Presidio vs Google Sensitive Data Protection：本地脱敏、内容 API 与费用怎么选？

需要在自己环境里维护识别器和转换规则，可以先试 Presidio；已有 Google Cloud 数据、IAM 和作业流程，可优先验证 Sensitive Data Protection。两者的关键差异是处理方式、维护责任和费用单位，最后仍要用同一份业务验收集决定。

本文于 2026-10-18 核对官方文档及价格页，未调用付费云 API，也未做准确率、延迟或生产安全基准。

产品范围与对照

Presidio 把文本识别和转换拆成可组合组件，团队负责部署与业务集成。当前项目正迁往 Data Privacy Stack，MIT 许可延续，部署应使用当前文档与镜像来源。迁移公告

Google Sensitive Data Protection 包含内容检查与转换、存储作业、数据发现及风险分析等功能。它们是不同的工作流，使用不同配置和计费口径。用于 LLM 提示词处理时，通常先研究内容方法；不要把整库画像价格直接套到实时文本调用。官方概览

维度	Presidio	Google Sensitive Data Protection
处理入口	自行调用组件或部署服务	托管内容 API 与数据作业
识别扩展	recognizer、NLP engine 与业务规则	内置和自定义 infoType、规则与模板
转换	对识别区间应用 operator	按配置执行隐去、替换或其他转换
运行责任	资源、扩缩容、模型和发布由自己管理	云端服务运行，项目与数据权限由自己配置
费用	MIT 软件许可 $0，运维与模型另计	检查、转换、存储作业和画像分别核算
验收重点	语言模型、规则与字符区间	infoType、请求配置、位置和实际账单

本地处理与托管 API 如何选

如果原始文本只能在指定内部环境处理，Presidio 的自行部署方式值得验证。需要同时确认没有启用远程 recognizer，也没有在 APM、异常栈或备份里复制原文。本地安装不等于完整的数据路径已经受控。

Google 内容 API 会接收待检内容进行处理。使用前应确认该处理方式、区域位置、身份权限与数据政策符合项目要求，尤其不要让检测结果中的原文片段进入更宽权限的日志或报表。数据安全说明

因此，选型时先画出请求、处理器、结果存储和失败处理的实际路径，再比较部署便利性。一个只读的匿名统计结果，与包含原文片段的检测结果，具有不同暴露面。

自定义检测与语言覆盖

Presidio 的自定义规则适合格式明确的业务实体，也可以组合 NLP 模型；默认英语配置需要针对目标语言扩展。匹配中文句子中的英文邮箱，不构成中文姓名和住址的覆盖证明。语言说明

Google 提供内置 infoType 与自定义类型能力，应按所选检测器核对语言、国家地区特征和输入格式。需要业务账号时可以评估自定义检测规则；不要把“服务支持多语言”理解成所有实体在所有语言中都表现相同。infoType 参考

对于切块后的 RAG 文档，保留足够上下文往往也影响识别。应在同一套预处理后测试两边，而不是给一边完整文件、给另一边丢失上下文的短片段，再比较命中率。