presidio-pii

# Presidio — PII Detection & Anonymization ## Resumen Presidio (de Microsoft) es un framework open-source para **detectar, redactar, enmascarar y anonimizar datos personales (PII)** en texto e imágenes. ## Componentes | Componente | Descripción | |------------|-------------| | **Analyzer** | Detecta PII (nombres, DNI, emails, teléfonos, IBAN, etc.) | | **Anonymizer** | Redacta/enmascara/sustituye las PII detectadas | | **Image Redactor** | Detecta y oculta PII en imágenes (OCR + NER) | ## Instalación ```bash pip install presidio-analyzer pip install presidio-anonymizer pip install presidio-image-redactor ``` ## Uso básico ```python from presidio_analyzer import AnalyzerEngine from presidio_anonymizer import AnonymizerEngine # Análisis analyzer = AnalyzerEngine() results = analyzer.analyze(text="Mi email es david@example.com y mi teléfono es +34 612345678", language="es") # Anonimización anonymizer = AnonymizerEngine() anonymized = anonymizer.anonymize(text="Mi email es david@example.com...", analyzer_results=results) ``` ## Reconocedores disponibles - DNI/NIE, NIF, NSS, Pasaporte, IBAN - Email, Teléfono, URL, IP - Nombre de persona (NER), Localización - Tarjetas de crédito, coordenadas bancarias ## Integración con Mastermind - Para skills que procesen PDFs/documentos (liteparse, markitdown) - Proteger datos personales antes de logging - Anonimizar datasets de entrenamiento ## Referencia - Repo: `microsoft/presidio` - Docs: https://microsoft.github.io/presidio/