Guide – PII-detektor

Kom igång

Ladda upp ett dokument Klicka på uppladdningsfältet eller dra ett dokument dit. Tjänsten stöder .txt, .pdf, .docx, .xlsx och .xls upp till 10 MB.
Starta analysen Klicka på Analysera dokument. Dokumentet delas upp i meningar eller rader som sedan analyseras var för sig. Beroende på dokumentstorlek tar det några sekunder.
Granska resultaten Varje mening som bedöms innehålla personuppgifter visas som ett kort. Den specifika uppgiften är markerad med gul bakgrund och fetstil. Om hela meningen är flaggad (ML-fall, se nedan) visas ett streck längs vänsterkanten.
Lämna feedback Bedöm varje träff med 👍, 👎 eller ❓. Feedbacken sparas och används för att förbättra systemet.

Hur analyseras texten?

Dokumentet delas upp i segment — i huvudsak en mening eller tabellrad per segment. Varje segment skickas genom tre lager i tur och ordning. Om något lager flaggar segmentet markeras det som en träff.

regex

Regelbaserat lager

Söker efter väldefinierade mönster: personnummer, samordningsnummer, e-postadresser, telefonnummer, gatuadresser, IBAN, bankkontonummer och mer. Hög precision — vet exakt vilket ord som är träffen.

ner

Namnigenkänning (NER)

Använder en svensk språkmodell (spaCy sv_core_news_sm) för att identifiera personnamn. Kompletteras av mönsterregler för namn som föregås av fraser som "sökanden heter" eller "handläggare". Vet exakt vilka ord som är ett namn.

ml

Maskininlärning (ML)

En logistisk regressionsmodell tränad på svenska meningar bedömer om segmentets helhet innehåller personuppgifter — t.ex. kön + ålder i kombination. ML ger inget exakt ord utan flaggar hela meningen. Kan fånga indirekta personuppgifter som de andra lagren missar.

Konfidenspoäng

Varje träff får ett konfidenspoäng (0–100 %). Regex- och NER-regler ger höga poäng (85–100 %) eftersom mönstren är väldefinierade. ML-modellen returnerar en sannolikhet — träffar under 45 % filtreras bort.

Varför visas hela meningen ibland?

När ML är det enda lagret som flaggar ett segment saknas information om vilket specifikt ord som är problemet — modellen bedömer meningen som helhet. Sådana träffar visas med en gul vänsterkant och texten "ML-modellen flaggade hela segmentet" för att tydliggöra skillnaden.

Förstå träffkorten

Varje träff visas i ett kort med följande information:

Segmenttext — meningen i sin helhet med den flaggade delen markerad.
PII-typ — vad systemet tror att uppgiften är, t.ex. personnummer, person-namn eller e-post.
Källa — vilket lager som hittade träffen: regex, ner eller ml.
Konfidens — hur säker modellen är, angivet i procent.

Ge feedback

Din feedback hjälper till att förbättra systemet. Det finns tre alternativ:

👍 Korrekt 👎 Fel ❓ Osäker

👍 Korrekt — systemet har rätt: uppgiften är en personuppgift.
👎 Fel — systemet har fel: det är inte en personuppgift (falskt larm).
❓ Osäker — du vet inte om det är en personuppgift, eller vill kommentera. Klickar du på ❓ öppnas en textruta där du kan förklara vad som är oklart. Skriv din kommentar och klicka Skicka (eller tryck Ctrl+Enter).

Vad händer med feedbacken?

Varje analys sparas som en JSON-fil på servern med dokumenttexten, alla träffar och din feedback. Filerna kan sedan användas för att:

Träna om ML-modellen med korrigerade etiketter.
Låta en AI analysera varför modellen flaggade en viss mening och ge förklaringar.
Identifiera mönster i falska larm och justera reglerna.

Stödda filformat

Format	Tillägg	Kommentar
Oformaterad text	.txt	UTF-8, UTF-8 BOM eller Latin-1
PDF	.pdf	Textbaserade PDF:er; skannade dokument (bilder) stöds inte
Word	.docx	Microsoft Word 2007 och senare
Excel (nytt format)	.xlsx	Microsoft Excel 2007 och senare; alla blad analyseras
Excel (gammalt format)	.xls	Excel 97–2003

Maximal filstorlek: 10 MB.

Integritet och datasäkerhet

All bearbetning sker lokalt på servern Ditt dokument skickas aldrig vidare till externa molntjänster, AI-APIer eller tredje part. Analysen utförs helt med lokala modeller.

Uppladdade dokument lagras inte på disk — de läses in i minnet, analyseras och kastas. Det som sparas är:

Analyresultaten och din feedback i en lokal SQLite-databas (feedback.db).
En JSON-fil per analyssession i katalogen training_data/ på servern, innehållande dokumenttexten och feedback. Dessa används enbart för att förbättra systemet.

Tjänsten är en prototyp och inte juridiskt granskad. Den kan missa personuppgifter och kräver alltid manuell granskning innan dokumentet bedöms vara anonymiserat.