How Redact works — Two-pass pipeline, regional patterns, entity classification

Arkitektur

To pass. Deterministisk først, intelligent deretter.

Rørledningen er bevisst lagdelt — Pass 1 fanger alt som kan fanges av regler alene; Pass 2 håndterer kontekstavhengige enheter som regler ikke kan identifisere.

Pass 1 · PHP / regex

Oppdage & erstatte kjente mønstre

Et deterministisk regex-pass kjøres før noen LLM-anrop. Det skanner hele inngangen for identifikatorer som matcher den aktive regionale profilen:

Norsk fødselsnummer (11 sifre) og D-nummer
Telefonnumre i +47-format, norsk mobil (4xx/9xx) og fasttelefon
E-postadresser (RFC 5322 forenklet)
Norske postadresser: gatenavn + nummer + postnummer + poststed
Ytterligere mønstre per region (IBAN, CPR, EMD-numre, SSN, osv.)

Mønster-matchede symboler erstattes umiddelbart og merkes som allerede sladdede slik at LLM-passet ikke dobbeltbehandler dem.

Pass 2 · gpt-4o-mini / gpt-4o

Søk etter navngitte enheter

LLM-en leser hele dokumentet (med mønster-erstattede symboler synlige som plassholdere). Den identifiserer alle gjenværende navngitte enheter:

Personnavn — fornavn, etternavn eller fullt navn; håndterer norske, samiske og utenlandske navn
Organisasjoner — selskaper, myndigheter, frivillige organisasjoner, religiøse organer, idrettslag
Steder — gater, nabolag, kommuner, fylker, land
Fødselsdato og aldersfraser (når enhetstype Datoer er avkrysset)

Hver matchet enhet klassifiseres etter type og rolle (FAR, MOR, DOMMER, SAKSBEHANDLER, osv.) og erstattes i henhold til valgt utdataformat.

Pass 3 · PHP post-processor

Etterbehandling og aliassubstitusjon

Etter begge passene anvender PHP endelige transformasjoner:

Offisielt pass — hvis Behold offisielle navn er avkrysset, får navngitte dommere, eksperter og saksbehandlere merkede koder ([DOMMER: Andersen])
Aliassubstitusjon — brukerdefinerte aliaser brukes som et siste regex-erstatning
Unntak for navnbeskyttelse — eventuelle symboler som matcher et unntaksnavn gjenopprettes til den opprinnelige verdien
Pseudonymgenerering — hvis Pseudonymutdata er valgt, erstattes alle rollekoder med plausible norske navn, telefonnumre og adresser

Sluttutdataene settes sammen og returneres som ren tekst. DOCX-eksporten konverterer dette til et OOXML-dokument via PHP ZipArchive.

Regionale mønsterssett

Fire regioner. Hver legger til mønstre fra den siste.

Regionale profiler er kumulative — Europeisk legger til Nordisk, EMD legger til Europeisk, Global legger til EMD.

Region	Dekket mønstre	Notater
Nordic ★	Fødselsnummer, D-number, +47 phone, email, Norwegian address	Standard for norske dokumenter. Alle lokale ID-formater.
European	+ IBAN, Swedish personnummer, Danish CPR, Finnish HETU, UK NI	Grenseoverskridende EU-dokumenter, nordiske naboer.
ECHR	+ ECHR application numbers, DOB phrases, ECtHR case references	Klager til Den europeiske menneskerettighetsdomstolen.
Global	+ US SSN, driver's licence formats, generic document numbers	Dokumenter som involverer ikke-europeiske parter eller jurisdiksjoner.

Enhetsklassifisering

Hva LLM-en identifiserer og hvordan den merker hver type.

Navngitte enhetstyper

Enhet	Hva som kvalifiserer	Standard utdata (kontekstuell)
`person`	Ethvert personnavn — fornavn, etternavn eller fullt navn	[ROLLE] — utledet fra kontekst (FAR, MOR, DOMMER, osv.)
`organisation`	Selskaper, etater, myndigheter, institusjoner, klubber	[ORG: delvis navn] eller generisk [ORG]
`place`	Gater, tettsteder, kommuner, fylker, land, regioner	[STED] eller [BY] eller [ADRESSE]
`date`	Fødselsdatoer, aldersreferanser, personlige datofraser	[FØDSELSDATO] eller [ALDER: xx]

Sammenligning av utdataformat

Format	Person eksempel	Org eksempel
Contextual ★	`[FAR] eller [DOMMER: Andersen]`	`[BARNEVERNET: Oslo] eller [ORG]`
Generic	`[PERSON]`	`[ORG]`
Pseudonym	Ola Nordmann (generert)	Nordnes AS (generert)

Motorer

To motorer, ett sladdskjema.

Begge motorer produserer det samme sladdutdataskjemaet. Motorvalg påvirker nøyaktigheten på komplekse dokumenter og kreditt-kostnad.

Motor	Modell	Forsinkelse	Best for
Azure gpt-4o-mini ★	`gpt-4o-mini` (Azure West Europe)	~15 s	Standard. De fleste dokumenter, enkelt emne, klar formatering.
Azure gpt-4o	`gpt-4o` (Azure West Europe)	~45 s	Komplekse dokumenter med mange navngitte parter, overlappende roller eller forringet kildetekst.

Personvern & sikkerhet

Behandles i minnet. Lagres bare når du sier det.

Personvern ved design

Alle opplastede filer blir ekstraktert til tekst i minnet ved hjelp av PHPs in-process filbehandlere. Den rå binærfilen skrives ikke til disk på serveren.
Det sladdede resultatet beholdes ikke med mindre du velger å lagre det. Du kan lagre i Min Sak (for bruk i andre verktøy), i korpuset ditt (for søkbar gjenbruk), laste ned som .docx, eller kopiere til utklippstavlen.
Azure OpenAI (gpt-4o, gpt-4o-mini) er konfigurert på Vest-Europa regionen. Data behandlet via Azure OpenAI brukes ikke til modelltrening under den standard bedriftsavtalen.
Azure OpenAI kalles kun under LLM-søkpasset. Ingen dokumentinnhold beholdes av Azure etter at svaret er returnert, i henhold til bedriftsavtalen for datahåndtering.
Telemetri logget: verktøynavn, motor, modus, region, forsinkelse. Ingen dokumenttekst, enhetsnavn eller sladdede innhold logges.

Hvordan Sladding vet hva som skal erstattes.