Как не слить персональные данные в ChatGPT и не получить штраф до 15 млн ₽

2026-09-11 · Андрей Цымбалюк · 152-ФЗ нейросети ChatGPT

ДИСКЛЕЙМЕР: я Андрей Цымбалюк, разработчик maskgate.ru. Это честный разбор изнутри. Как устроен маскировщик персональных данных, сколько он стоил и где у него границы.

Идея прилетела из речевой аналитики

Я десять лет в digital. Последние годы руководил цифровым маркетингом и проектами с ИИ в крупной производственной компании. Бренд называть не буду, дело в задаче.

Однажды прилетела огромная выгрузка по речевой аналитике. Сотни тысяч строк расшифровок звонков и переписок. Где-то внутри паспорта, ИНН, СНИЛС клиентов и сотрудников. А может, и нет. Проверить вручную нереально.

Я прогнал это регулярками в Excel. Вы знаете эти регулярки: ищешь слово «паспорт», а люди пишут «пасспорт», «пас-порт», диктуют цифры по одной. На второй тысяче вариаций регулярки сдаются.

И тут до меня дошло: программы, которая берёт текст и отвечает «вот здесь чувствительные данные», нет. DLP за миллионы есть. А маленькой быстрой штуки, чтобы проверить документ перед нейросетью, нет.

Я люблю решать задачи. Сделал сам.

Почему это важно именно сейчас

Два факта.

Первое. ИИ пришёл в рабочие процессы. По исследованиям «Контур.Толк» и Т-Банка, каждый второй сотрудник уже использует нейросети в рабочей переписке. Люди копируют в чат-боты договоры, резюме, базы клиентов и редко задумываются, что там внутри.

Второе. Штрафы. С 30 мая 2025 года в России действуют новые штрафы за утечку персональных данных:

утечка до 1 000 человек: 150–300 тысяч рублей;
от 1 до 10 тысяч: 3–5 млн;
от 10 до 100 тысяч: 5–10 млн;
больше 100 тысяч: 10–15 млн;
повторная утечка: оборотный штраф 1–3% годовой выручки.

Киберстраховка эти штрафы, как правило, не покрывает. Компаниям нужен простой способ не слить данные в нейросеть. Такой, чтобы не разворачивать DLP за миллионы.

Что умеет сервис, если объяснять бабушке

Mask Gate это маскировщик персональных данных. Он находит в тексте и вложениях чувствительные данные: паспорта, ИНН, СНИЛС, карты, телефоны, медданные, коммерческую информацию. И применяет к ним одну из трёх стратегий:

block: запретить передачу (для секретов и медданных жёстко);
redact: необратимо удалить, заменив на [REMOVED:категория];
flag: просто пометить, не трогая текст.

Плюс обратимая маскировка. Значение уезжает в зашифрованное хранилище (vault), а в тексте остаётся токен [VAULT:…], который можно раскрыть обратно по ключу.

было стало

Что именно он находит

Вот категории, которые уже работают. Это реальные детекторы в конфиге, а не «мы планируем»:

Группа	Категории	Стратегия
Секреты и ключи	API-ключ, приватный ключ, SSH-ключ	block
Медицина	медицинские данные	block
Карты и платёжное	номер карты, CVV, срок действия, счёт	redact
Документы РФ	паспорт, ИНН, СНИЛС	redact
Контакты	телефон, email, адрес	redact
Личное	дата рождения	redact
Прочее	госномер авто, учётные данные, код	redact
Метки	ОГРН, ОГРНИП, БИК, КПП, IP-адрес, суммы	flag
Сущности (NER)	ФИО, организация, локация	flag

Плюс можно задать свои фразы-маркеры. Например, название секретного проекта. И собственные regex-правила. И список исключений, чтобы не срабатывать на заведомо безопасных значениях.

