AI Tech Briefing

OpenAI Privacy Filter, 민감정보를 가려 주는 로컬 모델

OpenAI Privacy Filter는 텍스트에서 이름, 주소, 이메일, 전화번호, URL, 날짜, 계정번호, secret 등을 찾아 가리는 데 쓰도록 공개된 로컬 PII 마스킹 모델이다.

2026-04-23

왜 중요한가

이 모델은 챗봇이 아니라, 로그·프롬프트·대화·평가 데이터에서 민감정보를 먼저 가리는 데 초점이 맞춰져 있다.
OpenAI 발표 기준으로 Apache 2.0 라이선스, 온프렘 실행, 128k 컨텍스트, 파인튜닝 지원이 함께 제시돼 연구실과 기업팀 모두 검토하기 쉽다.
특히 에이전트나 메모리 시스템을 운영할수록 민감한 텍스트가 빠르게 쌓이기 때문에, 이런 비식별화 계층은 실제 운영에서 중요하다.

OpenAI 발표에 따르면 Privacy Filter는 총 1.5B 파라미터, 활성 50M 파라미터 규모의 양방향 토큰 분류 모델이다.
README 기준으로 opf CLI 안에서 redact, eval, train 기능을 함께 제공한다.
로컬에서 git clone --depth 1 https://github.com/openai/privacy-filter 뒤 python -m pip install -e . 설치를 직접 확인했다.
이후 opf --help를 실행해 redact, eval, train 서브커맨드 구성을 확인했다.
Hugging Face config.json 조회도 성공해 공개 체크포인트 접근 가능 여부를 확인했다.
실제 CPU 추론 테스트에서 영문 샘플 Alice Smith lives at 22 Oak Street, email [email protected], API key sk-test-1234567890. 를 넣었더니 이름, 주소, 이메일은 <PRIVATE_...> 토큰으로 가려졌다.
반면 같은 샘플의 API key는 기본 출력에 그대로 남아, secret 탐지가 항상 기대한 수준으로 동작한다고 보긴 어려웠다.
한국어가 섞인 샘플에서도 전화번호, 이메일, URL은 가려졌고 이름도 치환된 것으로 보였지만, Windows 콘솔 인코딩 문제로 출력은 읽기 불편했다.
이번 확인으로 설치와 로컬 추론은 재현 가능했지만, 실제 배포 전에는 secret 탐지와 다국어 성능을 반드시 자체 데이터로 점검해야 한다.

OpenAI Privacy Filter는 이름, 주소, 이메일, 전화번호 같은 민감정보를 텍스트에서 찾아 가리는 용도로 나온 공개형 로컬 PII 마스킹 모델로 볼 수 있다.

인터뷰·임상·실험 텍스트를 다루는 연구에서 비식별화 보조층으로 검토할 가치가 있다.
회의록, 피드백, 지원 데이터, 실험 로그, annotation export를 외부 공유하기 전 1차 scrubber로 붙일 수 있다.
transcript, trace, memory, eval artifact를 장기 저장하거나 knowledge로 넘기기 전에 자동 redaction 계층을 두는 데 유용하다.
raw 기록을 남기는 우리 흐름에서도 사람 손으로 PII를 찾는 부담을 줄이는 실무 도구 후보가 된다.
prompt log, support log, user feedback export 비식별화 파이프라인
내부 문서 검색·요약·RAG 이전 단계의 민감정보 마스킹
세션 로그, 티켓, CRM export에서 연락처/계정 정보 제거
단독 의사결정 도구가 아니라 human review 전 1차 redaction 보조층
로컬 실행 가능한 프라이버시 필터 모듈 후보