AI 原生敏感数据分类

给定自由文本、结构化数据、图片或整篇文档，自动发现敏感数据（PII），并输出带置信度的文档分类。

预约演示
多信号融合PII 发现敏感文档分类数学校验自由文本理解置信度校准反馈回流证据可追溯
46
大类敏感数据类型
8
大类敏感文件类型
93%
结构化数据 Macro F1
90%
自由文本 Macro F1（核心类型）
  • GDPR
  • 中国 PIPL
  • CCPA/CPRA
  • 印度 DPDP
  • 日本 APPI
  • 新加坡 PDPA
  • 巴西 LGPD
  • SOC 2
  • ISO 27701
  • HIPAA
  • PCI DSS
  • GLBA

精准判定可靠追溯

多信号交叉印证

上下文信号（列名、字段路径、邻近文本）与多语种语义分析模型逐级融合，交叉给出可追溯的判定。

  • 多语种语义分析模型，百万级真实样本训练，覆盖中英及其他多国语言
  • 列名、字段路径与邻近文本都参与决策
  • 结果可展开证据：候选类型、判定依据与拒绝原因

校验位确定性佐证

对带校验位的数据类型，数学规则直接判定真伪：卡号、账号、证件号、设备识别码，编造的值一律过不了校验。

  • 30+ 国身份证格式、20+ 国税号格式、6 大卡组织
  • 模拟/测试数据识别，演习数据不污染统计
  • 明显无关内容自动过滤，检测聚焦真正的敏感数据

置信度即真实概率

逐类型置信度校准，让 0.87 意味着「87% 的可能是对的」。高置信直接输出，低置信自动标记复核，而非硬性猜测。

  • 中文单独校准，中文结果的置信度同样可靠
  • 幂等输出：同样输入永远同样结果，可审计可回放

真实流量持续进化

复核结果加密回流为训练语料，持续校正并防止性能回退。 系统在真实使用中持续进化，越用越准。

  • 训练语料本地加密保存，经授权才用于训练
  • 各类别效果与运行状况在控制台可观测

敏感文档高效识别

  • 财务类

    财报、年报、招股书、审计报告

    高敏管控

  • 法律合同类

    商业合同、协议、条款文书

    高敏管控

  • 医疗记录类

    病历、出院摘要、检查报告

    高敏管控

  • 源代码

    程序源码文件

    代码资产

  • 内部文档

    内部报告、备忘录、流程文档

    高敏管控

  • 人事文件

    简历、薪酬与绩效文件、员工花名册

    高敏管控

  • 凭证与密钥

    账号口令、API 密钥、私钥与连接串

    阻断并轮换

  • 专利文献

    专利说明书、权利要求书、专利申请文件

    高敏管控

标准 REST API 即插即用

curl -X POST https://databrain.example.com/v1/text/scan \
  -H 'Content-Type: application/json' \
  -d '{
    "text": "客户 daniel.wu@google.com，电话 +1-415-555-0142。",
    "min_confidence": 0.5
  }'
import requests

text = "客户 daniel.wu@google.com，电话 +1-415-555-0142。"
resp = requests.post(
    "https://databrain.example.com/v1/text/scan",
    json={"text": text, "min_confidence": 0.5},
    timeout=30,
)
for m in resp.json()["results"]:
    print(m["pii_type"], m["confidence"])
const resp = await fetch("https://databrain.example.com/v1/text/scan", {
  method: "POST",
  headers: { "Content-Type": "application/json" },
  body: JSON.stringify({
    text: "客户 daniel.wu@google.com，电话 +1-415-555-0142。",
    min_confidence: 0.5,
  }),
})
for (const m of (await resp.json()).results)
  console.log(m.pii_type, m.confidence)
curl -X POST https://databrain.example.com/v1/values/scan \
  -H 'Content-Type: application/json' \
  -d '{
    "values": [
      {"value": "daniel.wu@google.com", "label_hint": "email"},
      {"value": "110101199003077334", "label_hint": "id_card"}
    ]
  }'
import requests

values = [
    {"value": "daniel.wu@google.com", "label_hint": "email"},
    {"value": "110101199003077334", "label_hint": "id_card"},
]
resp = requests.post("https://databrain.example.com/v1/values/scan",
                     json={"values": values}, timeout=30)
for r in resp.json()["results"]:
    print(r["pii_type"], r["confidence"])
const values = [
  { value: "daniel.wu@google.com", label_hint: "email" },
  { value: "110101199003077334", label_hint: "id_card" },
]
const resp = await fetch("https://databrain.example.com/v1/values/scan", {
  method: "POST",
  headers: { "Content-Type": "application/json" },
  body: JSON.stringify({ values }),
})
for (const r of (await resp.json()).results)
  console.log(r.pii_type, r.confidence)
curl -X POST https://databrain.example.com/v1/image/scan \
  -H 'Content-Type: application/json' \
  -d "{\"image_base64\": \"$(base64 -w0 invoice.png)\"}"
import base64, requests

with open("invoice.png", "rb") as f:
    img_b64 = base64.b64encode(f.read()).decode()

resp = requests.post("https://databrain.example.com/v1/image/scan",
                     json={"image_base64": img_b64}, timeout=30)
for m in resp.json()["results"]:
    print(m["pii_type"], m["value"])
import { readFileSync } from "node:fs"

const image_base64 = readFileSync("invoice.png").toString("base64")
const resp = await fetch("https://databrain.example.com/v1/image/scan", {
  method: "POST", headers: { "Content-Type": "application/json" },
  body: JSON.stringify({ image_base64 }),
})
for (const m of (await resp.json()).results)
  console.log(m.pii_type, m.value)
curl -X POST https://databrain.example.com/v1/document \
  -H 'Content-Type: application/json' \
  -d '{
    "text": "'"$(cat contract.txt)"'",
    "options": {"want_genre": true}
  }'
import requests, pathlib

text = pathlib.Path("contract.txt").read_text(encoding="utf-8")
resp = requests.post("https://databrain.example.com/v1/document",
                     json={"text": text, "options": {"want_genre": True}},
                     timeout=120)
doc = resp.json()
print(doc["genre"], doc["genre_confidence"])
import { readFileSync } from "node:fs"

const text = readFileSync("contract.txt", "utf8")
const resp = await fetch("https://databrain.example.com/v1/document", {
  method: "POST", headers: { "Content-Type": "application/json" },
  body: JSON.stringify({ text, options: { want_genre: true } }),
})
const doc = await resp.json()
console.log(doc.genre, doc.genre_confidence)

数据主权与隐私保护

完全离线

无遥测、无外呼、无外部模型调用；推理都在本地完成，断网环境可运行。

默认脱敏

检测日志默认掩码展示，保留类型与置信度；扫描内容不落盘。

签名交付

安装包签名校验，离线授权许可，可吊销。

最小权限

非 root 容器运行；训练语料本地加密保存，经授权才用于训练。

在真实环境运行一次，欢迎试用，开放集成

预约演示