Produktywność spotyka kontrolę.

SOWA Privacy działa jako warstwa zabezpieczeń po stronie klienta w formie rozszerzenia przeglądarki. Bez własnych serwerów, bez komponentów chmurowych.

  • Lokalna analiza w czasie rzeczywistym

    Teksty są analizowane, zanim jeszcze opuszczą przeglądarkę użytkownika.

  • Automatyczna anonimizacja

    Wykrywanie imion i nazwisk, numerów IBAN, danych zdrowotnych itp. i zastępowanie ich neutralnymi placeholderami.

  • Niezależność od dostawcy

    Działa z ChatGPT, Claude, Gemini i innymi bez modyfikacji API systemów docelowych.

  • Bezproblemowa deanonimizacja

    Zanonimizowane wartości są przywracane do oryginałów, gdy AI odpowiada. Otrzymujesz normalne wyniki bez udostępniania danych osobowych serwerom obcych chatbotów.

Jak działa wykrywanie

Trzy warstwy – wszystkie działają lokalnie w Twojej przeglądarce. Żadna z nich nie musi wysyłać Twojego tekstu na serwer, aby zdecydować, czy zawiera dane osobowe.

Warstwa 1 – Regex

Dopasowywanie wzorców

Zawsze aktywna. Najszybsza. Nie wymaga modelu.

  • Wbudowane zestawy wzorców dla adresów e-mail, numerów telefonów (w tym polskich komórkowych), IBAN, BIC/SWIFT, PESEL, NIP, numerów kart kredytowych, praw jazdy, paszportów, dat urodzenia, adresów IP, kluczy API, haseł, tokenów.
  • Uruchamiana przy każdym naciśnięciu klawisza. Zero sieci, zero ładowania modelu – czyste lokalne dopasowywanie ciągów.
  • Rozszerzalna przez użytkownika: dodaj własne reguły w Ustawieniach w czteropolowym formacie (KIND | REGEX | FLAGS | PRIORITY).
Warstwa 2 – NER

Rozpoznawanie nazwanych jednostek

Wielojęzyczna. Lokalny model. Wymaga włączenia.

  • Wykrywa to, czego regex nie potrafi: imiona i nazwiska osób, organizacje, lokalizacje – wszystko, co zależy od kontekstu, a nie wzorca.
  • Wielojęzyczny model DistilBERT (~65 MB) przez Transformers.js + ONNX. Pobierany raz z HuggingFace, potem działa offline na zawsze.
  • Uruchamiany w izolowanym dokumencie offscreen, dzięki czemu strona czatu nie może go zobaczyć ani wywołać.
  • Konfigurowalny próg pewności (domyślnie 0,7) i ważenie priorytetów.
  • Domyślnie WYŁĄCZONA. Pobieranie 65 MB rozpoczyna się dopiero po jawnym włączeniu przez użytkownika w Ustawieniach.
Warstwa 3 – Lokalny LLM

Tryb zaawansowany

Przypadki graniczne. Lokalne GPU. Wymaga włączenia.

  • Wykrywa kontekstowe przypadki graniczne pomijane przez pierwsze dwie warstwy – niejednoznaczne jednostki, parafrazy identyfikatorów, wrażliwe szczegóły widoczne tylko z kontekstu zdania.
  • Środowisko uruchomieniowe WebLLM na GPU użytkownika. Do wyboru: Phi-3, Gemma 2B lub SmolLM2 (każdy ~200 MB).
  • 2–4 GB RAM podczas pracy. Wolniejszy niż pierwsze dwie warstwy – używany jako weryfikacja, nie główny skaner.
  • Domyślnie WYŁĄCZONA. Pobieranie modelu rozpoczyna się dopiero po wyrażeniu zgody przez użytkownika.

Wyniki wykrywania z trzech warstw są scalane i szeregowane według priorytetu. Ponad wszystkimi trzema warstwami, zarządzana przez użytkownika Czarna lista (priorytet 100, zawsze wygrywa) oraz Biała lista pozwalają osobom indywidualnym lub administratorom IT dostosować wykrywanie do swojego przepływu pracy – dodawać identyfikatory specyficzne dla firmy, wyłączać bezpieczne szablony, dystrybuować ustawienia wstępne w całym zespole – bez dotykania kodu.

Porównaj z alternatywami Zobacz kod źródłowy
01

Kancelarie prawne i działy prawne

Korzystaj z AI do przeglądu umów, streszczeń spraw, redagowania notatek prawnych, porównywania NDA i komunikacji z klientami bez ujawniania danych identyfikujących klientów.

