开源工具Protegrity Developer Edition：免费的容器化Python软件包，以保护AI管道开源工具

Protegrity Developer Edition使开发人员、数据科学家、ML工程师和安全团队能够轻松地将数据保护添加到GenAI和非结构化数据工作流程中，而无需企业设置。它被命名为第一个企业级、以治理为重点的Python软件包，旨在帮助团队从头开始创建安全、管理良好的数据管道和人工智能工作流程。

Protegrity Developer Edition通过轻量级、容器化部署和直观的表示状态传输（REST）和Python API消除了评估和实验的常见障碍。它包括数据发现、示例应用程序、API和语义护栏。

• 发现：使用机器学习分类器和基于模式的技术（如正则表达式）的组合来识别日志、文档和文本中的敏感数据。
• 查找和保护API：让开发人员使用REST或Python、跨越提示、训练数据、RAG检索和模型输出在几分钟内发现和保护敏感数据。
• 语义护栏：模块化的实时防御层，用于检查输入、计划、工具调用和输出，以阻止提示注入、PII泄漏和主题外响应。

Protegrity开发人员关系主管Tui Leauanae说：“开发人员处于创新的最前沿，他们需要不会减慢他们速度的工具。”“我们的目标是使数据保护易于访问、可操作，并与团队构建方式保持一致。”

该解决方案是针对隐私关键的GenAI用例量身定制的：

• 对话人工智能中的隐私：敏感的聊天机器人输入，如姓名、电子邮件和ID，在到达GenAI模型之前受到保护。
• LLM的提示消毒：提示中的自动PII屏蔽降低了大型语言模型提示工程和推理期间的风险。
• Jupyter笔记本的实验：数据科学家可以直接在Jupyter笔记本中原型保护和发现工作流程，以进行敏捷的实验。
• 输出编辑和泄漏预防：在将模型输出返回给最终用户之前，检测和编辑模型输出中的敏感数据。

Protegrity Developer Edition使用值得信赖的技术，使开发人员能够在自己的计算机上运行所有内容并测试隐私功能，而无需特殊许可证或复杂的设置。可以通过具有预配置用户和用户角色的内置策略来控制保护，该策略根据用户的访问级别，提供令牌化、加密、屏蔽或假名化的能力。

Protegrity Developer Edition现已在GitHub上提供，Python模块也可透過PyPI提供，包括文档、示例应用程序和社群支持。开发人员可以在几分钟内探索存储库，在本地部署并开始实施隐私优先解决方案。

原文链接地址：https://www.helpnetsecurity.com/2025/10/03/protegrity-developer-edition/