dataairlock 0.3.0

個人情報を匿名化してクラウドLLMに安全に渡すためのツール

DataAirlock

機密データを安全にクラウドLLMへ渡すためのローカルツール

DataAirlockは、個人情報を含むデータをローカル環境で匿名化し、Claude Code や Codex などのクラウドLLMで安全に分析するためのCLIツールです。処理結果はローカルで元のデータ（実名）に復元できます。

English Documentation | 不具合報告

免責事項

本ツールは個人情報の検出・匿名化を100%保証するものではありません。 出力データは必ずユーザー自身の目で確認してください。 開発者は本ツール使用によるデータの漏洩や損害について一切の責任を負いません。

概念図

flowchart LR
    subgraph Local["ローカル環境（あなたのPC）"]
        A[("機密データ<br/>山田太郎, 090-1234-5678")] --> B["DataAirlock<br/>匿名化"]
        B --> C[("匿名化データ<br/>PERSON_001, PHONE_001")]
        F["DataAirlock<br/>復元"] --> G[("復元済み結果<br/>山田太郎, 090-1234-5678")]
    end

    subgraph Cloud["クラウド LLM"]
        D["Claude Code<br/>Codex, GPT..."]
    end

    C -.->|"安全に送信"| D
    D -.->|"分析結果"| E[("結果<br/>PERSON_001の来院回数...")]
    E --> F

    style A fill:#ffe0e0,stroke:#cc0000
    style G fill:#e0ffe0,stroke:#00cc00
    style C fill:#fff3cd,stroke:#cc9900
    style E fill:#fff3cd,stroke:#cc9900
    style D fill:#e0e0ff,stroke:#0000cc

特徴

• CLIツール - ターミナルで完結、Claude Code や他のCLIツールとシームレスに連携
• ローカル完結 - 匿名化・復元はすべてローカルで実行、クラウドに生データを送らない
• セマンティックID - PATIENT_001 等の意味のあるIDでLLMが文脈を理解
• 復元可能 - 分析結果をワンコマンドで元のデータに復元

なぜ DataAirlock？

課題	DataAirlockの解決策
機密データをクラウドに送れない	ローカルで匿名化してから送信
匿名化IDが意味不明	セマンティックID（PATIENT_001等）でLLMが文脈を理解
結果を手動で復元するのが面倒	ワンコマンドで自動復元
Word/PPTは匿名化できない	CSV, Excel, Word, PowerPoint に対応

クイックスタート

インストール

# GitHubからインストール（現在は開発版）
pip install git+https://github.com/akira0907/dataairlock.git

# 最新版に強制アップデート
pip install --force-reinstall git+https://github.com/akira0907/dataairlock.git

# または、ローカルでクローンしてインストール
git clone https://github.com/akira0907/dataairlock.git
cd dataairlock
pip install -e .

将来的には pip install dataairlock で簡単にインストールできるようになる予定です。

基本的な使い方

# 1. ワークスペースを作成（ファイルを匿名化）
dataairlock workspace ./my_project --add data/patients.csv -p mypassword

# 2. Claude Code を起動（匿名化データで作業）
dataairlock wrap ./my_project --shell
# または
cd ./my_project/.airlock && claude

# 3. 結果を復元
dataairlock workspace ./my_project --restore-all -p mypassword

Claude Code と連携

# 対話シェルを起動（.airlock/ 内で作業）
dataairlock wrap ./my_project --shell

# Claude Code を直接起動
dataairlock wrap ./my_project -c "claude"

# 自動復元付きでスクリプト実行
dataairlock wrap ./my_project -c "python analyze.py" --auto-restore -p mypassword

対応する個人情報（PII）

PIIタイプ	匿名化後の形式	例
患者ID / カルテ番号	PATIENT_001	P001 → PATIENT_001
氏名（漢字）	PERSON_001	山田太郎 → PERSON_001
氏名（カナ）	PERSON_KANA_001	ヤマダタロウ → PERSON_KANA_001
電話番号	PHONE_001	090-1234-5678 → PHONE_001
メールアドレス	EMAIL_001	[e-mail] → EMAIL_001
住所	ADDR_001	東京都新宿区... → ADDR_001
生年月日	1990年代（一般化）または BIRTHDATE_001	1990/01/15 → 1990年代
年齢	30代（一般化）または AGE_001	34歳 → 30代
マイナンバー	MYNUMBER_001	123456789012 → MYNUMBER_001

