Presidio vs Limina：敏感信息识别、多语言脱敏与费用怎么选？

需要在自己的代码里控制识别与转换时，可以先验证 Presidio；希望把多语言、文件处理与支持纳入商业交付时，可以比较 Limina。两者都需要用业务样本验收。本文于 2026-10-18 核对当前官方资料，没有复现两家的生产准确率或吞吐量。

先把名称与产品层次分清

Presidio 正从 Microsoft 旗下迁往 Data Privacy Stack 社区，继续使用 MIT 许可。当前项目入口、容器来源及升级流程应参考迁移公告。它的核心是可组合的识别与转换组件，团队自行设计并维护处理管线。

Private AI 当前品牌为 Limina，官方更名说明称 API、功能和部署延续原有产品。本文使用 Limina 为当前名称，在涉及已有集成时保留 Private AI 作为历史称呼。品牌说明

对照表

维度	Presidio	Limina
交付方式	开源组件与自行部署	商业平台、SaaS 与容器部署方案
扩展入口	自定义 recognizer、NLP engine、operator	按产品配置和商业交付核对
语言	默认英语配置，扩展时适配模型与识别器	官方语言矩阵按支持级别和格式列出
文件	图片、结构化等模块分别接入	官方提供多格式处理能力，按版本验收
起步费用	MIT 软件许可 $0；运行和维护另计	Starter 免费；Batch 与 Enterprise 报价
长期责任	内部维护规则、模型、发布与回归	内部集成，加供应商许可、支持及版本管理

自定义实体：谁负责让规则长期可靠？

Presidio 适合业务字段定义清晰、团队能维护代码的场景。你可以用格式、校验、上下文和模型组合 recognizer，再让 Anonymizer 对命中的区间做转换。新增规则时应同时加入反例：例如账户编号要遮盖，外观相似的产品编号要保留。正则扩展示例

Limina 的价值应通过交付验收判断：当前模型能否覆盖所需实体，如何处理行业术语，升级后怎样保留回归能力，如何固定版本。不要把购买商业产品等同于可以取消样本维护。供应商模型与自己的预处理、OCR、切块逻辑都会影响结果。

对于已有稳定规则的单一文本入口，先测 Presidio 的维护工时；对于大量语言与文件组合，先要求 Limina 提供具体能力矩阵和代表样本的验证流程。这里的判断是基于交付方式的选型推断，不是性能胜负结论。

中文、多语言与文件格式

Presidio 默认英语模型和识别器不能直接推导出中文完整覆盖。扩展语言时需同时调整 NLP engine 和 recognizer；只把请求的语言参数改成中文不够。官方多语言说明

Limina 价格页宣传 52 种语言，但技术文档按 Core、Extended 等层级和文本、音频、文件分别标注。简体中文位于 Core 条目，繁体相关条目需进一步区分语言变体和当前支持状态。采购时应询问“具体版本对这类语言和这类文件能做什么”，而不只比较总数。语言矩阵

文件处理还要验证可见层与隐藏层。例如 PDF 的可见遮盖是否同步处理可复制文本、批注与元数据，应按采用的处理方式检查。本文未实际测试两家的 PDF 清除效果，不根据“支持 PDF”直接给出文件已不可恢复的结论。

部署位置与日志

Presidio 可以由团队在自己的环境运行，但一旦接入远程 recognizer、模型 API 或监控服务，原文仍可能进入外部系统。应把入站请求、临时文件、错误栈、追踪与备份一起列入审查范围。

Limina 官方价格页同时列出容器部署与 SaaS。容器在本地或 VPC 的方案，与在供应商云端处理的 SaaS，有不同数据路径。具体部署还需要许可、用户及运行资源配置，参见部署检查表。供应商的“不记录数据”等说明，应结合所选服务、合同和内部日志设置确认，不能替代实际的数据流核验。

两者都应区分输出文本与映射表：如果替换后还保留原值映射，可恢复材料仍需严格保护。散列和加密也不是通用的不可重识别证明。

费用怎样放到一张表里？

截至 2026-10-18，Presidio MIT 软件许可费用为 $0；内部计算、语言模型、存储、规则维护和人工复核另计。

Limina 当前 Starter 为免费，每天最多 75 次 API 调用、每分钟最多 10 次；txt/json/csv/xml 文件上限 250KB，其他类型 4MB。Batch 是 Volume Pricing，Enterprise 是 Custom Pricing。不要把免费云端额度当成生产容器授权或无限量文件处理。官方价格

预算可以拆成五列：软件或服务费、运行资源、接入开发、每月回归与复核、升级迁移。Presidio 主要把软件之外的工作交给内部团队；Limina 的报价需要确认部署、用量、版本固定、支持和 SLA 包含哪些内容。没有相同工作负载与报价，无法合理宣称哪家总成本更低。

用共同验收集做决定

准备一组可合法使用的测试数据，并拆成调参集与保留验收集。按实体和语言标注精确区间，加入类似但非敏感的编号、无空格中文、不同数字格式、OCR 错字和上下文不足的短句。

分别看以下结果：

1. 应遮盖的实体是否全部处理，严重漏报是否单独列出。
2. 误报是否删除业务关键信息，导致摘要或检索失效。
3. 输出区间与原始字符编码是否一致，重复值是否每次都处理。
4. 文件、日志、异常和重试是否保留不应保留的原文。
5. 版本升级后是否能重放同一批样本，解释结果变化。

第二遍扫描可以发现部分残留，却不能证明所有未识别信息都不存在。应保留已知漏报反例，并结合业务风险决定是否人工复核。

选择建议

内部有 Python、NLP 和数据管线维护能力，且希望把规则与转换策略版本化，可以先试 Presidio。有多语言、多格式与支持交付需求，可用 Limina 的具体方案做同集验收，再比较总成本。

起步实践见 Presidio 误报、漏报与脱敏验证教程，更多候选见 5 款 LLM 敏感信息识别与脱敏工具。本文不采用供应商网站的竞品准确率宣传作为独立测量结果。