MOLL Y/X API добавляет между вашей системой и внешней моделью обязательный слой маскировки. Сначала данные обезличиваются внутри контролируемого контура, затем безопасная версия запроса отправляется в LLM, OCR или внешний сервис.
Использовать внешние LLM и AI-сервисы без прямой передачи персональных данных.
Дать ИБ, DPO и продуктовым командам прозрачную схему обработки данных.
Сохранить пользу ИИ в документах, переписке и аналитике без ручной анонимизации.
Сервис принимает запрос, находит чувствительные сущности, заменяет их на маркеры и только после этого отправляет данные дальше. При необходимости ответ можно деанонимизировать по карте меток.
Один из главных вопросов для ИБ и продуктовых команд: уйдут ли сырые данные во внешний сервис. В модели MOLL Y/X API критичная часть обработки строится так, чтобы исходные материалы не были обязательной частью внешнего запроса.
исходные документы и текст остаются внутри процесса обработки
маскирование выполняется до обращения к внешней LLM или сервису
наружу передается только подготовленная безопасная версия данных
On-premise для полного контроля и 100% локальной обработки
Docker для быстрого старта и масштабирования
Prometheus-метрики, аудит операций и интеграция с SIEM
Минимальный ориентир: 2 CPU, 4 GB RAM, 10 GB storage
Все ключевые проверки выполняются на лету и параллельно: NER, regex-правила, политики контента и контроль выходного ответа.
Ваш сервис отправляет текст, документ или сообщение в MOLL Y/X API.
NER и regex-правила параллельно находят чувствительные сущности.
Система заменяет данные на маркеры вроде PERSON_1, PASSPORT_1, EMAIL_1, сохраняя структуру текста.
Во внешнюю LLM или стороннюю систему уходит уже безопасная версия запроса.
Ответ можно деанонимизировать по карте меток и вернуть в исходный бизнес-процесс.
Основной метод маскирования строится на замене чувствительных сущностей на уникальные маркеры с сохранением структуры исходного материала.
Между вашей системой и внешним ИИ появляется обязательный программный слой маскировки.
Критичная часть анонимизации выполняется внутри вашего контура без вызова стороннего API для самой маскировки.
Текст остается пригодным для модели, аналитики и последующих бизнес-процессов.
Можно добавлять корпоративные справочники, редкие форматы документов и собственные regex-правила.
Иванов Иван Иванович, И.П. Сидоров, сотрудники, клиенты, представители
+7 999 123-45-67, email, адреса, домены, корпоративные ящики
Паспорт, ИНН, СНИЛС, договоры, номера заявок, банковские реквизиты
API keys, JWT, пароли, токены, внутренние идентификаторы
TXT, DOCX, XLSX, JSON, CSV
PDF, PNG, JPG, OCR-распознавание текста
Black box / redaction, редактирование зон на изображениях
Для оценки обычно смотрят сразу на две вещи: насколько полно находятся сущности и какую задержку дает слой маскировки относительно ответа LLM.
до 500 ms на маскировку
порядка 10% от времени LLM
0.8 c маскировка / 1.2 c обработка
2.5 c маскировка / 3.8 c обработка
Для принятия решения обычно смотрят не только на итоговые цифры, но и на схему обработки данных, покрытие сущностей и тест на реальных документах.
методика тестирования и используемые датасеты
перечень сущностей и форматов, которые система закрывает из коробки
проверка на собственных документах, сообщениях или кейсах команды
Подготовим демонстрацию, описание контура, методику тестирования и проверку на ваших данных под конкретный сценарий внедрения.