AWS описала детектор персональных данных, который отделяет модель от правил поиска сущностей. В системе типы PII и формат ответа задаются инструкциями, а backend выбирается через единый интерфейс Inferencer и соответствующий адаптер. Поэтому новый идентификатор можно добавить изменением промпта, без дообучения и повторного развёртывания. Детектор возвращает найденные фрагменты в структурированном виде, а отдельный этап восстанавливает их точные позиции в тексте.
AWS сопроводила материал пакетом pii-detector с примером запуска и адаптером для Amazon Bedrock. Тот же интерфейс допускает открытые модели на Amazon EC2. В benchmark вошли пять публичных корпусов: 49 365 записей и 222 114 эталонных фрагментов на восьми языках. AWS сравнила девять LLM-детекторов, включая OpenAI PrivacyFilter, по общей таксономии из 12 типов сущностей.
В заявленных результатах показатель Core F1 составил от 74,9% у Nova Lite 2 до 83,1% у Mistral Large 3; у PrivacyFilter — 80,7%. Это измерения AWS на выбранных наборах и настройках, а не независимое тестирование. Компания отдельно отмечает, что расширенный набор сущностей можно менять на уровне инструкций.
