Дообученная модель для локального поиска и разметки персональных данных и секретов в тексте с целью их последующей маскировки.
20скачиваний за 30 дней0лайковвеса обновлены25 июн 2026
Бенчмарки
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
Публичные оценки
Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.
В подключённых источниках результатов для этой модели пока нет.
Что умеет модель
Описание составлено по карточке модели и метаданным Hugging Face
MaTE X Privacy Sentinel v0.1 — дообученная Enosis Labs модель OpenAI Privacy Filter для локального обнаружения и маскирования персональных данных и секретов в тексте. Она предназначена для фильтрации конфиденциальных строк, в том числе учетных данных и параметров подключения, перед их сохранением или передачей.
Модель использует архитектуру MoE, содержит 145,4 млн параметров и рассчитана на контекст до 131 072 токенов. Это модель для разметки токенов на базе Transformers; в README приведены span F1 0,9956 на валидации и 0,9894 на тесте. Доступны веса в формате safetensors.
Модель распространяется по лицензии Apache-2.0. Она служит вспомогательным средством защиты конфиденциальности и не гарантирует соответствие требованиям; перед применением в production рекомендуется провести собственную проверку на контрольных примерах.
Сценарии применения
поиск персональных данных в текстовых записях
обнаружение паролей и секретов в конфигурациях
фильтрация строк подключения к базам данных
маскирование конфиденциальных фрагментов перед передачей текста
проверка текстовых данных на утечки перед сохранением
Ограничения
Модель не гарантирует соответствие требованиям и может пропускать или неверно размечать чувствительные данные; перед production-развертыванием следует провести собственную проверку на контрольных примерах.
Для каких профессий подходит9
Разделы каталога профессий, в задачах которых используется эта модель