secure-llm-auditor: поиск персональных данных в тексте
secure-llm-auditor
Однофайловый Python-скрипт, который ищет в тексте персональные данные по регуляркам, обезличивает их и пишет отчет перед отправкой промпта в ИИ
- 1 ★ репозитория
- Последний коммит
Расширенный доступ
Почему такой уровень
- Читает локальные файлы, которые могут содержать реальные персональные данные, и сохраняет их фрагменты в отчеты
- Детекция по простым регуляркам может пропустить данные, полагаться на нее как на единственную проверку нельзя
Установка
- Сервисы
Ручная установка
git clone https://github.com/alinalutz/secure-llm-auditor && cd secure-llm-auditor && pip install -r requirements.txtКлонирование и установка зависимостей colorama и pdfkit.
Доступ и проверки
Как мы проверяемРасширенный доступИнструмент запускает код или ходит в сеть, а внешние данные только читает.
- Читает локальные файлы, которые могут содержать реальные персональные данные, и сохраняет их фрагменты в отчеты
- Детекция по простым регуляркам может пропустить данные, полагаться на нее как на единственную проверку нельзя
Это чужой код. Посмотрите файлы в репозитории перед установкой.
Что делает
Скрипт audit.py читает текстовый файл и ищет по регулярным выражениям ФИО, номера паспорта, СНИЛС, ИНН и упоминания биометрии. По найденному он относит текст к уровню защищенности из постановления №1119 и категории персональных данных, заменяет найденное на маркеры вида «[ФИО УДАЛЕНО]» и проверяет, остались ли данные после замены. Результат сохраняется в markdown-отчет с датой в папке reports, при установленном pdfkit дополнительно генерируется PDF. В отчете есть справочные строки про алгоритмы ГОСТ 28147-89 и ГОСТ Р 34.10-2012, они не проверяются кодом, а просто печатаются как напоминание.
Для кого. Для разработчиков, которые вручную проверяют текст на персональные данные перед отправкой в LLM и хотят быстрый черновой скан, а не готовое юридическое заключение.
Подходит, если
- Нужно быстро проверить текстовый файл на явные признаки ФИО, паспорта, СНИЛС или ИНН перед тем, как отдать его модели
- Нужен черновой обезличенный вариант текста для эксперимента
- Нужен markdown-отчет о находке для внутреннего разбора
Не подходит, если
- Нужна юридически значимая оценка соответствия ФЗ-152 или ГОСТ Р 57580.2: скрипт не проверяет шифрование и подпись, только печатает названия алгоритмов
- Нужна точная детекция ПДн: регулярки простые и дают ложные срабатывания и пропуски
- Нужен пакет с CLI-интерфейсом, флагами и тестами: это один файл без argparse
Пример запроса к агенту
Проверь файл draft.txt на персональные данные перед тем, как я отправлю его в модельОграничения
Лицензия в репозитории не указана. Это один файл audit.py без упаковки, тестов и обработки ошибок кроме отсутствующего файла. Регулярные выражения находят русские ФИО, 10-значные номера паспорта, СНИЛС и 12-значный ИНН по формальному шаблону, без сверки контрольных сумм и без учета контекста, поэтому возможны и пропуски, и ложные срабатывания на обычных словах. Раздел ГОСТ Р 57580.2 в отчете это статичный текст, а не результат проверки. README обрывается на команде клонирования и ссылается на чужое имя репозитория. Для PDF нужен pdfkit и системный wkhtmltopdf, при их отсутствии создается только markdown.
Как отключить. Удалите локальную копию репозитория, ничего не устанавливается в систему кроме зависимостей из requirements.txt.
Частые вопросы
Проверяет ли скрипт реальное шифрование по ГОСТ?
Нет. Строки про ГОСТ 28147-89 и ГОСТ Р 34.10-2012 в отчете это фиксированный текст, кода проверки шифрования в скрипте нет.
Что делает скрипт, если пакеты colorama и pdfkit не установлены?
colorama не влияет на работу, pdfkit отвечает только за PDF: без него сохраняется только markdown-отчет.
Обсуждение
Вопросов и отзывов пока нет.
Похожие
ГОСТ — все инструментыСкилл аудита безопасности с ГОСТ и ФСТЭК
Security Audit Skill for Claude Code
Скилл аудита безопасности для Claude Code: OWASP Top 10 плюс ГОСТ Р 56939, приказ ФСТЭК №21 и ФЗ-152, параллельные сабагенты и матрица соответствия
GOST Report Skill: отчеты по лабораторным по ГОСТ 7.32
GOST Report Skill
Скилл для ИИ-агентов, который из кода, скриншотов схем и методички собирает отчет по лабораторной работе в docx по ГОСТ 7.32-2001
Скилл для агентов, который собирает или проверяет документ по ГОСТ и выдает список замечаний со ссылкой на конкретный пункт стандарта
Скилл оформления студенческих работ по ГОСТ 7.32: агент пишет текст в Markdown, скрипт собирает .docx с титульным листом вуза
Оформление учебных отчетов по ГОСТ
Academic report formatting
Скилл для Codex и Claude: оформляет лабораторные, курсовые и пояснительные записки по методичке или ГОСТ, не выдумывая данные за автора
Скилл, который учит агента писать комментарии, документацию и сообщения об ошибках по правилам УТР из ГОСТ Р 58049-2017, плюс линтер
Коротко о README
README называет проект CLI-инструментом для аудита текстов на соответствие ФЗ-152, постановлению №19/2024 и ГОСТ Р 57580.2 и перечисляет функции: детекцию ПДн, классификацию по уровню защищенности, анонимизацию, проверку перед отправкой в LLM и отчеты в markdown и PDF. Стек указан как Python 3.10+, регулярные выражения, FastAPI для будущей веб-версии и Docker для контейнеризации, но в репозитории есть только сам скрипт и накопленные тестовые отчеты. Инструкция по установке обрывается на команде git clone с плейсхолдером вместо реального имени репозитория.