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。

转换后如何验收

在两边都指定相同实体范围和输出策略，再检查结果。若目标是删除邮箱，应验证每一个已标注邮箱均不在最终输出中；若要保留相同人物的跨段关联，则应单独设计映射策略和访问控制。

加密标记化、散列、类型替换和简单隐去有不同用途。保留密钥或映射就存在恢复路径，不能仅凭输出看不见原值就承诺匿名化。对图片或文件还要检查处理后的底层内容；本篇不提供这些格式已不可恢复的实测结论。

费用：只比较同一个方法和配置

Presidio 的 MIT 软件许可为 $0，计算、模型、存储、规则维护及人工复核另计。

Google 当前公开 USD 内容方法价格如下，按月、按账号计量；GiB 是二进制单位，应避免与字符数、token 或十进制 GB 混算：

内容计量	0–1 GiB	1 GiB–1 TiB 阶梯	1 TiB 以上阶梯
检查字节	免费	$3/GiB	$2/GiB
转换字节	免费	$2/GiB	$1/GiB

每个内容检查或转换请求最少按 1 KB 计费。content.deidentify 可能同时涉及检查和转换；若配置 infoType 检查，RedactConfig 和 ReplaceWithInfoTypeConfig 这类简单隐去不计入转换字节。不能对所有脱敏方式统一追加转换费。存储作业、混合作业和画像另有定价，相关 Cloud Storage 等服务也可能收费。官方价格及例外

举一个预算示例：假设当月免费额度已用完，仍在上述第一付费阶梯；新增内容检查 10 GiB，其中采用需要计费的加密标记化转换 2 GiB，则本服务的两项增量为 10×3 + 2×2 = $34。若改为符合上述例外的简单类型替换，则不能沿用这笔 $4 转换费。此例未包含其他服务、税费或合同折扣，也未实际产生调用账单。

共同验收集应该包含什么

使用可合法处理的数据，按语言、实体和输入来源分组。每组都标出精确区间、应保留的业务内容与严重漏报级别；相同数据分别给两个方案运行。

重点加入：看起来像手机号的订单号、中文和 emoji 前缀、同一邮箱多次出现、被空格或字符替换混淆的输入，以及预处理失败和请求超时。记录无法处理的样本，不把它们从统计分母悄悄移除。

比较精确率和召回率时注明区间口径；比较费用时统计实际计量字节、请求次数和重试；比较延迟时用同一负载、网络与批大小。本文没有这些共同实测数据，因此不宣布哪家更准或更快。

如何开始

已有 Google Cloud 治理和云端处理许可，先验证内容 API 或相关数据作业是否能减少内部运维。需要自定义本地管线，且有团队维护识别与回归，先试 Presidio。若同时包含本地预处理和云端治理，也可以组合使用，但应分别记录每段处理的责任和数据路径。

配套 Presidio 教程演示本地自定义规则、区间检查和已知漏报；五款工具推荐提供其他语言与云平台候选。