PII-Tracer

PII-Tracer

在聊天对话里找出个人数据并遮盖，用一个 600M 参数的编码器，带词元标注和敏感度打分。适合在使用前清理对话日志的团队。

由 perplexity-ai 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：PII-Tracer 是一个能在对话里找出个人数据、以便遮盖的模型。它来自关于多轮聊天中上下文感知检测的 PII-TRACE 论文。底层是一个约 600M 参数的双向 Qwen3 编码器，有两个输出。一个标出文本里的个人数据，另一个给整段对话的敏感程度打分。

适合谁：它适合处理聊天日志或大模型对话、需要在存储、分享或训练之前去掉姓名、联系方式和密钥的团队。你需要一点 Python 才能运行它。

Industry | Who uses it | How they use it | Example
AI 产品团队 | 数据和机器学习工程师 | 在训练或审阅之前遮盖对话日志里的个人数据 | 清理已存的聊天记录
客户支持 | 支持运营 | 从对话里去掉客户信息 | 隐藏工单对话里的邮箱和电话
合规 | 隐私负责人 | 标出需要重点查看的敏感对话 | 按敏感度分数给聊天排序
研究 | 隐私研究人员 | 在多轮文本上测试上下文感知检测 | 阅读模型对示例聊天的标注

处理长文档的人也可以用，但必须先把文本切开，因为输入会在 4096 个词元处被截断。

用在哪里：

• Windows、macOS 或 Linux 上，Python 配合 Transformers 5.2 或更新版本
• vLLM，通过单独的 PII-Tracer-vLLM 打包版本
• llama-server，通过 GGUF 打包版本
• MLX，通过 MLX 打包版本，需要你自己的加载器

Use case | Who | What they get back
找出个人数据 | 数据工程师 | 带标签、起始和结束位置的片段
遮盖文本 | 支持和合规团队 | 每个片段被标签替换后的文本
敏感度打分 | 隐私负责人 | 整段对话的一个敏感度数值

如何设置：

• 你电脑上的 Python
• PyTorch 和 Transformers 5.2 或更新版本
• 允许用 trust_remote_code 加载模型

1. 安装 Hugging Face hub 软件包。
2. 下载模型文件。
3. 安装 torch 和较新的 Transformers，然后在 Python 里加载模型。

pip install -U huggingface_hub

hf download perplexity-ai/PII-Tracer

pip install torch "transformers>=5.2"

如何使用：用 trust_remote_code 加载模型，然后对一段文本调用 predict。它返回检测到的片段和一个敏感度数值。调用 mask 可以得到个人数据被标签替换后的文本。超过 4096 个词元的文本，请在调用 predict 之前先切开。

from transformers import AutoModel

model = AutoModel.from_pretrained(
    "perplexity-ai/PII-Tracer", trust_remote_code=True
)

text = ("Hi, I'm Daniel Whitfield, you can reach me at "
        "daniels@meridiancap.com or 415-555-0123.")
spans, sensitivity = model.predict(text)
for s in spans:
    print(s.label, (s.start, s.end), text[s.start:s.end])

print(model.mask(text))

Tool | What it does
predict | 返回个人数据片段和一个敏感度数值
mask | 返回每个片段被标签替换后的文本
save_pretrained | 保存模型和分词器，让这个文件夹可以单独加载

示例：你传入一条短聊天消息，里面有姓名、邮箱地址和电话号码。predict 列出三个片段，每个都带标签，比如 private_person、private_email 或 private_phone。mask 然后返回这些部分被大写标签替换后的消息。

新手与专家：遮盖就是把私人细节换成一个中性的标签，让其余文本仍然可用。第一步可以先对一条编造的消息运行卡片里的示例，再对比输出。

词元头用 BIOES 标签标注 9 个类别，再由带约束的 Viterbi 步骤解码。这些类别是人名、账号、URL、日期、地址、邮箱、电话、密钥和其他个人数据。敏感度头读取隐藏状态的均值，给出对话级别的分数。

输入对话文本
双向 Qwen3 编码器读取它
词元头标注片段，Viterbi 解码
敏感度头给聊天打分

注意事项：

• License: MIT。
• 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。加载用到 trust_remote_code，所以会运行仓库里的代码。
• Not for: 不先切分就输入超过 4096 个词元的文本。

Hugging Face 上的数据（2026年11月13日）

• 任务：token classification
• 参数量：596M
• Weights: about 1.2 GB in BF16; about 298 MB at 4-bit (estimate)
• Formats: Safetensors
• 最近 30 天下载：8,506
• 点赞：97
• 许可证：mit
• 语言：en
• Quantized versions: 5
• Fine-tunes: 3
• 标签：safetensors, pii_masking, token-classification, privacy, qwen3, multilingual

链接

• 模型：https://huggingface.co/perplexity-ai/PII-Tracer
• 文件：https://huggingface.co/perplexity-ai/PII-Tracer/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 perplexity-ai/PII-Tracer

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。