模型介绍
中文整理AIguard-0.6B-PII-Chinese
基于 Qwen3-0.6B 微调的中文个人身份信息（PII）识别模型，支持 **21 类敏感实体**的高精度抽取，专为中文场景下的隐私数据保护、合规审查与数据脱敏设计。
📊 模型效果
指标 数值
- ----- ------
- *实体级别 F1** **96.29%**
- *Micro F1** **96.29%**
- *Macro F1** **96.70%**
- *序列标注准确率** **99.91%**
- *目标实体召回率** **99.55%**
- *推理延迟 (GPU)** ~90ms / 512 tokens
各实体类型详细表现
实体类型 说明 Precision Recall F1 测试样本数
- -------- ------ ----------- -------- ---- --------
name 姓名 99.33% 99.66% **99.50%** 1,194
id card 身份证号 98.85% 99.23% **99.04%** 1,039
mobile 手机号 99.56% 99.91% **99.73%** 1,123
address 地址 99.83% 100.0% **99.91%** 1,163
email 邮箱 97.65% 97.65% **97.65%** 1,107
passport 护照号 99.82% 99.82% **99.82%** 1,109
hkmtp pass 港澳通行证 99.74% 99.74% **99.74%** 1,153
social security 社会保障号 99.29% 99.90% **99.59%** 975
drivers license 驾驶证号 99.44% 99.72% **99.58%** 1,059
plate number 车牌号 99.47% 99.82% **99.64%** 1,118
bank card 银行卡号 99.57% 99.78% **99.67%** 1,377
credit card 信用卡号 99.58% 99.92% **99.75%** 1,193
bank password 银行密码 99.14% 100.0% **99.57%** 1,386
birth date 出生日期 95.86% 98.01% **96.92%** 1,206
insurance policy 保险单号 99.24% 99.75% **99.49%** 1,182
taobao order 淘宝订单号 98.94% 99.56% **99.25%** 1,128
jd order 京东订单号 99.43% 99.76% **99.59%** 1,228
pdd order 拼多多订单号 99.23% 99.66% **99.45%** 1,170
ems tracking EMS快递单号 100.0% 100.0% **100.0%** 1,257
sf tracking 顺丰快递单号 99.75% 99.75% **99.75%** 1,184
yto tracking 圆通快递单号 36.23% 53.17% **43.10%** 1,104
实体数据示例
⚠️ **注意**： yto tracking （圆通快递单号）因格式特征较弱，召回率较低，建议在实际使用中结合规则后处理进行增强。
🏗️ 技术架构
基座模型
- *Qwen3-0.6B** — 轻量级中文大语言模型，兼顾推理速度与理解能力
训练策略
- *任务类型**：Token Classification（BIOE 标注体系）
- *数据规模**：覆盖 10 大领域、30 个真实生活场景，数万条合成样本
- *场景覆盖**：车辆与交通、金融与银行、快递与电商、政务与法律、职场与人事、电信与网络、医疗与健康、商旅与出行、房产与物业、社交与生活
数据构建亮点
采用 **LLM 合成 + 人工校验** 的方式构建训练数据
严格约束：实体值不可改写、不可掩码、不可缺失
口语化表达，模拟真实用户交互场景（焦急、礼貌、愤怒等情绪）
🚀 快速开始
环境要求
加载模型
单条推理
输出示例
💡 应用场景
- *数据脱敏**：自动识别并掩码敏感信息，满足 GDPR、《个人信息保护法》等合规要求
- *客服质检**：实时检测对话中泄露的隐私数据
- *日志审计**：扫描系统日志中的 PII 泄露风险
- *数据治理**：结构化抽取文档中的身份信息，构建隐私数据资产目录
⚡ 性能优化建议
- **批处理推理**：对于大量文本，建议使用 DataLoader 进行批处理
- **长度控制**：输入文本建议控制在 512 tokens 以内，超长文本请先分段
- **后处理增强**：对于 yto tracking 等弱特征实体，可结合正则表达式进行二次校验
⚠️ 使用声明
- **合规使用**：本模型仅用于合法的数据安全与隐私保护场景，禁止用于非法收集、窃取或滥用个人信息。
- **模型局限**：
- 训练数据为合成生成，可能与真实分布存在差异
- 对 yto tracking 的识别能力较弱，建议生产环境结合规则引擎
- 不保证对伪造、变造身份信息的识别能力
- **人工复核**：模型输出结果建议进行人工复核，关键业务场景请勿完全依赖自动判定。
📄 许可证
本项目采用 Apache 2.0 开源协议。
🙏 致谢
基座模型：Qwen3-0.6B by Alibaba Qwen Group
训练框架：Hugging Face Transformers
Made with ❤️ for Chinese PII Protection
优先采用原作者提供的中文模型卡片；仅有英文说明时由闲社AI翻译整理。重要参数、许可证和商用范围请以原文为准。
你将获得什么
完整仓库方式包含该固定版本中的权重、配置、分词器及说明文件；指定版本方式只下载所选文件或整组分片。多模态模型的投影文件、配置等依赖，请按作者说明配齐。
完整仓库可能包含多个权重格式，因此需要的磁盘空间可能大于单一格式的模型大小。下载文件不等于完成模型部署。
使用前须知
运行模型需要的设备、工具与依赖，以原作者说明为准。
是否允许商用、修改和分发，请查看模型许可证。
闲社提供资料与镜像下载方法，不代表已运行模型或完成安全审计。下载的代码应先检查，再执行。
资料或下载有问题？
登录后可提交反馈。