Где это работает

Mask Gate это не только веб-страница:

Веб-интерфейс: вставить текст или загрузить файл.
API: /analyze, /process, /process-file, /proxy/chat для встраивания в свои системы.
Office add-in: маскирование прямо в Excel и Word, с восстановлением обратно.
Файлы и OCR: txt, csv, docx, xlsx, pdf, плюс распознавание сканов и изображений.
Self-hosted: Docker, разворачивается целиком у вас в контуре.

Как это устроено технически

Стек: Python 3.11, FastAPI, SQLite, фронт на нативном JS без сборщика, Docker и Nginx. Ядро работает без сети. Весь анализ локальный.

Пайплайн такой:

нормализация → распознаватели → валидаторы → NER → повторный скан → порог → стратегии

Нормализация. Текст чистят от обфускации: гомоглифы («а» на латинице вместо кириллицы), zero-width символы, разбивка разделителями. Закодированные куски (base64, percent, hex, HTML-entity) декодируются и пересканируются.
Распознаватели. Регулярные выражения для структурированных форматов, сканер секретов, ключевые слова и пользовательские маркеры.
Валидаторы. Найденное проверяется контрольными суммами: ИНН, СНИЛС, номер карты по Луну. Регулярка может соврать. Контрольная сумма почти нет.
NER. Для имён, организаций и адресов модель natasha. Модели запечены в wheel, при запуске ничего не скачивается.
Повторный скан. Отдельно ловятся значения, написанные словами, и разбитые на несколько сообщений.

Про скорость. Одиночное значение (карта, ИНН, паспорт) ядро разбирает за доли миллисекунды, около 0,1 мс. Типовое сообщение на 1 000 знаков за 5 мс. Это мои eval-замеры, а не рекламные цифры.

Главный принцип: fail-closed. Любой сбой внутри анализа это блок, а не молчаливый пропуск. На весь проход есть жёсткий бюджет. Превысил блок. Проще перестраховаться, чем пропустить утечку.

Самый простой обход, который ломает обычный регексп

Обычный регексп ищет «паспорт 4509 123456» и сдаётся, когда человек пишет цифры через пробел:

паспорт 4 5 0 9 1 2 3 4 5 6

Или когда номер карты разбит на несколько сообщений в чате. Mask Gate собирает такие куски обратно и ловит значение целиком.

Chokepoint: фильтр на трубе

Кроме проверки вручную, сервис встраивается в пайплайн как серверный chokepoint. Стоит между вами и внешним LLM-API и проверяет данные в обе стороны: что уходит в нейросеть и что от неё возвращается. Поддерживается BYOK. Подключаете собственный ключ LLM, нам не нужно видеть ваши запросы.

Это и есть ответ на вопрос «как не слить паспорт в ChatGPT». Не надеяться на внимательность сотрудника, а поставить фильтр на трубу.

Конкуренты и почему это не DLP

Конкуренты есть, я их не прячу. Есть открытая библиотека Presidio от Microsoft. Но это инструмент для разработчиков, а не готовый сервис, и без русской специфики 152-ФЗ. Есть западные облачные сервисы маскирования, но туда надо отправлять данные за рубеж. А это само по себе риск по статье о трансграничной передаче. Есть полноценные DLP: Solar Dozor, InfoWatch и другие. Но это проект внедрения на месяцы с бюджетом от нескольких миллионов рублей.

Mask Gate это не DLP. Это лёгкий маскировщик ПД, который закрывает одну задачу: не дать чувствительным данным утечь в нейросеть или облако. Дёшево, быстро, без проекта внедрения.

Сколько это стоило

Записал честно, потому что в статьях про стартапы обычно рисуют «мы привлекли раунд». У меня было так:

Статья	Сумма
Нейросети (написание кода) и расходники	~40 000 ₽
Хостинг	2 500 ₽ в месяц
Сертификация	не было
Маркетинг	не было

Времени три месяца. Команда один человек, я.

