Cloud.ru открыл исходный код Guardrails Filter для защиты данных в запросах к LLM

En juillet 2026, Cloud.ru a ouvert le code source de GuardrailsFilter — un proxy inverse transparent qui retire les données sensibles des requêtes envoyées aux modèles de langage et les restitue dans les réponses. L'outil est publié en open source et disponible gratuitement.

Ce que fait GuardrailsFilter

GuardrailsFilter fonctionne comme un proxy inverse transparent entre l'application cliente et le fournisseur de LLM : il intercepte la requête avant qu'elle ne parte vers le modèle, y détecte des données sensibles et les remplace, puis, dans la réponse du modèle, effectue l'opération inverse — en remettant les valeurs d'origine à leur place. Pour l'application comme pour le modèle lui-même, cela se passe de manière invisible, sans qu'il soit nécessaire de réécrire le code d'intégration.

Le point clé ici est que les données ne quittent pas le périmètre en clair. Le modèle voit un texte anonymisé, tandis que l'utilisateur reçoit une réponse normale avec les valeurs restaurées.

• Développeur — le fournisseur cloud russe Cloud.ru
• Type — proxy inverse transparent (reverse proxy)
• Fonction — suppression des données sensibles de la requête et restauration dans la réponse
• Compatibilité — fonctionne avec n'importe quel fournisseur de LLM
• Licence — open source, distribué gratuitement

Pourquoi cela intéresse les entreprises

Le problème que résout GuardrailsFilter est familier à toute entreprise qui connecte des LLM cloud à ses processus métier : les prompts finissent inévitablement par contenir des données personnelles de clients, des numéros de contrats, des documents internes. Tout cela part chez le fournisseur du modèle, et l'expéditeur ne peut plus contrôler ce qu'il advient ensuite de ces données.

Le proxy rompt cette dépendance. Une couche apparaît entre l'application et le modèle, garantissant que seul du texte anonymisé sort du périmètre. Cela réduit une partie des risques liés aux exigences de protection des données personnelles (152-FZ) et aux politiques de sécurité de l'entreprise, et permet d'utiliser même des modèles externes là où l'équipe sécurité bloquait auparavant tout transfert de données.

Pourquoi le cloud offre-t-il ce code gratuitement

GuardrailsFilter a été publié en accès libre dans son intégralité, sans version gratuite bridée ni version payante « pour de vrai ». Selon l'un des développeurs, Cloud.ru partage délibérément ce travail avec le marché, et l'article promet d'expliquer la motivation derrière cette démarche.

«

Je suis l'un des développeurs de cet outil et je voudrais en dire plus... répondre à la question : pourquoi un cloud partagerait-il gratuitement ses développements avec le marché ? » — l'un des développeurs de GuardrailsFilter, sur le blog Habr.

La logique est simple pour un fournisseur cloud : plus il est simple et sûr pour les entreprises de connecter des LLM, plus elles transfèrent de charge vers le cloud. L'outil open source abaisse la barrière à l'entrée et sert en même temps de vitrine pour l'expertise d'ingénierie de Cloud.ru.

Ce que cela signifie

L'anonymisation des données avant leur envoi à un LLM cesse d'être un bricolage maison pour devenir un composant réutilisable prêt à l'emploi. Pour les équipes jusqu'ici freinées par les exigences de sécurité, il existe désormais un moyen gratuit de connecter des modèles cloud sans leur transmettre d'informations confidentielles — tout en pouvant voir précisément comment fonctionne le filtrage, directement dans le code source.

Questions fréquentes

Qu'est-ce que GuardrailsFilter ?

Il s'agit d'un proxy inverse transparent de Cloud.ru placé entre le client et le fournisseur de LLM. Il retire les données sensibles des requêtes envoyées au modèle et les restaure dans les réponses, sans nécessiter de réécrire le code d'intégration avec l'application.

GuardrailsFilter est-il payant ?

Non. Cloud.ru a publié le code source en accès libre en juillet 2026 ; l'outil est distribué gratuitement en open source et fonctionne avec n'importe quel fournisseur de LLM.