did - PII-fjernelse

did pseudonymiserer PII (personfølsomme oplysninger) i tekstdocs til sikker LLM-brug. Erstatter navne med pladsholdere/falske, matcher varianter (John Doe = J.D.).

Producerer parametriske dokumenter: Anonyme filer med konsistente tags ([PER1], [ORG1]). Swap parametre efterfølgende til bias-test, flersprogede prompts eller lokalt tilpassede navne – reproducerbar LLM-analyse uden gen-træning.

Hvorfor did?

• Privatliv: Lokal proces, minimal lækage.
• Kontekst: Sporer entiteter på tværs.
• Bias-kontrol: Køn/etnisk swap for fairness i familieret.
• Compliance: De-ID til deling/analyse (GDPR/ECHR).

Funktioner

• NER PII-detektion.
• Erstatning: fake/placeholder.
• Person-clustering.
• CLI batch/filer.

Installation

uv pip install https://github.com/evidlabel/did.git
did -h

Brug

did input.txt --output output.txt --mode fake --swap-gender

Optioner:

• --mode placeholder|fake: Strategi.
• --swap-gender|ethnicity: Neutraliser bias.
• --cluster: Saml varianter.

Eksempel

Input: “John Doe (JD) sagsøgte Jane Smith.”

Output: “[PER1] ([PER1]) sagsøgte [PER2].” (eller “Alex Lee sagsøgte Pat Kim”)

GitHub