コマンド一覧

コマンド	説明
workspace --add	ファイルを匿名化してワークスペースに追加
workspace --add-all	フォルダ内の全ファイルを一括追加
workspace --status	ワークスペースの状態を表示
workspace --restore	結果ファイルを復元
workspace --restore-all	output/内の全CSVを一括復元
wrap	匿名化環境内でコマンドを実行
chat	ローカルLLM（Ollama）で対話
scan	PII検出のみ（匿名化しない）
anonymize	単発ファイルの匿名化
restore	単発ファイルの復元
scan-doc	Word/PPTのPII検出
anonymize-doc	Word/PPTの匿名化
restore-doc	Word/PPTの復元
profile list	保存されたプロファイル一覧
profile show	プロファイルの詳細表示
profile delete	プロファイルを削除
profile export	プロファイルをJSONにエクスポート
profile import	JSONからプロファイルをインポート
profile create-default	デフォルトプロファイルを作成

匿名化戦略

戦略	説明	使用例
replace	セマンティックIDに置換（復元可能）	氏名、患者ID、電話番号
generalize	一般化（年代、都道府県等）	生年月日→年代、住所→都道府県
delete	列ごと削除	不要な個人情報列

PII検出モード

DataAirlockは3つの検出モードをサポートしています。

モード	説明	特徴
rule	ルールベース（正規表現）	高速、オフライン動作、デフォルト
llm	LLM（Ollama）のみ	高精度、曖昧なPIIも検出
hybrid	ルール + LLM の併用	最高精度、推奨

CLIでの使用

# ルールベース（デフォルト）
dataairlock scan data.csv

# LLMモード
dataairlock scan data.csv -m llm

# ハイブリッドモード（推奨）
dataairlock scan data.csv -m hybrid

# 匿名化時も指定可能
dataairlock anonymize data.csv -m hybrid -p mypassword

TUIでの使用

TUIでは、フォルダ処理時に「LLMを使用してPII検出の精度を向上させますか？」と確認が表示されます。 「はい」を選択すると、検出モードを選択できます。

Ollamaのセットアップ

LLMモードを使用するにはOllamaが必要です：

# macOS
brew install ollama

# Linux
curl -fsSL https://ollama.ai/install.sh | sh

# サーバー起動
ollama serve

# モデルダウンロード
ollama pull llama3.1:8b

ベンチマーク結果

内蔵テストデータ（11列、明確なPII 5列 + 曖昧なPII 2列 + 非PII 4列）での検出精度：

モード	Precision	Recall	F1スコア	処理時間
rule	1.000	0.714	0.833	0.002秒
llm	1.000	0.429	0.600	15.6秒
hybrid	1.000	0.857	0.923	10.1秒

ハイブリッドモードはルールのみと比較してF1スコアが+10.8%向上し、「担当者」列（「営業部 山本」など）の曖昧なPIIも検出できました。

プロファイル機能

PII処理設定をプロファイルとして保存し、次回以降の作業で再利用できます。 定型業務（例: 毎月の患者データ処理）で同じ設定を繰り返し入力する手間を省けます。

TUIでの使用

TUIでPIIを検出すると、プロファイルの使用を選択できます：

プロファイルを使用しますか？
  > 📋 既存のプロファイルを使用
    ✨ 新規に設定（プロファイル保存可）
    ⏭️ 今回のみ設定（保存しない）

CLIでの使用

# プロファイル一覧を表示
dataairlock profile list

# デフォルトプロファイルを作成
dataairlock profile create-default

# プロファイルの詳細を表示
dataairlock profile show 医療データ

# チームで共有（エクスポート/インポート）
dataairlock profile export 医療データ -o ./medical_profile.json
dataairlock profile import ./medical_profile.json

プロファイル保存先

~/.config/dataairlock/profiles/
├── default.json
├── 医療データ.json
└── 人事データ.json

ディレクトリ構成

my_project/
├── .airlock/                    # ワークスペース（Git管理OK）
│   ├── data/                    # 匿名化済みデータ
│   │   └── patients.csv         # PATIENT_001, PERSON_001...
│   ├── output/                  # LLMの出力先
│   ├── PROMPT.md                # LLM用プロンプトテンプレート
│   └── README.md
├── .airlock_mappings/           # マッピングファイル（Git管理NG）
│   └── patients.mapping.enc     # 暗号化されたマッピング
└── results/                     # 復元済み結果
    └── analysis.csv             # 山田太郎, 090-1234-5678...

セキュリティ

• マッピングファイルは暗号化: Fernet（AES-128-CBC）で暗号化
• パスワード必須: 復元にはパスワードが必要
• ローカル処理（No Data Exfiltration）: 匿名化・復元はすべてローカルで実行。生データがクラウドに送信されることはありません。
• Git除外推奨: .airlock_mappings/ は .gitignore に自動追加

必要条件

• Python 3.10+
• Ollama（chatコマンドを使う場合のみ）

開発

# クローン
git clone https://github.com/akira0907/dataairlock.git
cd dataairlock

# 開発環境セットアップ
python -m venv .venv
source .venv/bin/activate
pip install -e ".[dev]"

# テスト実行
pytest

ライセンス

AGPL-3.0

作者

@akira0907