01La sostituzione
Ogni persona diventa un segnaposto.
A sinistra il documento com’è, a destra quello che può uscire dal computer. Nomi, codice fiscale, indirizzo, IBAN, email e telefono diventano segnaposto numerati; il resto del testo non cambia.
Laboratorio · Privacy dei documenti
Sempronio Pseudonimizzazione locale e reversibile per testi italiani
Usa i grandi modelli di IA, senza consegnare i dati personali.
Sempronio sostituisce sul computer nomi, codici fiscali, indirizzi e IBAN con segnaposto. Al cloud arriva solo il testo con i segnaposto; la risposta torna e Sempronio rimette i valori veri. Gli originali non escono dal computer.
- 100% in locale
- Nessuna chiave API
- Funziona offline
Mario Rossi → FULLNAME_1Sostituito sul computer, prima dell’invio
- 0 su 160
- dati personali rimasti in chiaro su 19 documenti di prova; 0 su 169 in PDF
- tipi di dato: persone, codici fiscali, IBAN, indirizzi, atti
- 0,3 B
- parametri del modello che riconosce i dati, dentro l’app
- test automatici, ripassati a ogni versione
In breve
- Problema
- Chi chiede a un’intelligenza artificiale online di leggere un contratto o una lettera le consegna anche nomi, codici fiscali e IBAN.
- Il mio contributo
- Intorno a rizzo-pii, un modello open source, ho costruito le regole per i documenti che il modello sbagliava, i controlli, il banco di prova e l’app per Mac.
- Risultato
- Sul banco di 19 documenti inventati, 0 dati personali su 160 rimasti in chiaro. Le buste paga vere non sono ancora misurate.
- Stato del progetto
- Esperimento: versione 0.4.0 per Mac, non ancora distribuita. Il codice è in un repository privato.
Dove vanno i dati
Online esce solo Sempronio.
Senza, il documento arriva al servizio online così com’è, nomi e codici compresi. Con Sempronio fa un giro in più, tutto sul computer.
Percorso guidato
Tre schermate, andata e ritorno.
Una lettera inventata, dalla sostituzione alla risposta con i nomi veri. I punti segnano quello che conta.
02Il dizionario
Chi è chi resta sul computer.
Per rimettere i nomi al loro posto serve sapere chi c’è dietro ogni segnaposto. Quel dizionario vive solo nella finestra dell’app e sparisce quando la chiudi, a meno che non lo salvi tu.
03Il ripristino
La risposta torna con i nomi veri.
Si incolla la risposta dell’IA, che parla di FULLNAME_1 e IBAN_1, e Sempronio rimette i valori originali. Il testo finale non è mai passato da nessun server.
Il metodo
Un modello aperto, e il lavoro intorno.
A riconoscere i dati nel testo è rizzo-pii, un modello open source di Rizzo AI Academy con licenza MIT. Mio è quello che gli sta intorno: le regole per i documenti che il modello sbagliava, i controlli, il banco di prova e l’app.
- Le buste paga
Nei cedolini l’etichetta sta sopra il valore e nome e cognome in due celle. Regole apposta: la persona è una sola, i codici voce non sono numeri civici, gli enti pubblici restano leggibili.
- I comuni
Gli 8.013 comuni dell’elenco ISTAT, per le città che il modello non riconosce. Il nome di un tribunale resta: è un ente, non una persona.
- La rete di sicurezza
Dopo la sostituzione, ogni parola rimasta in chiaro con la forma di un nome viene segnalata da rileggere, prima di copiare il testo.
- Un segnaposto per persona
Cognome da solo, ordine invertito, firma in fondo: se nel documento non c’è ambiguità, è sempre FULLNAME_1.
- Il PDF oscurato
Nel codice di partenza un nome che andava a capo cancellava anche il testo vicino. Corretto e verificato su un PDF di prova.
- Il banco di prova
19 documenti inventati, dalla bolletta alla sentenza, con i dati da trovare già elencati. Ogni modifica si misura lì prima di entrare.
