Наша нейросеть находит в тексте ФИО, телефоны, паспорта, СНИЛС, ИНН, адреса, даты рождения и номера документов России и СНГ и заменяет их метками — до того, как запрос уйдёт в DeepSeek, OpenAI, Claude или GigaChat. В ответе настоящие значения возвращаются на место, а инструменты агента получают реальные данные.
Вставьте заметку из CRM, письмо, обращение в поддержку или расшифровку звонка — или нажмите «Вставить пример». Справа появится то, что увидела бы нейросеть.
Здесь будут подсвечены персональные данные.
Что уходит в нейросетьА здесь — текст с метками вместо них.
[PER_1], [PHONE_1], [PASSPORT_1]. Одно значение — одна метка во всём диалоге.Таблица меток живёт только в памяти на время запроса: в базу и логи она не попадает.
Отправь КП Петрову Сергею на s.petrov@mail.ru, счёт — на ООО «Ромашка», ИНН 7702345671
Отправь КП [PER_1] на [EMAIL_1], счёт — на ООО «Ромашка», ИНН 7702345671
send_email(to=s.petrov@mail.ru) — с настоящим адресом
Реквизиты компании — не персональные данные: модель их не трогает, и LLM видит контекст целиком. Данные в примере вымышленные.
Проверили на 658 текстах, которых модель не видела при обучении: звонки и голосовые, чаты, письма, сканы документов, заявки из стран СНГ. Рядом — типовое открытое решение на регулярных выражениях и NER Natasha на тех же текстах.
| Что ищем | DP Mask | Регулярки + Natasha |
|---|---|---|
| ФИО — в любом падеже, уменьшительные, латиница | 99% | 88% |
| Телефоны — в том числе словами в расшифровках | 100% | 45% |
| Паспорт целиком: серия, номер, кем и когда выдан, код | 100% | 18% |
| Дата рождения — «д.р.», «родилась», «юбилей 12 марта» | 96% | 1% |
| Номера документов СНГ: ИИН, ПИНФЛ, ВУ, ОМС, госномера | 100% | 5% |
| Адреса людей | 99% | 47% |
| Карты и счета физлиц | 100% | 31% |
| СНИЛС, ИНН физлица, email | 100% | 37–93% |
| Всего | 99,3% | 57,7% |
Тексты размечены по нашим правилам: ИНН, ОГРН и адреса компаний — не персональные данные. Скорость — на 300 символов в один поток процессора, без GPU: около 50 мс на современном ноутбуке, около 100 мс на нашем облачном сервере. Наборы и методику покажем по запросу.
Регулярные выражения и словари пропускают имена, которых нет в словаре, номера словами, опечатки и шум сканов. Наша модель обучена с нуля на русскоязычных текстах России и СНГ и читает текст посимвольно — по контексту, а не по списку.
ИИ-ассистент нашей CRM работает через маскирование по умолчанию — на DeepSeek. О DP CRM
Прокси вместо адреса API модели: запрос уходит с метками, ответ и вызовы инструментов возвращаются с настоящими значениями. Код агента почти не меняется.
Замаскировать текст и вернуть значения — для ботов, обработки обращений и своих интеграций.
Установим на ваш сервер: модели хватает обычного процессора, данные не покидают вашу инфраструктуру.
Маскирование снижает риск: в зарубежную модель уходят метки, а не персональные данные. Но это псевдонимизация, а не обезличивание — для вас данные остаются персональными. Договор, поручение на обработку и вопрос трансграничной передачи разберём вместе с вашим юристом на пилоте.
На слепых тестах целиком закрыто 943 значения из 961. Пропуски — чаще всего редкие имена латиницей и даты рождения без года. Поля, где по смыслу точно контакт (телефон, email, ФИО в карточке клиента), закрываются по названию поля и от модели не зависят.
С любыми: DeepSeek, OpenAI, Claude, Gemini, GigaChat, YandexGPT — маскирование стоит до модели. В DP CRM сквозная работа проверена на DeepSeek: модель сохраняет метки в ответах, в JSON и в вызовах инструментов.
На обычном процессоре, без GPU: на нашем сервере в России или на вашем сервере. Модель весит 3 МБ.
Зависит от объёма и способа подключения. Назовём после короткого пилота на ваших текстах.
Расскажите, какой у вас агент или бот и с какой моделью он работает. Предложим пилот: прогоним маскирование на ваших данных и покажем, что уходит в модель.