fuseji 0.1.0

日本語特化の PII 検出・マスキングミドルウェア（LLM オブザーバビリティ向け）

fuseji（伏せ字）

日本語特化の PII 検出・マスキングミドルウェア — LLM オブザーバビリティ向け。

English | 日本語

---

なぜ fuseji か

LLM オブザーバビリティ基盤（Langfuse、LangSmith、Phoenix、OTel）はトレース送信前に PII を伏せるためのマスキングフックを提供しています。しかし、既存の参照実装はすべて英語圏向けで、日本語テキストでは構造的に取りこぼします。

ツール	日本語対応	マイナンバー	日本の電話番号
Presidio	✗（recognizer 未提供）	✗	✗（他ロケールの偶発一致のみ）
LLM Guard	✗（英語 BERT 前提）	✗	✗
GLiNER PII	✗（欧州 6 言語）	✗	✗
OTel Collector	✗（regex のみ）	✗	✗
fuseji	✓	✓（番号法対応）	✓

日本語固有の課題（語境界がない、住所が大→小の順序、全角/半角混在、人名と一般名詞の曖昧性、マイナンバーの 12 桁構造）に正面から対応します。

対応エンティティ

v0.1（リリース時）

Entity	検出方式	備考
MY_NUMBER	正規表現 + チェックディジット	12 桁、総務省公開仕様、全角/半角対応、recall 優先
JP_PHONE_NUMBER	正規表現 + numbering plan 検証	携帯 070/080/090、フリーダイヤル 0120、ナビダイヤル 0570、固定電話
JP_POSTAL_CODE	正規表現 + コンテキストブースト	〒 / XXX-XXXX 形式、文脈語で score 加重
EMAIL	正規表現	RFC-lite
CREDIT_CARD	正規表現 + Luhn 検証	ロケール非依存
PERSON	NER（GiNZA backend、[ginza] extra）	CPU で ~100ms / ~100 tokens

v0.2 以降

• JP_ADDRESS（正規化ベースの住所検出）
• CORPORATE_NUMBER（法人番号、opt-in）
• BANK_ACCOUNT_JP、DRIVERS_LICENSE_JP
• NER バックエンド比較（GiNZA / BERT-NER / GLiNER-ja）

インストール

# 正規表現コアのみ（ゼロ依存）
pip install fuseji

# GiNZA で人名（PERSON）検出も有効化
pip install 'fuseji[ginza]'

# FastAPI サーバー（/mask /detect /healthz）を有効化
pip install 'fuseji[server]'

# 全部入り
pip install 'fuseji[all]'

クイックスタート

from fuseji import Masker

masker = Masker()

result = masker.mask("山田さん(連絡先: 090-1234-5678, [e-mail]、〒123-4567)")

print(result.text)
# 山田さん(連絡先: <JP_PHONE_NUMBER_1>, <EMAIL_1>、<JP_POSTAL_CODE_1>)

for e in result.entities:
    print(e.type, e.text, e.score)
# JP_PHONE_NUMBER 090-1234-5678 0.95
# EMAIL [e-mail] 1.0
# JP_POSTAL_CODE 〒123-4567 0.95

仮名化バウルト（復元可能なマスキング）

from fuseji import Masker, InMemoryVault

vault = InMemoryVault()  # MY_NUMBER はデフォルトで復元不可（番号法対応）
masker = Masker(vault=vault)

r1 = masker.mask("田中さんと佐藤さん")          # <PERSON_1>さんと<PERSON_2>さん（GiNZA 有効時）
r2 = masker.mask("田中さんに連絡して")          # <PERSON_1>さんに連絡して（一貫性維持）

# LLM 応答から復元
restored = vault.restore("<PERSON_1>さんへ返信しました")
# 田中さんへ返信しました

マスキング戦略

from fuseji import Masker, Placeholder, Redact, Hash

Masker(strategy=Placeholder())  # <EMAIL_1> 形式（デフォルト）
Masker(strategy=Redact())       # [REDACTED]
Masker(strategy=Hash(length=8)) # SHA256 ハッシュ先頭 8 文字

Langfuse SDK 連携

from langfuse import Langfuse
from fuseji.integrations.langfuse import make_mask_fn

langfuse = Langfuse(mask=make_mask_fn())
# 以降、すべてのトレースが fuseji で自動マスクされる

例外時は fail-closed で [fuseji: masking failed] を返し、原データは絶対に通しません。

サーバーモード（Langfuse 取り込みコールバック / OTel サイドカー）

pip install 'fuseji[server]'
uvicorn fuseji.server.app:app --host 0.0.0.0 --port 8000

# マスキング
curl -X POST http://localhost:8000/mask \
  -H 'Content-Type: application/json' \
  -d '{"data": "メール: [e-mail]"}'
# {"data": "メール: <EMAIL_1>"}

# 検出のみ
curl -X POST http://localhost:8000/detect \
  -H 'Content-Type: application/json' \
  -d '{"text": "電話 [phone]"}'
# {"entities": [{"type": "JP_PHONE_NUMBER", ...}]}

OpenAPI スキーマ: http://localhost:8000/openapi.json

セキュリティ・法令上の注意

fuseji は 検出・破棄するが保持しない（detect, never retain） ことを設計原則としています。

• 検出値はメモリ上のみで処理し、永続化しません
• InMemoryVault も session-scoped（プロセスメモリのみ）。永続化はユーザー側責任
• マイナンバー（MY_NUMBER）は Vault.DEFAULT_EXCLUDED_TYPES でデフォルト除外 され、復元できません（番号法対応）
• Langfuse アダプタは例外時に fail-closed で原データを返しません

詳しくは SECURITY.md を参照してください。

⚠️ fuseji は in-flight masking のみ提供します。検出値の保持・ログ出力は呼び出し側の責任です。

設計と非ゴール

詳細は docs/design.md を参照。

v0.x の非ゴール: ガードレール（プロンプトインジェクション、毒性）、画像/PDF redaction、可逆暗号、ストリーミング token-by-token マスキング、日本語以外の自然文（ASCII パターンは対応）。

ロードマップ

• v0.1（現行）: 正規表現/checksum 認識器、GiNZA PERSON、Placeholder/Redact/Hash 戦略、Vault、Langfuse SDK アダプタ、FastAPI サーバー、CI
• v0.2: JP_ADDRESS、ingestion callback の Docker イメージ、OTel example、Faker 戦略、fuseji-bench
• v0.3: NER バックエンド比較（BERT-NER / GLiNER-ja fine-tune）、構造化フィールド対応、batch API

コントリビューション

CONTRIBUTING.md を参照。認識器の追加は first-class でサポートされており、Recognizer プロトコル + テストの 2 点セットで提案できます。

ライセンス

Apache-2.0 — LICENSE を参照。