Skip to content
KitploitKITPLOIT
OutilsExploitsBlog
Log in
Soumettre
OutilsExploitsBlog
Soumettre

Outils de Hacking, PenTest et Cybersécurité pour votre Arsenal de Sécurité !

Kitploit est un répertoire d'outils de hacking, de cybersécurité et de pentesting. Découvrez les dernières mises à jour des projets pour trouver des vulnérabilités, analyser des systèmes, automatiser les tests et renforcer votre sécurité.

FluxContactConfidentialité© 2026 Kitploit

Répertoire d'outils

Catégories

Voir toutes les catégories
Loading categories
Outils/GitHubGitHub/chiefautism/privacy-parser
OSINT (Renseignement de Sources Ouvertes)ReconnaissanceAnalyse des VulnérabilitésExfiltration de DonnéesCollecte d'InformationsTests d'IntrusionProtection de la Vie PrivéeApprentissage Automatique
GitHubchiefautism/privacy-parser

privacy-parser

inverse du filtre de confidentialité d'openai. même modèle 1.5b, renvoie les pii sous forme de spans structurés au lieu de les masquer

4033432il y a 1 moisVérifié par Kitploit
Partager
Voir le dépôt

Privacy Parser

Trouvez chaque élément de données personnelles (PII) dans un texte et récupérez-le sous forme de spans structurés.

Basé sur OpenAI Privacy Filter : même modèle 1.5B, mêmes labels, mêmes poids.
Privacy Filter masque. Privacy Parser extrait.

python license labels F1


Hi Quindle Testwick ([email protected] / +1-415-555-0102),
account 40702810500001234567, 14 Beautiful Ct, Anytown USA,
password Priv4cy-Filt3r-2026.
private_person      Quindle Testwick
private_email       [email protected]
private_phone       +1-415-555-0102
account_number      40702810500001234567
private_address     14 Beautiful Ct, Anytown USA
secret              Priv4cy-Filt3r-2026

Au lieu de <REDACTED>, vous obtenez ce qui a été trouvé, où cela se trouve (start, end) et de quel type il s'agit.

Pourquoi

Privacy Filter répond à « rendez ce texte sûr ». Parfois, vous avez besoin d'une réponse différente : « qu'y a-t-il exactement ici ? »

  • Auditer les journaux, les dumps et les exports avant qu'ils ne quittent votre périmètre
  • Inventorier les données personnelles pour les demandes RGPD / CCPA
  • Contrôles pre-commit et CI pour les secrets et données de contact divulgués
  • Construire des jeux de données : étiqueter les segments de DCP pour l'entraînement ou l'évaluation

Trois backends

BackendNécessite des poidsVitesseF1 *À utiliser quand
PIIParsernonµs1.000zéro dépendance, motifs structurés
ModelPIIParser1.5B~500 ms CPU0.733sortie brute du modèle
HybridPIIParser1.5B~600 ms CPU0.929choix par défaut

* correspondance exacte des segments sur les cinq fixtures d'exemple opf. Un petit ensemble : à considérer comme un test de fumée, pas comme un benchmark.

Installation

git clone https://github.com/openai/privacy-filter
git clone https://github.com/chiefautism/privacy-parser

uv venv
uv pip install -e ./privacy-filter    # only for the model backends
uv pip install -e ./privacy-parser

Le premier lancement du modèle télécharge le checkpoint opf (~3 Go) dans ~/.opf/privacy_filter/. Définissez OPF_CHECKPOINT ou passez model= pour utiliser un autre emplacement.

Démarrage rapide

Hybride (recommandé)

from pii_parser.hybrid import HybridPIIParser

parser = HybridPIIParser(device="cpu")   # or "cuda"
result = parser.parse("Hi Quindle Testwick, call me at +1-415-555-0102")

for s in result.spans:
    print(s.label, s.start, s.end, s.text)

print(result.to_json())

Regex uniquement, sans poids

from pii_parser import parse

result = parse("mail [email protected], token ghp_abcdefghijklmnopqrstuvwxyz0123456789")

result.detected_spans   # (DetectedSpan(label='private_email', ...), ...)
result.redacted_text    # 'mail <REDACTED>, token <REDACTED>'
result.summary          # {'span_counts': {...}, 'total_spans': 2}

CLI

Backend regex, sans modèle :

