2026 年 5 款 LLM 敏感信息识别与脱敏工具推荐：Presidio、Limina 与云服务怎么选？

给 LLM 接入敏感信息处理，先明确原始数据能在哪里处理，再比较识别效果与维护成本。需要本地扩展规则可先看 Presidio；需要商业化多语言去标识化可比较 Limina；已经使用公有云的数据与权限体系，可以验证对应云服务。

本文于 2026-10-18 核对官方文档，围绕 LLM 输入、RAG 入库和日志整理比较五个候选。顺序按场景组织，没有用同一生产数据集给它们做准确率排名。

五款工具速查

工具	先考虑的场景	部署与接入	首先验证的边界
Presidio	自定义实体与本地处理	Python 组件或自行部署	模型、语言与规则维护
Limina（原 Private AI）	商业化多语言与多格式去标识化	SaaS、容器、VPC 或本地方案	当前版本的语言、格式和合同范围
Google Sensitive Data Protection	内容 API 与 Google Cloud 数据治理	Google Cloud 托管服务	infoType、位置、权限和计费方法
Amazon Comprehend PII	AWS 内英语、西班牙语文本	实时检测、异步批处理	PII 专属语言范围与批量脱敏流程
Azure Language PII	Azure 文本应用与多语言接入	云 API，按具体功能配置	Text、Conversation、Document 的能力差异

1. Presidio：希望掌握识别规则和转换过程

Presidio 把识别出的实体区间交给转换组件，便于团队针对业务编号、特定格式和已有 NLP 模型扩展流程。它适合在数据进入模型前增加一个受控的处理步骤，也适合把同一组规则用于日志与离线数据整理。组件文档

代价是维护责任：谁定义实体、谁标注误报漏报、谁管理语言模型与版本升级，都需要安排。默认英语配置不能直接被当成中文完整覆盖；跨语言时须同时检查 NLP engine 与 recognizer。语言说明

费用：MIT 软件许可 $0，计算、模型、存储和人员另计。项目正迁往 Data Privacy Stack，部署应核对迁移公告，避免继续依赖停止更新的旧镜像来源。

先试什么：固定两种实体，准备正例、相似但非敏感的负例、中文与 emoji 前缀、重复值和刻意混淆的输入。既检查命中区间，也检查转换后的业务可读性。

2. Limina：希望获得商业化多语言和文件处理能力

Private AI 当前品牌已变为 Limina，官方称 API、功能和部署延续原产品。采购和技术沟通应使用当前名称，已有 Private AI 集成不必仅因品牌变化就重写。更名说明

它适合把多语言和文件处理作为供应商交付内容的团队。语言文档区分 Core、Extended 等支持级别，并分别列出文本、音频和文件能力；简体中文与繁体相关条目也有差异。不要用一个语言总数推导所有输入格式都受支持。语言矩阵

费用：价格页当前列 Starter 免费、每天最多 75 次 API 调用和每分钟 10 次；Batch 按量报价，Enterprise 自定义报价。免费试用额度与生产容器授权应分别确认。官方价格

先试什么：以同一份经过审批的测试集比较实体边界、混合语言和输出可用性；要求供应商说明具体版本、部署位置、保留、升级与回归方式。本文没有复现其网站的竞品准确率宣传。

3. Google Sensitive Data Protection：内容 API 与云端数据治理

如果已有 Google Cloud 项目、IAM 和数据处理流程，这个服务值得优先验证。内容检测与转换、存储扫描和数据画像属于不同工作流，不能直接用“支持 DLP”把它们当成同一个接口或同一个价格。官方概览

识别依赖所选 infoType、检查规则和输入格式。需要自定义业务标识时，先核对自定义 infoType 与排除规则，再用自己的样本测试。内置与自定义检测类型

费用：内容方法按检测及转换字节分别计量，存在免费额度、阶梯和单请求最低计量；简单隐去在特定配置下不另计转换字节。存储作业和画像是其他价格口径。应按真实 API 与配置估算，详细示例见 Presidio vs Google。

先试什么：测端到端延迟、错误处理、权限范围，以及输出是否带回不需要的原文片段。将数据源、处理位置和结果存放位置一起核对。

4. Amazon Comprehend PII：AWS 的英语和西班牙语文本流程

Comprehend PII 文档明确面向英语或西班牙语文本。实时或异步流程可定位实体；官方脱敏输出流程使用异步批处理。不要把 Comprehend 其他 NLP 功能的语言列表，直接用于判断 PII 的语言覆盖。PII 功能说明

它适合已有 AWS 作业、S3 与 IAM 基础的团队整理相应语言的文本。如果目标是中文客服消息，应先重新核对 PII 功能的实际支持条件，而不是只根据通用 SDK 的语言枚举选择。

费用：核对 PII 对应 API、字符计量、最低量与区域，另计相关 S3、作业输出和运行费用。不要把其他 Comprehend 功能或新账号促销当成长期 PII 预算。官方价格

先试什么：检查实体定位与脱敏输出是否来自你需要的处理模式，验证批处理输入输出权限、失败文件和重试成本。异步脱敏文档

5. Azure Language PII：按具体功能选择 Azure 接口

Azure Language 的 PII 文档分别组织文本、对话和原生文档流程。文本接口可返回实体类别、置信度和脱敏结果；这些结果应按 API 版本、实体和语言核对，预览能力应单独评估。功能概览

其 Text PII 语言表列有简体中文和繁体中文，但这不等于每种文档或对话功能都拥有相同支持。中文应用应先选具体接口，再检查输入格式、实体类别、配额和限制。语言支持

费用：按地区、层级、功能及计量单位查看当前价格，额外文件和其他服务成本单列。不要以页面未加载出的数字猜测统一单价。官方价格

先试什么：重点验证字符串 offset 与应用编码之间的转换，尤其是中文、组合字符和 emoji。让测试检查真实替换位置，避免只确认“接口返回了实体”。

一个可复用的选型流程

先写数据处理约束

写清允许处理的位置、允许保留的内容、可接受的请求失败方式。云 API 要接收原始待检内容；本地部署也可能通过远程模型、遥测、日志或备份产生额外数据路径。架构图里应列出这些实际路径。

再定义需要保留和移除的内容

以客服摘要为例，邮箱可能要替换，商品型号应保留，日期是否泛化则取决于任务。不要为追求高命中数，把订单状态、产品编号或故障代码一起删掉。替换后还应运行摘要、检索等下游任务验收。

用相同标注规则比较结果

固定语言、实体类型和匹配口径，分别报告精确率、召回率、严重漏报、误报与不可处理样本。精确区间和部分重叠是两种口径，不能混合计分。版本、阈值和预处理变化后重新跑同一组保留样本。

零命中只说明当前检测器没有报告，不证明原文不含敏感信息。删除、替换、散列、加密和可恢复映射也会留下不同风险。高风险流程需要独立复核与具体的数据保护判断。

如何起步

开发团队可以从 Presidio 工具页和本地验证教程开始；有商业部署需求可看 Presidio vs Limina。本篇为官方资料选型整理，没有五家统一实测准确率或吞吐量结论。