Проверка документов на персональные данные
Загрузите DOCX, XLSX, PDF или скан — Mask Gate найдёт персональные данные внутри и замаскирует их, отдав документ обратно в том же формате.
Проверить файлДоговор с паспортными данными клиента, отчёт с телефонами сотрудников, скан паспорта. Всё это регулярно улетает в нейросети и облака. Проверка файлов маскирует данные до отправки.
Какие форматы поддерживаются
PDF (текст и скан), DOCX, XLSX, TXT, CSV (включая Windows-1251), изображения PNG, JPG, JPEG, TIFF, TIF, BMP (распознавание текста). Лимиты по умолчанию: до 10 файлов за одну операцию, 20 МБ на файл, до 500 страниц в PDF, до 50 страниц распознавания, до 100 листов и 100 000 строк в таблице, а также до 500 000 символов извлекаемого текста на файл; их задаёт политика инстанса.
DOCX
Маскирует внутри документа, включая таблицы и колонтитулы, и отдаёт .docx обратно.
XLSX
Ячейки таблиц, листы — данные маскируются, файл остаётся рабочим.
Текст и отсканированные страницы — рендер без poppler, через pypdfium2.
Изображения
Каждый формат изображения из списка выше распознаётся (OCR), находки попадают в отчёт по файлу. Сам файл-картинка не пересобирается.
Как это работает
Файл разбирается на текст (таблицы, колонтитулы, сноски), текст прогоняется через детектор, найденные ПДн заменяются. На выходе — тот же документ, только без персональных данных. Восстановление исходных значений возможно через vault по ключу.
Зачем это нужно
Документы — самый частый носитель ПДн: договоры, резюме, отчёты, базы клиентов. Один файл, отправленный не туда или в нейросеть, — это утечка и штраф по ст. 13.11 КоАП. Подробнее про штрафы — в регуляторном хабе.
Частые вопросы
Файл куда-то отправляется?
Да — файл уходит по HTTPS на сервер Mask Gate и обрабатывается там. Исходный документ не сохраняется: он пишется во временный файл на время разбора, а сразу после обработки этот файл удаляется. Готовый документ живёт в памяти сервера (не на диске) и доступен по ссылке со случайным токеном до 5 минут: артефакт живёт в памяти сервиса и не переживает перезапуск или деплой. Скачанный результат — ваш. При обратимом маскировании хранится зашифрованная пара «токен–значение» до 30 суток — расшифровать её можете только вы.
Можно восстановить исходные данные?
Да, если использовать обратимую маскировку (vault): исходные значения шифруются (AES-256-GCM) и хранятся в защищённом vault-хранилище, а в тексте остаётся токен, по которому значение раскрывается.
Скан низкого качества распознаётся?
OCR вытаскивает текст из изображений; если текст нечитаем — проверка честно скажет об этом, а не пропустит молча.
Что делать дальше
Проверка показывает, что внутри файла. Если файл нужно не только проверить, но и отдать наружу уже без этих данных:
- Обезличивание документов — что сервис убирает из DOCX, XLSX и PDF и какой файл вы получаете на выходе;
- Маскирование персональных данных — чем замена на плейсхолдер отличается от обратимого токена;
- Маскирование перед нейросетью — если документ или текст уходит в модель.