Report tecnico
Come l’ho misurato.
Un banco di documenti inventati, con i dati personali noti in anticipo: ogni versione lo deve passare prima di uscire. Misure del 1° ottobre 2026 sulla versione 0.4.0 installata, con la rete bloccata.
| Misura, nell’ordine in cui conta | Testo | |
|---|---|---|
| Dati personali rimasti in chiaro | 0 / 160 | 0 / 169 |
| Informazioni utili coperte senza bisogno | 3 / 47 | 3 / 49 |
| Documenti in cui il numero di persone non torna | 0 / 19 | 0 / 20 |
- Documenti
- 19 inventati: 14 scritti a mano (bollette, lettere, contratti, un cedolino, una sentenza, una chat…) e 5 annotati dai contributori del progetto originale. In PDF se ne aggiunge uno «sporco» a due colonne.
- Dati attesi
- Ogni dato personale è elencato in anticipo. Codici fiscali, partite IVA e IBAN hanno il carattere di controllo valido, così mettono alla prova anche le regole.
- Senza rete
- Il motore dell’app installata gira in una gabbia di macOS che blocca ogni connessione esterna: stessi risultati.
- Risorse
- Modello da 0,3 miliardi di parametri. Memoria del motore: circa 0,8 GB a riposo, 1,3 GB al picco sui PDF. L’app pesa 2,3 GB.
- Rispetto alla base
- Sui sei documenti della prima prova (28 settembre), l’app originale Rizzo PII 2.0.0 lasciava in chiaro 1 dato su 65; da allora, 0 su 65.
Il primo numero è l’unico che deve restare a zero. Le buste paga vere non sono ancora misurate: è scritto nei limiti, più sotto.
Il personaggio
Tizio, Caio e Sempronio.
Sono i nomi di comodo dei manuali di diritto. L’app fa proprio questo: mette un nome di comodo al posto di quello vero. Così la mascotte è il segnaposto stesso, e segue quello che succede.
In attesaNessun documento.
Al lavoroLa benda scivola sugli occhi.
FattoSolo se non resta nulla da rileggere.
ErroreCon icona e testo, mai il solo colore.
I limiti
Dove si ferma.
- Pseudonimizzare non è anonimizzare.
Finché esiste il dizionario, per il GDPR i dati restano personali (art. 4, n. 5). Sempronio riduce ciò che esce dal computer; la valutazione su cosa inviare resta di chi lo usa.
- Le buste paga vere non sono misurate.
Provate a occhio, con due codici voce ancora coperti senza motivo. Il banco usa documenti inventati: la misura su documenti reali, con l’elenco dei dati attesi, è il prossimo passo.
- La rete non vede tutto.
Cerca parole con la forma di un nome. Un dato scritto in minuscolo o in un formato insolito può sfuggire: l’anteprima prima di inviare resta obbligatoria.
- Qualche dato utile coperto.
Sul banco, 3 informazioni utili su 47 finiscono sotto un segnaposto senza bisogno: meglio un eccesso che un nome in chiaro, ma è un costo per chi legge.
Per chi legge il codice
Come è costruita.
Il codice è in un repository privato: lo mostro volentieri in un colloquio.
- Riconoscimentorizzo-pii 0.3B
modello open source di Rizzo AI Academy (MIT), su transformers
- MotorePython
server locale Flask: regole, rete di sicurezza, dizionario
- PDFPyMuPDF
lettura del testo e oscuramento vero, non un rettangolo sopra
- AppTauri
finestra nativa in Rust che avvia il motore sul Mac
- InterfacciaSenza rete
HTML, CSS e JavaScript senza librerie esterne né caratteri scaricati
- SistemamacOS
versione 0.4.0, compilata in locale; non ancora firmata da Apple
Parliamone
Costruire strumenti utili.
Capire dove funzionano. Verificare dove si fermano.