Spaces:
Sleeping
Sleeping
Update README.md
Browse files
README.md
CHANGED
|
@@ -10,4 +10,54 @@ pinned: false
|
|
| 10 |
short_description: Pokročilý Český PII Anotátor a Anonymizátor
|
| 11 |
---
|
| 12 |
|
| 13 |
-
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 10 |
short_description: Pokročilý Český PII Anotátor a Anonymizátor
|
| 11 |
---
|
| 12 |
|
| 13 |
+
# Pokročilý Český PII Anotátor a Anonymizátor
|
| 14 |
+
|
| 15 |
+
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.
|
| 16 |
+
|
| 17 |
+
## Funkce
|
| 18 |
+
|
| 19 |
+
- Detekce různých typů PII v českém textu (jména, adresy, rodná čísla, telefonní čísla, e-maily, atd.)
|
| 20 |
+
- Tři metody anonymizace: nahrazení znakem 'X', obecnými pojmy, nebo falešnými daty
|
| 21 |
+
- Interaktivní webové rozhraní pro snadné použití a testování
|
| 22 |
+
- Generování statistik a reportů o anonymizovaných datech
|
| 23 |
+
- Možnost customizace typů PII k detekci
|
| 24 |
+
|
| 25 |
+
## Instalace
|
| 26 |
+
|
| 27 |
+
1. Naklonujte tento repozitář
|
| 28 |
+
2. Ujistěte se, že máte nainstalovaný Python 3.9 nebo novější
|
| 29 |
+
3. Vytvořte virtuální prostředí: `python -m venv venv`
|
| 30 |
+
4. Aktivujte virtuální prostředí:
|
| 31 |
+
- Na Windows: `venv\Scripts\activate`
|
| 32 |
+
- Na macOS a Linux: `source venv/bin/activate`
|
| 33 |
+
5. Nainstalujte závislosti: `pip install -r requirements.txt`
|
| 34 |
+
|
| 35 |
+
## Spuštění aplikace
|
| 36 |
+
|
| 37 |
+
Po instalaci spusťte aplikaci příkazem:
|
| 38 |
+
|
| 39 |
+
```
|
| 40 |
+
streamlit run app.py
|
| 41 |
+
```
|
| 42 |
+
|
| 43 |
+
## Struktura projektu
|
| 44 |
+
|
| 45 |
+
- `app.py`: Hlavní soubor aplikace obsahující logiku Streamlit rozhraní a funkce pro anonymizaci
|
| 46 |
+
- `src/czech_anonymization/`: Adresář pro moduly specifické pro českou anonymizaci
|
| 47 |
+
- `requirements.txt`: Seznam závislostí projektu
|
| 48 |
+
|
| 49 |
+
## Použité technologie
|
| 50 |
+
|
| 51 |
+
- Python 3.9+
|
| 52 |
+
- Streamlit: Pro vytvoření interaktivního webového rozhraní
|
| 53 |
+
- Faker: Pro generování falešných dat
|
| 54 |
+
- Pandas: Pro zpracování a zobrazení dat
|
| 55 |
+
- Regex: Pro detekci vzorů PII v textu
|
| 56 |
+
|
| 57 |
+
## Funkce aplikace
|
| 58 |
+
|
| 59 |
+
1. **Hlavní aplikace**: Umožňuje uživatelům zadat text, vybrat typy PII k detekci a metodu anonymizace.
|
| 60 |
+
2. **O projektu**: Poskytuje informace o projektu a jeho cílech.
|
| 61 |
+
3. **Budoucí vývoj**: Nastiňuje plány pro budoucí vylepšení a rozšíření funkcionality.
|
| 62 |
+
4. **Specifikace využití**: Detailní popis způsobů anonymizace, testování a vstupních dat.
|
| 63 |
+
5. **Testovací data**: Nabízí vzorové profily a dokumenty pro testování anonymizace.
|