Docx Anonymizer reconhece 50 categorias de dados e oferece suporte a nove formatos

Enviar um contrato ou uma planilha para um chat de IA é fácil. Mais difícil é garantir que dados de passaporte, comentários de colegas, uma planilha oculta do Excel ou o nome do autor nos metadados não tenham sido enviados junto com o texto principal. É esse problema cotidiano, mas desagradável, que a extensão Docx Anonymizer para Chrome resolve: ela procura dados pessoais antes que um arquivo seja carregado em um serviço externo e permite remover rastros que o usuário normalmente não vê.

Na nova versão, o desenvolvedor ampliou o suporte para além dos documentos do Word. A ferramenta funciona com planilhas e apresentações do Microsoft Office, além de arquivos TXT, Markdown, CSV, JSON e de log. O número de categorias reconhecidas aumentou de 21 para 50. Para um desenvolvedor ou uma equipe de produto, a lógica é simples: antes de entregar a um sistema de IA uma exportação de clientes, a ata de uma reunião ou um log técnico, é possível verificar o arquivo com a mesma ferramenta.

Como isso funciona na prática

Imagine uma planilha de solicitações ao suporte. As células visíveis contêm o nome do cliente, seu telefone e uma descrição do problema. Uma amostra interna permaneceu em uma planilha oculta, um gerente registrou o número de um contrato em um comentário e uma fórmula usa uma referência a uma célula com um endereço de e-mail. Se alguém apenas copiar a planilha principal ou substituir alguns valores óbvios, parte dos dados continuará dentro do arquivo.

O Docx Anonymizer procura mais do que nomes completos e dados de contato. O conjunto anunciado inclui dados de passaportes russos nacionais e internacionais, carteiras de habilitação, documentos de identificação militar, autorizações de residência, documentos migratórios, apólices do seguro médico obrigatório, certificados de registro e passaportes de veículos. VINs, números oficiais e cadastrais, endereços IP e MAC, informações de saúde e outras categorias sensíveis são reconhecidos separadamente. Agora, o passaporte é dividido em quatro campos distintos: série e número, autoridade emissora, data de emissão e código do departamento.

Para formatos de texto, há uma restrição importante no escopo da substituição: os delimitadores do CSV e as chaves do JSON não são alterados, de modo que a estrutura dos dados deve ser preservada e o JSON deve continuar válido. Isso é útil para conjuntos de teste, logs e exportações que precisam ser novamente carregados em um aplicativo ou processados por um script após a anonimização.

Dados ocultos são um risco separado

A extensão mostra comentários, histórico de revisões, texto oculto, planilhas e slides ocultos, além do cache de fórmulas e gráficos. Esses elementos podem ser removidos antes do envio do documento. Essa verificação é especialmente importante para arquivos do Office: um documento visualmente limpo não está necessariamente limpo dentro do arquivo compactado que, tecnicamente, constitui um DOCX, XLSX ou PPTX.

A automação, porém, não garante que vazamentos sejam impossíveis. As heurísticas podem deixar passar um identificador escrito em um formato incomum ou, ao contrário, interpretar um número comum como dado pessoal. O desenvolvedor também alerta que a substituição de valores dentro de fórmulas pode quebrar algumas delas. Portanto, o resultado precisa ser verificado, e o arquivo original deve ser armazenado separadamente.

O que a equipe deve fazer

A ferramenta deve ser considerada uma barreira adicional antes da transferência de documentos para sistemas de IA, e não uma substituta completa do processo de proteção de dados. Primeiro, determine quais arquivos podem ser carregados em modelos externos. Em seguida, remova planilhas desnecessárias, comentários e o histórico de revisões, execute a anonimização e verifique manualmente o arquivo resultante. Para o uso rotineiro, é útil manter um conjunto de controle de documentos com tipos de dados conhecidos e usá-lo para testar cada atualização da extensão.

O principal valor do projeto não está na quantidade de formatos compatíveis, mas no lembrete sobre a verdadeira superfície de exposição de um vazamento. Dados pessoais não existem apenas em parágrafos. Eles se escondem em fórmulas, metadados e camadas internas—justamente os elementos que as pessoas mais frequentemente se esquecem de verificar antes de conversar com um sistema de IA.