Что это такое?
Промежуточный слой для замены персональных данных на токены перед отправкой текстов в языковые модели. LLM видит только маски, а реальные значения хранятся у вас в зашифрованном виде.
Проект / Go
yemrealtanay/llm-hasher: llm-hasher — приватная токенизация персональных данных для LLM
Заменяй чувствительные данные на безопасные токены перед отправкой к любым языковым моделям — LLM никогда не увидит реальные номера карт, адреса и паспорта.
Это Go-библиотека и HTTP-сервис для приватной обработки текстов перед отправкой к языковым моделям. Обнаруживает 10+ типов PII (номера карт, emails, имена, адреса, паспорта), работает полностью локально без отправки данных в облако, хранит маппинги в...
Для кого это
Для разработчиков, которые интегрируют LLM в продукты с обработкой пользовательских данных: чат-боты поддержки, анализ транскриптов, классификация документов.
Проблема / задача
При отправке пользовательских диалогов или документов в LLM вы невольно передаёте третьим сторонам реальные номера карт, телефоны, адреса и паспортные данные в открытом виде — это нарушает GDPR и создаёт риски утечек.
Как это работает
Проект работает как middleware между вашим приложением и LLM. Он анализирует текст, находит персональные данные с помощью локального запуска Ollama и регулярных выражений, заменяет их на непрозрачные токены и сохраняет соответствия в зашифрованном хранилище. LLM получает обезличенный текст, а при возврате ответа токены автоматически заменяются обратно на исходные значения.
Что видно по README
Это Go-библиотека и HTTP-сервис для приватной обработки текстов перед отправкой к языковым моделям. Обнаруживает 10+ типов PII (номера карт, emails, имена, адреса, паспорта), работает полностью локально без отправки данных в облако, хранит маппинги в зашифрованном SQLite. Можно запустить через Docker Compose или встроить в своё Go-приложение.
Ключевые возможности
Технологии
Темы и ключи
Интересный факт
Для обнаружения контекстных PII (имён, адресов, номеров паспортов) используется крошечная локальная LLM llama3.2:3b всего на 2 ГБ — она работает даже без GPU.
С чего начать
- Клонируйте репозиторий и перейдите в папку
- Запустите make docker-up (поднимет Ollama и сервис на порту 8080)
- Отправьте POST-запрос на /v1/tokenize с текстом и context_id
Оценка GitRadar
Удобство
7/10
Свежесть
9/10
Перспектива
8/10
Монетизация
6/10
Общая оценка
7/10
Вердикт GitRadar
Стоит попробовать, если вы уже используете LLM с пользовательскими данными и беспокоитесь о compliance. Проект решает конкретную боль, архитектура продумана, но он очень молодой (11 звёзд, 0 форков) — для продакшена нужны тесты и аудит безопасности.
Наблюдения по обновлениям
Проект активный, последние коммиты свежие, есть Docker-образ и подробная документация, но пока мало звёзд и нет issues — это либо очень нишевый инструмент, либо его ещё не нашли.
Что мы проверили
Карточка собрана по данным GitHub, README и структуре репозитория. Это не официальная документация проекта.
- Исходный репозиторий
- https://github.com/yemrealtanay/llm-hasher
- Лицензия
- MIT
- Создан на GitHub
- 6 апреля 2026 г.
- Последнее обновление репо
- 6 апреля 2026 г.
- Последняя проверка GitRadar
- 6 апреля 2026 г.
- Изученные файлы
- README.md, cmd/llm-hasher/main.go, internal/config/config.go, pkg/hasher/hasher.go, go.mod, internal/server/server.go
FAQ
Для кого подходит?
Для разработчиков на Go, которые внедряют LLM в продукты с обработкой диалогов поддержки, транскриптов звонков или документов с персональными данными.
Источники
Нужна помощь с yemrealtanay/llm-hasher?
Если проект подходит под ваш сценарий, можем помочь с установкой, интеграцией, доработкой или аккуратным форком под вашу инфраструктуру.