как номера социального страхования и кредитные карты, и маленькая языковая модель Mini LM, которая читает предложения для контекстно-осознанной редакции имён и адресов.

Rampart обучался на датасете AI4Privacy’s Open PII 1.5M и на синтетическом генераторе. На тестовом наборе из 30 000 строк Rampart показал точность 98,42%, превзойдя GLi NER small v2.1 (94,2%), Community BERT-small PII (81,5%), Microsoft Presidio (65%) и AWS Bedrock Guardrails (63,8%). Это альфа-продукт, предназначенный в качестве первой линии защиты.

Ключевые сущности: Компании: Open AI, AWS, Microsoft, AI4Privacy

当您在聊天机器人中输入信息时，可能会无意中泄露更多个人信息。一封清理邮件的请求可能包含您的姓名和同事的姓名；一张医疗账单的问题可能包含您的地址和账号。您输入的所有内容都会传输到您无法检查的远程服务器。Rampart的核心设计原则是：唯一能确保私密的个人信息是那些从未离开您设备的信息。

今天，Rampart作为第一代设备端个人信息过滤系统开源。它结合了使用正则表达式的确定性层来捕获社保号和身份证号，以及Mini LM来捕获姓名和街道地址。进行PII删除通常意味着信任远程服务器或下载大型二进制文件，这带来了关键挑战：AI隐私保证几乎无法验证，而且大多数模型都非常庞大，缩小了能够受益的用户群体。

所有操作都在浏览器中进行，在输入消息和发送消息之间；没有服务器参与。模型大小为14.7MB，Web GPU上的运行时延迟为3.9ms，七种语言的私密术语召回率为98.4%。在消息发送之前，两个读取器会在您的设备上查看它：一个用于结构化数据（如社保号和信用卡）的确定性规则层，以及一个用于上下文感知姓名和地址脱敏的小型语言模型Mini LM。

Rampart在AI4Privacy的Open PII 1.5M数据集和合成生成器上进行训练。在30,000行的保留测试集上，Rampart的召回率达到了98.42%，超过了GLi NER small v2.1（94.2%）、Community BERT-small PII（81.5%）、Microsoft Presidio（65%）和AWS Bedrock Guardrails（63.8%）。它是一个作为第一道防线的alpha产品。

关键实体：公司：Open AI、AWS、Microsoft、AI4Privacy

FAQ：Rampart如何确保个人信息从未离开设备？

Rampart在浏览器中，在输入和发送之间执行所有过滤，使用确定性正则表达式层处理结构化数据，使用Mini LM处理上下文感知的姓名和地址脱敏，不涉及任何服务器。