퍼플렉시티, 0.6B 크기의 온디바이스 개인정보 탐지 모델 'PII-Tracer' 공개

PII-Tracer는 퍼플렉시티가 공개한 0.6B 파라미터 크기의 경량 온디바이스 개인정보 탐지 모델입니다. 다국어 장문 대화 환경을 평가하는 벤치마크 PII-TRACE와 함께 오픈소스로 공개되었습니다. 클라우드 모델로 데이터를 보내기 전, 민감한 개인 식별 정보(PII)를 로컬에서 걸러내는 개인정보 게이트 역할을 수행합니다.

모델 가중치와 벤치마크는 모두 허깅페이스(Hugging Face)에서 내려받을 수 있습니다.

어떤 역할을 하는가

온디바이스와 클라우드를 결합한 하이브리드 AI 환경에서는 로컬 소형 모델이 민감한 파일을 열람하고, 클라우드 대형 모델이 복잡한 추론과 검색을 맡습니다. 이 경계가 안전하게 유지되려면 로컬 기기에서 먼저 개인정보를 완벽히 식별해야 합니다.

하지만 실제 대화는 길고 복잡합니다. 사용자 이름이나 계좌번호가 여러 턴에 걸쳐 반복 등장할 때, 기존 단일 문장 기반 탐지기는 한 번만 놓쳐도 데이터가 그대로 유출되는 문제가 있었습니다.

PII-Tracer는 13개 언어와 10개 문자 체계를 지원하며, 9개 유형의 PII를 문자 단위로 정밀하게 짚어냅니다. 대화 속에 코드나 표, 정형 데이터가 섞여 있어도 반복 언급되는 식별 정보를 놓치지 않고 마스킹하거나 로컬에 격리합니다.

어떻게 구현했나

이 모델은 Qwen3 백본을 양방향 인코더 구조로 개조해 제작되었습니다. 텍스트를 생성할 필요가 없으므로 인과적 마스크를 제거하고, 4,096 토큰 범위 안에서 앞뒤 문맥을 동시에 확인하는 양방향 어텐션을 적용했습니다.

각 토큰은 1,024차원 임베딩을 거쳐 37개 레이블을 판별하는 BIOES 태깅 헤드로 연결됩니다. 여기에 건강이나 종교 같은 민감 주제 포함 여부를 판별하는 보조 분류 헤드를 함께 학습시켜 문맥에 맞는 판단을 내리도록 유도했습니다. 추론 시에는 비터비(Viterbi) 디코더를 사용해 태그 순서의 문법적 오류를 방지합니다.

12개 시스템을 비교한 PII-TRACE 벤치마크에서 PII-Tracer는 가장 높은 0.629의 문자 F1 점수를 기록했습니다. 수천억 파라미터 규모의 클라우드 프론티어 모델에 근접하는 정확도를 초소형 로컬 모델로 달성한 셈입니다.

특히 동일 정보가 6~10회 반복되는 구간에서 PII-Tracer는 0.691의 검출률을 유지했습니다. 같은 테스트에서 GPT-5.6-sol은 0.464에 그쳤고, GLiNER2-PII와 Claude Opus 4.8은 각각 0.073, 0.045로 급락했습니다.

왜 중요한가

로컬 에이전트나 하이브리드 파이프라인을 구축하는 개발자라면 지금 바로 도입을 검토해 볼 만합니다. 0.6B 크기 덕분에 일반 PC 환경에서도 자원 부담 없이 구동되며, 기존 정규식이나 비싼 클라우드 API 호출 없이도 탄탄한 개인정보 1차 방어선을 구축할 수 있습니다.

퍼플렉시티가 하이브리드 AI의 핵심 병목인 단말 내 프라이버시 필터를 오픈소스로 개방한 것은 생태계 선점을 위한 영리한 판단으로 보입니다. 다만 F1 점수 0.629가 동급 최고 수준일지라도 여전히 미탐지 가능성은 존재하므로, 엄격한 규제가 적용되는 실무 환경에서는 사용자 확인 절차와 병행하는 운영 설계가 필요합니다.