Вопрос защиты персональных данных при работе с генеративными нейросетями стал особенно острым в 2025–2026 годах, когда чаты с искусственным интеллектом превратились в повседневный инструмент офисных сотрудников. Типичный сценарий: юрист или менеджер загружает многостраничный договор в ChatGPT или DeepSeek с просьбой найти риски, не задумываясь о том, что конфиденциальная информация покидает корпоративный периметр. Зарубежные опросы показывают, что от 38 до 57% работников хотя бы раз вводили в публичные нейросети служебные данные, причём многие делали это с личных аккаунтов. В России, по телеметрии ГК «Солар», за 2025 год объём корпоративных данных, уходящих в публичные ИИ-сервисы, вырос в 30 раз, и среди них встречаются юридические документы. Последствия бывают не только административными: летом 2026 года суд Москвы поддержал увольнение директора по продажам за разглашение коммерческой тайны — среди прочего она загружала внутренние отчёты в DeepSeek, и суд отказал ей во взыскании 5 млн рублей по «золотому парашюту».

Существующие инструменты обезличивания часто сами являются облачными сервисами, что создаёт дополнительный риск утечки, а локальные решения с подпиской неудобны в использовании. Разработчик, столкнувшийся с этой проблемой, решил создать собственное расширение для Chrome на JavaScript, которое перехватывает текст документа прямо на странице чата с ИИ и обезличивает его на лету. Ключевые ограничения, заложенные в архитектуру: полный отказ от сетевых запросов, открытый исходный код, работа без сервера и телеметрии, а также совместимость с любыми страницами облачных ИИ-сервисов. Первая версия использовала детерминированные методы поиска персональных данных, такие как регулярные выражения и базы знаний сторон, но показала слабые результаты на нешаблонных документах — много ложных срабатываний и пропусков. Тогда разработчик решил внедрить NLP-модель, способную работать на CPU в браузере.

Выбор пал на компактную русскоязычную модель rubert-tiny2 (распространяется под лицензией MIT), которая после квантования в int8 занимает около 30 МБ и запускается через WASM в одном потоке внутри воркера расширения. Холодный старт модели составляет примерно 0,3 секунды, а обработка 20 страниц договора занимает около 1,7 секунды, что приемлемо для интерактивной работы. Для дообучения модели использовались данные WikiANN (по 20 тыс. предложений на русском и английском языках), однако качество распознавания организаций (ORG) упиралось в F1-score 0,71–0,74, тогда как разработчик поставил порог не ниже 0,75. Применение дистилляции знаний от более крупной модели-учителя xlm-roberta-base (F1=0,805) позволило поднять показатель ученика до 0,76. Дополнительно в обучающую выборку добавили 10% синтетических шаблонных данных, включая организационно-правовые формы, ФИО в разных падежах и отрицательные примеры, что улучшило работу на реальных договорах.

Конвейер обучения включал экспорт в ONNX (opset 17), квантование int8 и проверку совпадения предсказаний с исходной PyTorch-моделью. Стандартное динамическое квантование давало совпадение 98,1%, но после построчного uint8-квантования эмбеддингов с помощью стандартных операторов Gather, Cast, Mul, Add удалось достичь 99,7% совпадения, а размер файла сократился со 111 до 30 МБ. Это техническое решение позволяет запускать модель на любых платформах, включая ONNX Runtime, TFLite, TensorRT или чистый CPU в браузере. Обучение проводилось на игровом ноутбуке с 8 ГБ видеопамяти и 16 ГБ оперативной памяти в два захода. Разработчик отмечает, что проект открыт для дальнейшего развития, в частности рассматривается публикация в Chrome Web Store, но окончательное решение пока не принято.

На российском рынке инициатива может быть востребована компаниями, которые активно используют ИИ, но обязаны соблюдать 152-ФЗ «О персональных данных». Утечка информации через публичные нейросети чревата не только штрафами, но и репутационными потерями, а также судебными исками. Появление локального инструмента, не требующего передачи данных третьим лицам, снижает барьер для безопасного применения ИИ в юридической и аналитической работе. В отличие от облачных анонимизаторов, Docx Anonymizer не зависит от внешних серверов и не собирает телеметрию, что соответствует принципам приватности по умолчанию. Однако стоит отметить, что эффективность обезличивания зависит от качества модели и может варьироваться в зависимости от типа документов. Важно и то, что проект распространяется с открытым исходным кодом: это позволяет службам информационной безопасности самостоятельно проверить отсутствие сетевых запросов и телеметрии, что для корпоративного внедрения часто является обязательным условием. Кроме того, локальная обработка снимает вопрос о трансграничной передаче данных, который в рамках 152-ФЗ требует отдельного внимания и дополнительных организационных процедур.

Отдельного упоминания заслуживает контекст, в котором появляются подобные решения. Российский рынок ИИ-инструментов для бизнеса растёт, но одновременно ужесточается регулирование оборота данных, а кейсы с увольнениями и отказами в выплатах за разглашение коммерческой тайны показывают, что риски перестали быть теоретическими. В этих условиях инструменты, работающие по принципу приватности по умолчанию и не требующие передачи документов на сторонние серверы, закрывают вполне конкретную нишу между удобством публичных чат-ботов и требованиями комплаенса. Показательно, что разработка велась одним человеком с использованием вайбкодинга — подхода, при котором значительная часть кода создаётся с помощью ИИ-ассистентов. Это снижает порог входа для небольших команд и независимых разработчиков, готовых закрывать узкие, но болезненные задачи информационной безопасности. При этом такие проекты неизбежно сталкиваются с вопросами поддержки, обновления моделей и доверия со стороны корпоративных заказчиков, привыкших к вендорским гарантиям.

В перспективе разработчик планирует дальнейшее совершенствование модели, возможно, с использованием более продвинутых архитектур и расширением набора синтетических данных. Открытым остаётся вопрос публикации расширения в официальном магазине Chrome, что упростило бы установку для конечных пользователей, но потребовало бы дополнительных проверок. Также неясно, насколько широко инструмент будет принят корпоративным сегментом, учитывая необходимость локальной установки и настройки. Ещё один открытый вопрос — как поведёт себя модель на документах, сильно отличающихся от обучающей выборки: синтетические шаблоны и данные WikiANN не покрывают всё разнообразие реальных договоров, и часть пропусков теоретически возможна. Тем не менее проект демонстрирует работающий подход к совмещению удобства ИИ-ассистентов с требованиями информационной безопасности, и его развитие может стимулировать появление аналогичных решений на рынке. В условиях ужесточения регулирования оборота данных такие инструменты становятся не просто полезными, а необходимыми для легальной работы с нейросетями.