Spaces:
Sleeping
Sleeping
| title: Cz PII | |
| emoji: 🐠 | |
| colorFrom: green | |
| colorTo: gray | |
| sdk: streamlit | |
| sdk_version: 1.39.0 | |
| app_file: app.py | |
| pinned: false | |
| short_description: Pokročilý Český PII Anotátor a Anonymizátor | |
| # Pokročilý Český PII Anotátor a Anonymizátor | |
| Tento projekt představuje systém pro automatickou detekci a anonymizaci osobních údajů (PII - Personally Identifiable Information) v českém textu. Je navržen jako nástroj pro přípravu dat pro jazykové modely a chatboty, s důrazem na ochranu osobních údajů. | |
| ## Funkce | |
| - Detekce různých typů PII v českém textu (jména, adresy, rodná čísla, telefonní čísla, e-maily, atd.) | |
| - Tři metody anonymizace: nahrazení znakem 'X', obecnými pojmy, nebo falešnými daty | |
| - Interaktivní webové rozhraní pro snadné použití a testování | |
| - Generování statistik a reportů o anonymizovaných datech | |
| - Možnost customizace typů PII k detekci | |
| ## Instalace | |
| 1. Naklonujte tento repozitář | |
| 2. Ujistěte se, že máte nainstalovaný Python 3.9 nebo novější | |
| 3. Vytvořte virtuální prostředí: `python -m venv venv` | |
| 4. Aktivujte virtuální prostředí: | |
| - Na Windows: `venv\Scripts\activate` | |
| - Na macOS a Linux: `source venv/bin/activate` | |
| 5. Nainstalujte závislosti: `pip install -r requirements.txt` | |
| ## Spuštění aplikace | |
| Po instalaci spusťte aplikaci příkazem: | |
| ``` | |
| streamlit run app.py | |
| ``` | |
| ## Struktura projektu | |
| - `app.py`: Hlavní soubor aplikace obsahující logiku Streamlit rozhraní a funkce pro anonymizaci | |
| - `src/czech_anonymization/`: Adresář pro moduly specifické pro českou anonymizaci | |
| - `requirements.txt`: Seznam závislostí projektu | |
| ## Použité technologie | |
| - Python 3.9+ | |
| - Streamlit: Pro vytvoření interaktivního webového rozhraní | |
| - Faker: Pro generování falešných dat | |
| - Pandas: Pro zpracování a zobrazení dat | |
| - Regex: Pro detekci vzorů PII v textu | |
| ## Funkce aplikace | |
| 1. **Hlavní aplikace**: Umožňuje uživatelům zadat text, vybrat typy PII k detekci a metodu anonymizace. | |
| 2. **O projektu**: Poskytuje informace o projektu a jeho cílech. | |
| 3. **Budoucí vývoj**: Nastiňuje plány pro budoucí vylepšení a rozšíření funkcionality. | |
| 4. **Specifikace využití**: Detailní popis způsobů anonymizace, testování a vstupních dat. | |
| 5. **Testovací data**: Nabízí vzorové profily a dokumenty pro testování anonymizace. | |