규칙으로 즉시 확인
정규식과 키워드로 형식이 분명한 민감정보를 먼저 찾습니다. 확실한 일치는 AI 분석을 기다리지 않고 바로 판단할 수 있습니다.
데이터 손실 방지
생성형 AI를 업무에 활용할수록 대화, 문서, 코드, 프롬프트에 섞인 민감정보를 맥락 속에서 찾아야 합니다. QueryPie DLP는 한국어·영어·일본어 입력의 위험을 빠르게 선별하고, 필요한 입력만 정밀하게 분석해 민감정보의 종류와 실제 내용을 찾아냅니다.
규칙 검사부터 위험 선별, 민감정보 추출까지
정규식으로 확인하고, ELECTRA 기반 모델로 선별하며, SLM 기반 모델로 민감정보를 추출합니다.
ELECTRA 기반 모델로 위험 선별
규칙에 맞지 않는 문장을 경량 분류 모델이 빠르게 읽고 위험 점수를 계산합니다. 위험도가 높거나 애매한 입력을 추가 확인 대상으로 추립니다.
SLM 기반 모델로 민감정보 추출
정밀 분석이 필요한 입력에서 민감정보의 종류와 실제 내용을 찾습니다. 별도 프로그램이 원문과 대조해 정확한 위치를 계산합니다.
빠른 위험 선별
ELECTRA 기반 경량 모델이 규칙만으로 판단하기 어려운 문장의 민감정보 위험을 빠르게 평가합니다. 대량의 입력에서도 추가 확인이 필요한 내용을 추려냅니다.
수많은 입력에서 위험 신호를 빠르게 골라냅니다.
빠른 위험 선별
ELECTRA 기반 DLP
규칙과 형식만으로 구분하기 어려운 문장도 살펴봅니다.
민감정보가 포함됐을 가능성을 점수로 나타냅니다.
위험도가 높거나 판단이 애매한 입력을 추가 검토 대상으로 구분합니다.
ELECTRA 기반 위험 선별 데모
빠른 위험 선별 기능
검증 문장
받은 파일에 다음과 같이 작성되어 있습니다:
접속 IP 198.51.100.227.
위험 선별 결과
0.999
차단 판정
문장을 입력하면 경량 모델이 계산한 위험 점수와 차단 판정을 확인할 수 있습니다.
정밀 민감정보 추출
SLM 기반 정밀 모델이 문맥을 분석해 민감정보의 종류와 입력에 실제로 적힌 내용을 함께 찾아냅니다. 보호가 필요한 부분을 구체적으로 확인할 수 있습니다.
입력 문서
담당자 김민수의
minsu.kim@example.com
연락처 010-1234-5678
탐지 결과
- 담당자김민수PERSON NAME의
- minsu.kim@example.comEMAIL ADDRESS
- 연락처010-1234-5678PHONE NUMBER
문장을 입력하면 이름, 이메일, 전화번호 등 민감정보의 종류와 실제 내용이 어떻게 표시되는지 확인할 수 있습니다.
SLM 기반 DLP
이름·계좌정보·인증정보 등 어떤 민감정보인지 구분합니다.
민감정보가 입력에 실제로 어떻게 적혀 있는지 찾아냅니다.
정해진 형식에 맞지 않는 표현도 주변 내용을 함께 읽어 민감정보인지 판단합니다.
Hugging Face에서 DLP 모델 사용하기
QueryPie가 공개한 다국어 민감정보 탐지 모델과 모델 카드, 사용 자료를 Hugging Face에서 확인하고 활용할 수 있습니다.
생각은 멈추고.
이제 전환하세요.
