OpenAIが「Privacy Filter」公開、個人情報をローカルで検出・マスキング

OpenAIがオープンウェイトとして公開した「Privacy Filter」は、テキスト内の個人識別情報（PII）を検出してマスキングするための軽量モデルです。最大の特徴はローカル環境で動かせる点にあり、脱敏前の機密データを外部サーバーに送信することなく、手元のマシンだけで安全に処理を完結できます。

総パラメータ数は1.5Bですが、アクティブパラメータはわずか50Mに抑えられています。これだけ軽量でありながら、最大128,000トークンという長大なコンテキスト長をサポートしています。

何ができるのか

電話番号やメールアドレスの抽出には、これまで正規表現などのルールベース処理がよく使われてきました。しかし、文脈によって公開情報か個人情報かが変わるケースや、非構造化テキストに埋もれた曖昧な個人情報を見抜くのは困難でした。

Privacy Filterは言語理解をベースに、8つのカテゴリを検出します。具体的には、個人名、個人住所、メールアドレス、電話番号、プライベートURL、プライベートな日付、口座番号（銀行口座やクレジットカード番号など）、そしてAPIキーやパスワードといったシークレット情報です。

前後の文脈を読み取れるため、残すべき公開情報と伏せるべきプライベートな記述を高い精度で仕分けることができます。

仕組みと検証結果

仕組みとしては、言語モデルの事前学習チェックポイントを双方向トークン分類器へと適応させています。チャットボットのように1トークンずつ逐次生成するのではなく、入力全体を1回のフォワードパスで一括ラベリングし、制約付きビタビ復号でまとまった区間を確定します。

この構造のおかげで処理が極めて高速で、企業のログ収集やデータセット作成、インデックス化といった大規模パイプラインにもそのまま組み込めます。

PII-Masking-300kベンチマークでのF1スコアは96%（適合率94.04%、再現率98.04%）を記録しました。データセットのアノテーション不備を修正したバージョンでは、F1スコアが97.43%（適合率96.79%、再現率98.08%）まで向上します。

少量データでのファインチューニングにも強く、特定ドメイン向けの評価ではF1スコアが54%から96%へと急上昇しました。

モデルとドキュメントはGitHubおよびHugging FaceにてApache 2.0ライセンスで公開されており、商用利用や追加学習も自由に行えます。ただしOpenAIは、法務や医療、金融などの高度な機密性を要する場面では、依然として人間の目による確認が必要であると注意を促しています。

なぜ重要か

社内RAGシステムの構築やログ監査、モデル学習用データの前処理を担当している開発者なら、すぐに試す価値があります。これまで未加工の生データを外部APIに送るのはセキュリティリスクが高く、かといって旧来の正規表現では検知漏れが防げないというジレンマがありました。

Privacy Filterの巧みな点は、アクティブパラメータ50Mという極小設計で実用的な精度と速度を両立させたことです。こうした特定用途に特化した高品質なオープンソース基盤は、企業の現場で最も求められていたピースだと言えます。