Privacy Filter デモ

@yumaha(橋口)【API送信NG】環境構築ゼロ・ブラウザ完結で個人情報をAIマスキング！OpenAI「Privacy Filter」× WebGPU を使ってみたOpenAIWebGPUEdgeAIhuggingfacetransformers.js0Last updated at 2026-04-26Posted at 2026-04-26 はじめに：個人情報のマスキング、どうしてますか？テキストデータに含まれる個人情報（PII）のマスキング作業、大変ですよね。「手作業は辛いからAIに任せたい！」と思っても、現場では以下のようなジレンマに陥りがちです。外部APIの壁: 機密データ（顧客の名前、電話番号、メールアドレス等）を外部のAPIサーバーに送信するのは、セキュリティやコンプライアンスの観点からNG。ローカル環境構築の壁: ならばローカルでAIを動かそう！となっても、実行するための強力なGPUサーバーの用意や、Python、CUDAなどの環境構築が面倒。「データは外に出せない、でも環境構築も面倒」という問題を解決する素晴らしいアプローチを見つけました。それが、OpenAIが公開した「Privacy Filter」モデルと、「WebGPU (Transformers.js)」の組み合わせです。今回は、この技術を使ってブラウザ上で完結するセキュアなAIマスキングを試してみた所感と、簡単な実装方法を紹介します。そもそも「Privacy Filter」×「WebGPU」の何が凄いのか？ openai/privacy-filter (Hugging Face) Privacy Filterは、テキスト内の個人情報を検出・マスキングするためにOpenAIがApache 2.0ライセンスで公開した1Bパラメータの軽量モデルです。これをHugging Faceの Transformers.js を使ってWebGPUで動かすと、以下のような強力なメリットが生まれます。データが端末から一歩も外に出ない（完全セキュア）推論処理はすべてユーザーのブラウザ内（ローカル）で行われます。機密データを外部サーバーに送る必要がないため、情報漏洩のリスクを極限まで減らせます。環境構築が一切不要（URLを共有するだけ） PythonもDockerもGPUドライバーのインストールも不要です。ユーザーは送られてきたURLをブラウザで開くだけで、すぐにモデルを利用できます。ユーザーのローカルリソースを有効活用サーバー側で高価なGPUを維持する必要がなく、ユーザー側のPCの計算能力を使って推論を行います。実際に手元の環境で使ってみたまずはHugging Face Spacesで公開されているデモ（webml-community/privacy-filter-webgpu）を試してみました。今回、あえてスペックの異なる複数の端末でテストしてみました。デスクトップ（RTX 4070 Super搭載）ノートPC（Core i7 150U搭載、内臓GPU）少し古めのノートPC（第10世代 Core i5、内臓GPU）スマートフォン（Pixel 8a）初回のみモデルのダウンロード（ロード）が挟まるため、そこがUXの低下につながる可能性があります（特にスマートフォンでのモデルロードは少し遅いと感じました）。ただし、次回以降はキャッシュが効くためロードなしで利用できます。結果として、GPUを積んだPCで爆速なのはもちろんですが、数年前のCPU（内蔵GPU）のノートPCや、スマートフォンのブラウザ上でも、環境構築なしで実用的な速度で推論が回ったことに感動しました。日本語の精度は？英語やその他の言語に対応しており、日本語で試しても指定したテキストをしっかりマスキングしてくれました。ただ、まだ「完璧」とは言えません。日本語特有のフォーマットや、文脈がない固有名詞の羅列などでは、マスキングの抜け漏れや境界線の認識が甘い部分が見受けられました。実装はシンプル実際にブラウザで動かして試せるよう、最小構成のUI付きHTMLファイルを作成しました。以下のコードを index.html という名前で保存し、VS Codeの「Live Server」やローカルサーバー（python -m http.serverなど）で開くだけで、あなたのブラウザがAI推論マシンに早変わりします。 Privacy Filter デモ

ブラウザで完結！AIマスキング

推論結果：

ここに結果が表示されます

device: "webgpu" と指定するだけで、GPU推論がブラウザ上で完結します。また、dtype: "q4" を指定して4ビット量子化モデルを読み込むことで、ダウンロードサイズとメモリ消費を大幅に抑えています。まとめと今後の展望（GWの目標！）「個人情報のマスキングモデル」と「WebGPUによるブラウザ推論」の組み合わせは、機密データを扱う現場のセキュリティ要件と、ユーザーの利便性を両立する素晴らしいソリューションだと感じました。サーバーにデータを送りたくないけれどAIは活用したい、というニーズにドンピシャで応える技術です。一方で、現状の日本語精度にはまだ伸び代があることも分かりました。しかし、幸いなことにこのモデルはファインチューニングが可能です。今年のゴールデンウィークは、まとまった時間を使ってこのモデルの精度向上に挑戦してみたいと思います！具体的には、ブラウザ上で動くアノテーションツールを作成して日本語に特化したデータセットを作り、LoRAなどの手法を使って「日本語特化型 Privacy Filter」のファインチューニングを試してみる予定です。そちらも進捗があれば、また記事にして共有したいと思います。ぜひ皆さんも手元のブラウザで WebGPU のパワーを体験してみてください！ 0Go to list of users who liked0comment0Go to list of commentsRegister as a new user and use Qiita more convenientlyYou get articles that match your needsYou can efficiently read back useful informationYou can use dark themeWhat you can do with signing upSign upLogin