Przykłady wrażliwych danych
Imiona i nazwiska klientów Strony przeciwne Numery umów Numery spraw Adresy Odwołania sądowe Poufne fakty prawne
02

Doradztwo podatkowe

Korzystaj z AI do wyjaśniania pism urzędu skarbowego, redagowania e-maili do klientów, streszczania spraw podatkowych i tworzenia list kontrolnych dokumentów przy ochronie danych podatników.

Przykłady wrażliwych danych
Identyfikatory podatkowe Imiona i nazwiska klientów Dane o dochodach Dane firmowe Adresy Dane bankowe Odwołania urzędu skarbowego
03

Księgowość i rachunkowość

Korzystaj z AI do streszczeń faktur, redagowania przypomnień płatności, kategoryzowania wydatków, pytań księgowych i notatek do przygotowania audytu bez ujawniania danych faktur ani płatności.

Przykłady wrażliwych danych
Nazwy dostawców Imiona i nazwiska klientów Numery IBAN Numery faktur Identyfikatory podatkowe Kwoty płatności Odwołania wewnętrzne
04

Ochrona zdrowia, kliniki i terapeuci

Korzystaj z AI do porządkowania notatek medycznych, redagowania wyjaśnień dla pacjentów, przygotowywania podsumowań wizyt i anonimizacji notatek terapeutycznych przed użyciem narzędzi AI.

Przykłady wrażliwych danych
Imiona i nazwiska pacjentów Daty urodzenia Numery ubezpieczenia Diagnozy Odwołania do leków Dane wizyt Dokumentacja medyczna
05

Bankowość i usługi finansowe

Korzystaj z AI do streszczeń skarg klientów, notatek KYC, wsparcia dokumentacji AML, przygotowania audytu i redagowania odpowiedzi dla klientów w regulowanych procesach finansowych.

Przykłady wrażliwych danych
Imiona i nazwiska klientów Numery kont Numery IBAN Odwołania do transakcji Numery kredytów Adresy Identyfikatory spraw compliance
06

Ubezpieczenia

Korzystaj z AI do streszczeń roszczeń, wyjaśniania polis, przygotowywania list brakujących dokumentów, redagowania odpowiedzi dla klientów i porządkowania notatek eskalacyjnych przy maskowaniu danych ubezpieczonych i roszczeń.

Przykłady wrażliwych danych
Imiona i nazwiska ubezpieczonych Numery roszczeń Numery polis Miejsca wypadków Tablice rejestracyjne Informacje zdrowotne Raporty szkód
07

Administracja publiczna

Korzystaj z AI do redagowania odpowiedzi dla obywateli, streszczania wniosków, przygotowywania notatek wewnętrznych, wyjaśniania formularzy i wspierania komunikacji związanej z zezwoleniami lub świadczeniami.

Przykłady wrażliwych danych
Imiona i nazwiska obywateli Adresy Numery zezwoleń Identyfikatory wniosków Informacje o świadczeniach socjalnych Dane zdrowotne lub o niepełnosprawności Oficjalne numery spraw
08

HR i rekrutacja

Korzystaj z AI do streszczeń CV, generowania pytań rekrutacyjnych, porównywania kandydatów, redagowania ocen pracowniczych i komunikacji z pracownikami bez ujawniania tożsamości kandydatów ani pracowników.

Przykłady wrażliwych danych
Imiona i nazwiska kandydatów Imiona i nazwiska pracowników Wynagrodzenia Dane kontaktowe Adresy Nieobecności Notatki ocenne Identyfikatory pracowników
09

Consulting

Korzystaj z AI do streszczeń warsztatów, redagowania strategii, analizowania procesów, przygotowywania ofert i porządkowania ocen ryzyka bez wycieku poufnych informacji klientów.

Przykłady wrażliwych danych
Imiona i nazwiska klientów Nazwy projektów Wewnętrzne plany działania Dane finansowe Dokumenty strategiczne Imiona i nazwiska pracowników Poufne procesy
10

IT, IAM i bezpieczeństwo

Korzystaj z AI do streszczeń zgłoszeń IAM, wyjaśniania próśb o dostęp, redagowania raportów incydentów, przygotowywania dowodów audytowych i poprawy komunikacji z użytkownikami przy maskowaniu identyfikatorów technicznych.

Przykłady wrażliwych danych
Nazwy użytkowników Identyfikatory pracowników Adresy IP Nazwy hostów Nazwy systemów Role dostępowe Nazwy grup Identyfikatory zgłoszeń Szczegóły incydentów