Где я накосячил

Самая большая ошибка. Два месяца я полировал интерфейсы, хотя надо было сделать первую версию и проверить гипотезу. Два месяца без обратной связи. Классическая грабля инженера: хочется красиво, а надо быстро.

Вторая грабля. Сами нейросети. Начал на Claude, он постоянно тупил: обрывы связи, функционал не работал, сделал одну задачу и упёрся в лимит. Перешёл на Kimi, потом на DeepSeek 4 Pro. Стал делать в десять раз быстрее, а с DeepSeek Harness ещё в пять.

Отдельная история: нейросети начали ругаться друг с другом. Я вёл несколько задач в разных чатах. В какой-то момент одна модель обвинила в ошибке другую, а та переложила ответственность обратно. Я читал переписку двух LLM, которые скидывали вину друг на друга. Такого в «успешных кейсах» не рассказывают.

Желание бросить тоже было. Когда интерфейс сыпался, а Claude после долгого анализа выдавал неработающий код. Спасло две вещи. Первая: интерес к задаче. Вторая: я вынес правила работы с нейросетями в отдельный документ. Независимая проверка результата, пометка задачи «в работе», общие принципы в инструкциях. Когда модели перестали переписывать логику друг у друга, код наконец перестал ломаться.

Почему с данными всё чисто

Про 152-ФЗ коротко. Вот что зашито в архитектуру, детали на странице maskgate.ru/security:

Минимизация. Текст обрабатывается в памяти и не пишется на диск в открытом виде. В аудит и на диск попадают только HMAC-токены, а маскированные значения лежат в vault под AES-256-GCM.
Локализация (ст. 18). Аудит-лог и временные файлы в инфраструктуре РФ.
Трансграничная передача (ст. 12). Chokepoint не даёт ПДн утечь во внешний LLM.
Спецкатегории. Медданные только block.
Self-hosted. Сервис разворачивается целиком у вас в контуре (Docker).
Анти-фишинг. Проверка домена и Origin. Даже клон сайта не соберёт ваши данные.

Финал

Сервис на стадии MVP, и я показываю цифры открыто. На eval-корпусе recall 95%, precision 92%. Простым языком: из 100 настоящих паспортов и ИНН сервис ловит 95, а из 100 срабатываний 92 по делу, остальные 8 ложная тревога.

100% защиты не бывает. Mask Gate не защитит от мотивированного инсайдера, стеганографии или семантического перефраза, когда паспорт пересказан своими словами. Это инструмент снижения риска для типовых утечек. И я знаю, где он заканчивается.

Дальше реальные пользователи и реальные сценарии. Я не хочу, чтобы это осталось проектом в стол. Поэтому открыто ищу первых пользователей, которые помогут отловить edge-кейсы.

Попробуйте сломать сервис. Пришлите три текста, на которых он, как вам кажется, ошибётся: пропустит чувствительные данные или сработает зря. Первая проверка бесплатна, без регистрации. Нашли ошибку? В интерфейсе есть приватная форма «Сообщить об ошибке».

А тем, кто прямо сейчас копирует паспорт в ChatGPT-бот, скажу одно. Утечки персональных данных по 152-ФЗ наказуемы: до 15 млн рублей, а за повторную утечку до 3% оборота. Отправляя свои данные, вы подставляете себя и своё будущее. Отправляя данные коллег, подставляете ещё и компанию.

Титры

Автор Андрей Цымбалюк, создатель maskgate.ru. Mask Gate находит чувствительные данные в текстах и документах, маскирует их, удаляет или блокирует передачу по API. Можно развернуть self-hosted у себя в контуре. Работаем по публичной оферте.

Попробовать бесплатно: maskgate.ru Безопасность и обработка данных: maskgate.ru/security Telegram: t.me/maskgateru

Проверьте свой текст перед отправкой в нейросеть — бесплатно на maskgate.ru.

Не является юридической консультацией. Проверяйте актуальную редакцию 152-ФЗ.