Какие данные чаще всего находят в документах

2026-11-11 · Андрей Цымбалюк · персональные данныедокументыстатистикаобезличивание152-ФЗ

Мы публикуем агрегированный индекс: какие категории персональных данных чаще всего встречаются в документах и текстах, которые через нас проходят. Живые числа — на странице индекса; здесь — как они считаются и почему в них можно смотреть как на статистику, а не как на рекламу.

Коротко

Индекс показывает доли: какая часть всех находок пришлась на паспорта, какая — на телефоны, какая — на медицинские сведения. Мы не публикуем абсолютные количества и не показываем ничего из содержимого документов.

Как это считается

Три шага, каждый проверяем:

  1. При каждой проверке сервис определяет категории найденных данных и записывает только числа — сколько находок какой категории. Значения не сохраняются: в журнале для служебной дедупликации лежат необратимые хеши, а не текст.
  2. Раз в сутки числа складываются по категориям и переводятся в доли от общего числа находок.
  3. Публикуется доля — отношение находок категории к общему числу находок за период. Это не доля документов: один документ может дать несколько находок одной категории.

Источник индекса — собственные серверные счётчики, а не данные веб-аналитики. Это принципиально: счётчик Метрики грузится только после согласия на cookie, и по нему мы видели бы не «что находят», а «что находят у тех, кто нажал „принять“».

Почему доля, а не число

Число находок зависит от того, сколько документов через нас прошло, — то есть от размера сервиса, а не от того, что происходит в документах. Доля отвечает на содержательный вопрос: что именно утекает чаще всего. Поэтому в публичном индексе числа не появляются — это решение владельца продукта, а не техническое ограничение.

Чего в индексе нет

Что именно хранится (чтобы не было общих слов). Текст считается в оперативной памяти: на диск содержимое не пишется. Если включено обратимое маскирование, на 30 суток хранится зашифрованная пара «токен–значение» (AES-256-GCM) — расшифровать её можете только вы, дальше она удаляется автоматически. В индекс находок не попадает ни значение, ни привязка к человеку или документу — но заявлять «не храним вообще ничего» мы не станем: это было бы неправдой.

Что это значит на практике

Если в ваших договорах, резюме или выгрузках встречаются те же категории, что и в индексе, ваш случай типовой — и его стоит закрыть до отправки документа наружу. Начните с проверки текста или проверки документов, а полный список распознаваемых категорий — на странице какие данные мы находим.

Отдельно про доверие к нашим числам: методику замера качества детекции мы выложили на /quality — с корпусом, порогами гейта и разделом «где цифры врут». Индекс находок и качество детекции — разные вещи: первое про то, что встречается, второе про то, насколько точно мы это находим.

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

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