$ echo "Alice paid 40702810500001234567 on 2026-05-17." | pii-parser --mode spans
account_number  11  31  40702810500001234567
private_date    35  45  2026-05-17

$ pii-parser "mail [email protected]" --mode redacted
mail <REDACTED>
OptionValeursPar défaut
TEXTtexte, ou -f FILE, ou stdin
--modejson · spans · redactedjson
--placeholdern'importe quelle chaîne<REDACTED>
--indentint, 0 pour un JSON compact2

Backend du modèle :

python -m pii_parser.cli_model "Alice paid 40702810500001234567 on 2026-05-17."
python -m pii_parser.cli_model -f dump.txt --device cuda --mode spans

Labels

taxonomie opf v2, 8 catégories :

LabelExemple
private_personQuindle Testwick
private_email[email protected]
private_phone+1-415-555-0102
private_address14 Beautiful Ct, Anytown USA
private_urlhttps://example.com/u/quindle
private_date2026-05-17
account_number40702810500001234567
secretsk-…, ghp_…, AKIA…, Bearer …

Lorsque des spans se chevauchent, le plus long l'emporte, puis le label de priorité la plus élevée : email > url > secret > account > phone > date > address > person.

Comment fonctionne l'hybride

text
  │
  ▼
opf 1.5B ──► BIOES logits ──► Viterbi (tuned biases) ──► char spans
  │
  ▼
span merge        glues "Quindle" + "Testwick" into one person
  │
  ▼
regex backstop    adds url / secret / account where the model missed them
  │
  ▼
spans[]

Chaque étape peut être désactivée :

HybridPIIParser(
    enable_merge=True,
    enable_regex_backstop=True,
    enable_viterbi_tuning=True,
    decode_mode="viterbi",   # or "argmax"
)

Schéma de sortie

{
  "text": "Hi Quindle Testwick ...",
  "spans": [
    { "label": "private_person", "start": 3, "end": 19, "text": "Quindle Testwick" }
  ]
}

Le regex PIIParser reflète opf.RedactionResult (schema_version, summary, detected_spans, redacted_text), ce qui vous permet de changer de backend sans toucher aux consommateurs.

Tests

Les tests s'attendent à ce que privacy-filter soit cloné à côté de ce dépôt (ils lisent ses fixtures d'exemple).

python tests/test_hybrid.py
Fixture F1:  0.929
Scenarios:   8/8 passed
Latency:     ~600 ms CPU

Utilisation responsable

Il s'agit d'un outil à double usage. Exécutez-le sur des données que vous possédez ou que vous êtes autorisé à traiter. L'extraction de données personnelles à partir de sources divulguées ou volées est illégale dans la plupart des juridictions.

Licence

Apache-2.0

Télécharger l’outil

Populaires

Voir tout →

Découvrez les outils les plus utilisés par notre communauté.

  • 1

    OsintHunter

    letox4/osinthunter

    🎯 La boîte à outils OSINT ultime : graphe d'enquête, notation de confiance, familles d'alias, carte, chronologie et rapports. 49 modules, plus de 400 sites, aucune clé API requise.

    565
  • 2

    ghostlock-app

    yukonga/ghostlock-app

    # Application d'exécution en un clic GhostLock (CVE-2026-43499)

    478
  • 3

    ARTEX

    baarai/artex

    Plateforme autonome de tests d'intrusion multi-agents basée sur des LLM, avec agents planificateur/ouvrier, graphes d'actifs et d'exploration, enregistrement du trafic MITM et retest des vulnérabilités.

    383
  • 4

    redforge

    cybersecurity91/redforge

    Boîte à outils red team côté navigateur avec 102 outils hors ligne pour la reconnaissance, la génération de payloads, les attaques par identifiants, la cryptographie, l'encodage et le reporting d'engagement.

    327
  • 5

    estorides

    grisuno/estorides

    Agrège plus de 99 sources OSINT gratuites en parallèle, résout les entités dans un graphe de connaissances et exporte en STIX 2.1, MISP ou GraphML avec une analyse assistée par LLM.

    258
  • 6

    CyberStrikeAI

    ed1s0nz/cyberstrikeai

    Le système d'action pour la cybersécurité native IA—où l'intention devient une exécution gouvernée, les preuves deviennent une mémoire opérationnelle, et chaque opération améliore la suivante.

    256

Explorer tous les outils

Parcourez notre collection d'outils

Voir tous les outils →