Anonimizador de Documentos

Anonimizador de Documentos

🛡️ El Problema

Subir contratos o documentos legales a IAs en la nube (como ChatGPT o Claude) puede llegar a incumplir normas de confidencialidad o leyes de protección de datos. Anonymize Docs resuelve este problema procesando tus documentos localmente en tu computadora, detectando y reemplazando datos privados (Nombres, DNI, CUIT, Direcciones, Cuentas Bancarias, Domicilios, etc.) por pseudónimos.

💡 La Solución

Anonymize Docs procesa tus documentos localmente con un LLM servido por Ollama, detecta las entidades privadas y las reemplaza por pseudónimos coherentes. Una vez anonimizado el archivo, queda listo para subir a cualquier IA pública para resumirlo, hacerle preguntas o analizarlo de forma segura.

⚙️ Cómo Funciona

  1. Extracción de entidades: un LLM local (Ollama, qwen2.5:7b por defecto) lee el documento y detecta Nombres de personas, DNI’s, CUIT, emails, teléfonos, direcciones, cuentas bancarias, etc.
  2. Reemplazo en el formato original:
    • .docx → conserva estructura y tipografía, y resalta en amarillo los datos reemplazados para auditoría visual.
    • .pdf → destruye los datos binarios subyacentes y deja pseudónimos legibles en su lugar, evitando que alguien recupere la info original con un editor binario.
  3. Salidas múltiples: además del archivo anonimizado, genera una versión .md (Este formato consume menos tokens de los modelos de IA), lista para adjuntar en cualquier Modelo de IA. También genera un archivo .json de auditoría con el árbol de entidades detectadas.

🚀 Stack

  • Core: Python 3.11+, Ollama, docling (PDF → Markdown), python-docx, pymupdf.
  • UIs: Streamlit (web), CustomTkinter (desktop clásica), Flet (desktop moderna, la recomendada).
  • Análisis legal (opcional): Supabase Edge Functions + pgvector corriendo RAG contra normativa argentina.

La UI de Flet trae un botón extra que envía el Markdown anonimizado a una Edge Function de Supabase. Ahí corre un RAG sobre la base de normativas y devuelve un reporte en Markdown citando el corpus:

  • DNU 70/2023 — desregulación de contratos de locación.
  • CCyCN — Código Civil y Comercial de la Nación.
  • Ley 27.551 — régimen de alquileres anterior.
  • Doctrina — papers y comentarios relevantes.

Es ideal para auditar cláusulas de un contrato de locación antes de firmarlo.

📄 Salidas

Por cada documento que procesás, la herramienta te deja en la misma carpeta:

  • <nombre>_anonimo.docx o <nombre>_anonimo.pdf — el documento anonimizado.
  • <nombre>_anonimo.md — versión Markdown, lista para subir a cualquier IA.
  • <nombre>_entidades.json — log de auditoría con cada entidad detectada y su pseudónimo.

🎯 ¿Por qué usarlo?

  • Privacidad total: nada sale de tu máquina hasta que vos decidas subirlo.
  • Vía libre para la nube: una vez anonimizado, podés usar ChatGPT, Claude o lo que quieras.
  • Compartir sin riesgos: ideal para mandar muestras de contratos a auditores o consultores externos.