Let It Be

Let It Be - anonimizacja danych po polsku

Samodzielny silnik (zero zaleznosci, Node >=20). Wykrywa polskie PII checksumowo (PESEL/NIP/REGON/KRS/IBAN/dowod osobisty), heurystycznie (imiona z gazetteera, firmy z forma prawna, e-mail, telefon, adres) i podmienia na tokeny. Dwa tryby RODO. Cala praca lokalnie.

Safety Tiers (KRYTYCZNE - dane osobowe)

Dotyczy zwlaszcza akt klientow i pism procesowych - anonimizuj na oryginale bez kopii = nieodwracalna utrata danych osobowych. Slownik *.mapa-pii.json zawiera oryginaly PII - chron go, nie wysylaj do LLM, nie commituj.

Quick start

Z katalogu skilla:

# Raport co jest w dokumencie (nic nie zmienia)
node bin/cli.mjs wykryj pismo.txt

# ANONIMIZACJA - nieodwracalna, do publikacji/dzielenia (brak mapy)
node bin/cli.mjs anonimizuj pismo.txt --out pismo-anon.txt

# PSEUDONIMIZACJA - odwracalna, do pracy z LLM (zapisuje mape)
node bin/cli.mjs pseudonimizuj pismo.txt --map mapa.json --out pismo-pseudo.txt
node bin/cli.mjs odwroc odpowiedz-llm.txt --map mapa.json   # przywraca oryginaly

# PACZKA - odwracalna redakcja WIELU plikow, jednolita numeracja (v0.2.0)
node bin/cli.mjs paczka pozew.txt zeznanie.txt --slownik sprawa.mapa-pii.json
node bin/cli.mjs przywroc odpowiedz-llm.txt --slownik sprawa.mapa-pii.json

Wejscie - lub brak = stdin. Wynik na stdout albo do --out.

Workflow: paczka dokumentow do LLM (v0.2.0)

Gdy sprawa sklada sie z kilku pism, paczka trzyma JEDEN slownik odwracania: ten sam byt w kazdym pliku = ten sam [OSOBA_1], liczniki nie resetuja sie per plik, a kolejne wywolanie z tym samym --slownik kontynuuje numeracje (takze po restarcie). przywroc podstawia oryginaly w odpowiedzi LLM lokalnie i ostrzega o placeholderach, ktorych slownik nie zna (zmyslone przez model).

1. paczka pozew.txt zeznanie.txt --slownik sprawa.mapa-pii.json --audit audit.log
2. Czlowiek wysyla pliki *.pseudo.txt do modelu, odbiera odpowiedz.
3. przywroc odpowiedz.txt --slownik sprawa.mapa-pii.json --out odpowiedz-jawna.txt
4. Doszedl nowy dokument? paczka aneks.txt --slownik sprawa.mapa-pii.json - numeracja kontynuowana.

Granica governance: narzedzie przygotowuje i przywraca LOKALNIE, niczego samo nie wysyla - co idzie do LLM decyduje czlowiek.

Wybor trybu (RODO)

Workflow: dokument do LLM

1. pseudonimizuj pismo.txt --map mapa.json --audit audit.log -> tekst z tokenami + mapa.
2. Wyslij tekst z tokenami do modelu, odbierz odpowiedz.
3. odwroc odpowiedz.txt --map mapa.json -> odpowiedz z prawdziwymi danymi.
4. Mapa wygasa wg TTL (domyslnie 7 dni) - patrz MappingStore w README.

Bramka "no PII leaves"

Obie komendy po podmianie sprawdzaja, czy zaden oryginal nie przetrwal (np. przez fleksje nazwiska). Jezeli cos zostalo - operacja jest przerywana z kodem wyjscia 2 i komunikatem na stderr, zeby zweryfikowac recznie.

Ograniczenia (przeczytaj)

• Fleksja: "Kowalski" zlapane, ale "Kowalskiego/Kowalskiemu" w innym miejscu - nie zawsze. Bramka residual to wykryje i zatrzyma; przejrzyj dokument.
• Imiona: gazetteer ~120 najczestszych. Rzadkie/obce imie moze umknac.
• Daty urodzenia, paszport, prawo jazdy, PWZ - poza zakresem v0.2.0.
• Adres bez prefiksu ulicy (ul./al./pl./os.) moze umknac.
• Tryb .docx z tracked changes - roadmap v2 (silnik jest tekstowy).
• To narzedzie wspomaga, nie zastepuje weryfikacji przez prawnika.

Biblioteka (programowo)

import { pseudonimizuj, anonimizuj, odwroc } from "matematic-anonimizacja-pl";
const r = anonimizuj("Jan Kowalski, PESEL 44051401359");
// r.text -> "[OSOBA_1], PESEL [PESEL_1]"

// paczka (v0.2.0): wspolny slownik, jednolita numeracja, restart-safe
import { pseudonimizujPaczke, przywroc, SlownikOdwracania } from "matematic-anonimizacja-pl";
const { wyniki, slownik } = pseudonimizujPaczke([{ nazwa: "pozew.txt", text: "..." }]);
const wznowiony = SlownikOdwracania.fromJSON(slownik.toJSON());
const { text } = przywroc(odpowiedzLlm, wznowiony);

Pelne API i wzorce operacyjne (TTL, szyfrowane archiwum, audit log): README.md.