QuentinGuironnet/PII-Shield

1import re2import gradio as gr3 4# ---------------------------5# 1. REGEX PATTERNS6# ---------------------------7EMAIL_RE = re.compile(r"\b[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Za-z]{2,}\b")8URL_RE = re.compile(r"\bhttps?://\S+|\bwww\.\S+\b", re.IGNORECASE)9IP_RE = re.compile(r"\b\d{1,3}(?:\.\d{1,3}){3}\b")10DATE_RE = re.compile(r"\b(?:\d{1,2}[\/\-.]\d{1,2}[\/\-.]\d{2,4}|\d{4}-\d{2}-\d{2})\b")11 12# téléphones un peu larges, on filtrera les trop courts13PHONE_RE = re.compile(r"(?:\+?\d[\d\s().-]{5,}\d)")14 15# cartes bancaires : on détecte 13 à 19 chiffres avec séparateurs16CARD_RE = re.compile(r"\b(?:\d[ -]*?){13,19}\b")17 18# SSN US basique19SSN_RE = re.compile(r"\b\d{3}-\d{2}-\d{4}\b")20 21 22# ---------------------------23# 2. UTILITAIRES24# ---------------------------25def luhn_valid(number: str) -> bool:26    """Vérifie un numéro de carte avec Luhn (simple)."""27    digits = [int(d) for d in number if d.isdigit()]28    if len(digits) < 13 or len(digits) > 19:29        return False30    checksum = 031    parity = len(digits) % 232    for i, d in enumerate(digits):33        if i % 2 == parity:34            d = d * 235            if d > 9:36                d -= 937        checksum += d38    return checksum % 10 == 039 40 41def mask_value(value: str, style: str = "tag") -> str:42    """43    style:44      - tag -> [PII]45      - stars -> ********46      - keep_len -> même longueur mais *47    """48    if style == "tag":49        return "[PII]"50    elif style == "stars":51        return "*" * len(value)52    elif style == "keep_len":53        return "".join("*" if not c.isspace() else c for c in value)54    return "[PII]"55 56 57# ---------------------------58# 3. ANONYMISATION59# ---------------------------60def anonymize(text: str, style: str):61    if not text.strip():62        return "Paste or type a text to anonymize.", "{}"63 64    counts = {65        "email": 0,66        "url": 0,67        "ip": 0,68        "date": 0,69        "phone": 0,70        "card": 0,71        "ssn": 0,72    }73 74    # 1) Emails75    def repl_email(m):76        counts["email"] += 177        return mask_value(m.group(), style)78    text = EMAIL_RE.sub(repl_email, text)79 80    # 2) URLs81    def repl_url(m):82        counts["url"] += 183        return mask_value(m.group(), style)84    text = URL_RE.sub(repl_url, text)85 86    # 3) IPs87    def repl_ip(m):88        counts["ip"] += 189        return mask_value(m.group(), style)90    text = IP_RE.sub(repl_ip, text)91 92    # 4) Dates93    def repl_date(m):94        counts["date"] += 195        return mask_value(m.group(), style)96    text = DATE_RE.sub(repl_date, text)97 98    # 5) SSN99    def repl_ssn(m):100        counts["ssn"] += 1101        return mask_value(m.group(), style)102    text = SSN_RE.sub(repl_ssn, text)103 104    # 6) Cartes bancaires (avec Luhn)105    def repl_card(m):106        raw = m.group()107        digits = "".join(ch for ch in raw if ch.isdigit())108        if luhn_valid(digits):109            counts["card"] += 1110            return mask_value(raw, style)111        return raw  # pas une vraie carte112    text = CARD_RE.sub(repl_card, text)113 114    # 7) Téléphones115    def repl_phone(m):116        raw = m.group()117        # on nettoie118        digits = "".join(ch for ch in raw if ch.isdigit())119        if len(digits) < 6:  # trop court pour être un vrai numéro120            return raw121        counts["phone"] += 1122        return mask_value(raw, style)123    text = PHONE_RE.sub(repl_phone, text)124 125    # petit résumé JSON126    import json127    stats = json.dumps({k: v for k, v in counts.items() if v > 0}, indent=2, ensure_ascii=False)128    return text, stats or "{}"129 130 131# ---------------------------132# 4. GRADIO UI133# ---------------------------134with gr.Blocks(title="PII-Shield — Anonymizer") as demo:135    gr.Markdown("# 🛡️ PII-Shield — Text Anonymizer")136    gr.Markdown("Collez un SMS, un e-mail ou un texte administratif. L’outil masque automatiquement emails, téléphones, URLs, IPs, dates, SSN et cartes bancaires (Luhn).")137 138    with gr.Row():139        inp = gr.Textbox(lines=10, label="Texte à anonymiser")140        style = gr.Radio(141            ["tag", "stars", "keep_len"],142            value="tag",143            label="Style de masquage",144            info="tag = [PII], stars = ********, keep_len = même longueur"145        )146 147    btn = gr.Button("Analyser / Masquer")148 149    out = gr.Textbox(lines=10, label="Texte anonymisé")150    stats = gr.JSON(label="Éléments détectés")151 152    examples = [153        "Salut Marie, écris-moi à marie.dupont@example.com ou appelle au +33 6 12 34 56 78. RDV le 12/05/2024.",154        "Payment card: 4111 1111 1111 1111, IP: 192.168.0.1, site: https://example.org",155        "US client SSN: 123-45-6789"156    ]157    gr.Examples(examples=examples, inputs=inp, outputs=[out, stats])158 159    btn.click(anonymize, inputs=[inp, style], outputs=[out, stats])160 161if __name__ == "__main__":162    demo.launch()