privacy-filter-nemotron-v2

privacy-filter-nemotron-v2

在文本里找出并遮盖个人数据，涵盖姓名、联系方式和各类 ID 等 55 个细分类别。适合在分享或存储文本之前先做脱敏的团队。

由 OpenMed 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的，模型自己的文件和许可证在 Hugging Face 上。

简介

它是什么：privacy-filter-nemotron-v2 是一个词元分类器，能在文本里找出个人数据，方便你把它遮盖掉。它是 OpenMed Nemotron 架构检查点的第二代。它能标注 55 种个人数据，从姓名和联系方式到账号。卡片说 v2 的遮盖比初代更可靠。

适合谁：它适合必须在分享、存储或分析文本之前去掉个人数据的团队。你需要一点 Python 才能运行它。

Industry | Who uses it | How they use it | Example
医疗 | 数据和合规团队 | 在笔记离开系统之前遮盖患者标识 | 隐藏笔记里的姓名、电话和病历号
客户支持 | 支持运营 | 从对话记录和日志里去掉个人信息 | 在分析之前清理一份聊天记录
法律与合规 | 隐私负责人 | 在审阅之前去掉文档里的标识信息 | 分享之前对合同摘录做脱敏
软件 | 数据工程师 | 在文本流水线里加一个脱敏步骤 | 在文本送到另一个服务之前先遮盖

需要单一数据集来源的人可以改用原版 Nemotron 检查点。

用在哪里：

• Python 配合 OpenMed 包
• transformers 库，作为词元分类流水线
• OpenAI 隐私过滤项目的 opf 命令行工具
• Windows、macOS 或 Linux

Use case | Who | What they get back
找出个人数据 | 合规团队 | 每个检测到的条目及其标签和文本
遮盖文本 | 数据工程师 | 个人数据被遮盖后的同一段文本
通用脱敏 | 隐私负责人 | 可用来决定隐藏哪些内容的类型化标签

如何设置：

• 你电脑上的 Python
• 带 Hugging Face 附加项的 OpenMed 包，或者 transformers 库
• 约 2.8 GB 的磁盘空间，用于 BF16 权重

1. 安装 Hugging Face hub 软件包。
2. 下载模型文件。
3. 安装 OpenMed 包，或者用 transformers 加载模型。

pip install -U huggingface_hub

hf download OpenMed/privacy-filter-nemotron-v2

pip install -U "openmed[hf]"

如何使用：用 OpenMed 时，调用 extract_pii 列出文本里的个人数据，再用 mask 方法调用 deidentify 把它们隐藏。为了在生产里得到最好的效果，卡片建议在遮盖之前使用支持 BIOES 的解码，并合并重叠或相邻的片段。

from openmed import extract_pii, deidentify

model_name = "OpenMed/privacy-filter-nemotron-v2"

result = extract_pii(text, model_name=model_name)
for ent in result.entities:
    print(ent.label, ent.text)

masked = deidentify(text, method="mask", model_name=model_name)
print(masked.deidentified_text)

Tool | What it does
extract_pii | 列出文本里发现的个人数据，并为每一项给出标签
deidentify | 返回个人数据被遮盖后的文本
opf redact | 用指定的检查点，在命令行里做脱敏

示例：你传入一句话，里面有患者的姓名、出生日期、病历号、电话和邮箱。extract_pii 会把每一项连同它的标签打印出来。用 mask 方法调用 deidentify，则返回这些内容已被隐藏的句子。

新手与专家：词元分类器给文本的每一小段打上标签，这里的标签标出的是个人数据。第一步可以先在一句编造的句子上运行 OpenMed 示例，再读读标签。

它的基础是 openai/privacy-filter，一个 1.4B 参数的混合专家分类器，每个词元约有 50M 参数处于激活状态。它预测 221 个 BIOES 类别，由一个外部类别和 55 个类别各自的四种标签组成。训练是一次完整微调，用了更广的数据组合和偏重召回的配方。

含有个人数据的文本
模型给每个词元打标签
合并并解码片段
个人数据被遮盖

注意事项：

• Languages: 记录里列出了几种欧洲语言，包括保加利亚语、捷克语、丹麦语、德语、希腊语、英语、西班牙语和爱沙尼亚语。
• License: Apache 2.0。
• Cost to run: 未提及。这些步骤不需要 API 密钥或付费服务。
• Data it reaches: 它从 Hugging Face Hub 下载文件，然后处理你给它的文本。transformers 示例打开了 trust_remote_code，所以它会运行模型仓库里的代码。
• Not for: 跳过人工复核。这里提供的卡片文字没有给出准确率数字。

Hugging Face 上的数据（2026年11月13日）

• 任务：token classification
• 框架：transformers
• 参数量：1.4B
• Weights: about 2.8 GB in BF16; about 700 MB at 4-bit (estimate)
• Formats: Safetensors
• 最近 30 天下载：154,398
• 点赞：57
• 许可证：apache-2.0
• 语言：bg, cs, da, de, el, en, es, et
• 基于：openai/privacy-filter
• Quantized versions: 3
• Fine-tunes: 2
• 标签：transformers, safetensors, openai_privacy_filter, token-classification, privacy, redaction, nemotron, openmed, openai-privacy-filter

链接

• 模型：https://huggingface.co/OpenMed/privacy-filter-nemotron-v2
• 文件：https://huggingface.co/OpenMed/privacy-filter-nemotron-v2/tree/main

获取模型

用 Hugging Face 的命令行下载它的文件：

pip install -U huggingface_hub
hf download OpenMed/privacy-filter-nemotron-v2

然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。