AI Librarium、社内PCだけで個人情報を検出・マスキングする手法を発表

AI Librariumは10月23日、東北大学の研究者との共著論文をCSS2026で発表しました。
生成AIに社内文書を送る前に、個人識別情報を社内環境だけで検出・マスキングする手法です。
日本語500文書の評価で、Relaxed F1は0.790となり、文書全体をLLMで処理する方式より約3.2倍高速でした。

記事の概要

発表した論文の題目は「個人識別情報保護に向けた正規表現ルールとローカルLLMによる軽量な事前検出手法」です。
本手法は、正規表現や辞書、日本語NERで個人情報の候補を抽出し、判断が難しい箇所だけをローカルLLMで判定します。
メールアドレスや電話番号、クレジットカード番号は、候補抽出段階でLLMを使わずに確定します。
氏名や住所などは、ローカル環境で動くgpt-oss:20bが「保持」「除外」「範囲の修正」「分割」を判定します。
公開データセット「OpenPII 1.5M」の日本語文書から、開発に使っていない500文書で評価しました。
提案手法のRelaxed F1は0.790で、ルール・辞書・NERのみの0.672、文書全体をLLMで処理する方式の0.625を上回りました。
平均処理時間は11.97秒で、文書全体をLLMで処理する方式の38.76秒より約3.2倍高速でした。
500文書のうち74文書は、LLMを一度も呼び出さずに処理を完了しました。

記事のポイント

1. 二段階で候補を判定： 正規表現や辞書で候補を絞り、文脈判断が必要な箇所だけをローカルLLMで処理します。
2. 個人情報を外部送信せず： 検出対象の個人情報を社内PCやサーバーから外部のAIサービスへ送らずに処理できます。
3. 今後は対象情報を拡張： 今後は候補抽出の網羅性を高め、年齢や運転免許証番号などにも対象を広げます。

このニュースがもたらす影響

• 導入を検討する企業： 社内文書を外部AIへ渡す前の安全対策として、既存PCでの処理可否や検出対象の網羅性を、自社文書で検証する必要がありそうです。
• 同業のセキュリティ企業： 個人情報を外部送信しないことに加え、精度と処理速度の両立が競争軸になり、ルール処理とローカルLLMの役割分担が設計要件になりそうです。
• AI活用の管理部門： 生成AIの利用を一律に止めるのではなく、入力前の検出・マスキングを業務フローへ組み込む運用と、対象外情報を継続的に見直す体制が求められそうです。

このニュースの背景

生成AIの業務利用では、社内文書をクラウドのAIサービスへ送る際に個人情報が含まれるリスクが課題になります。
メールアドレスや電話番号はルールで処理しやすい一方、氏名や住所は表記ゆれや文脈による判定が必要です。
文書全体をLLMで処理すると時間がかかり、個人情報の検出自体を外部AIに任せると情報保護上の問題が生じます。
そのため、社内環境で判断が難しい候補だけをLLMに処理させる構成が検討されています。

関連するニュース

• StellagentはChatGPTとGeminiでの自社の見え方を測る無料診断を始めました。
• ライダース・パブリシティが、生成AI検索でのサイト認識や引用状況を診断する2システムと構造化データ支援を提供開始しました。
• ミラセンシズは、専門AIエージェントが連携する企業向け校正・校閲SaaSを提供します。

詳しい記事の内容はこちらから（引用元）

プレスリリース・ニュースリリース配信シェアNo.1｜PR TIMES

生成AIに社内文書を送る前に、個人情報を社内のPCだけで検出・マスキング。AI Librarium、東北大学との共著論文をCSS2026で発表

AI Librarium株式会社のプレスリリース（2026年11月9日 10時00分）生成AIに社内文書を送る前に、個人…