Perplexity, PII-TRACE Ölçütünü ve PII-Tracer Cihaz Üzerinde Algılayıcısını Tanıttı

Perplexity, 1 Eylül 2026’da, kişisel tanımlanabilir bilgi algılayıcılarını değerlendirmek için bir ölçüt olan PII-TRACE’i ve metin bulut modellerine gönderilmeden önce kullanıcının cihazında PII’yi işaretlemek üzere tasarlanmış kompakt 0.6B parametreli modeli PII-Tracer’ı tanıttı. duyuru, her iki yayını da şirketin hibrit hesaplama mimarisi için bir gizlilik altyapısı olarak konumlandırıyor; bu mimaride bulut ajanları araştırma, akıl yürütme ve planlamayı yürütürken yerel model özel dosyalarla çalışıyor.

Bu mimaride, yerel bir gizlilik geçidi, hassas içeriği Mac’te tutar, tespit edilen özel bilgileri karartır veya buluta gönderilmeden önce onay ister. Perplexity, sınırın yalnızca cihaz, metin uzak bir modele gönderilmeden önce PII’yi tanıyabiliyorsa gizliliği koruyabildiğini ve aynı tanımlayıcının farklı turlarda birkaç kez ortaya çıkabileceği uzun, çok dilli konuşmalarda algılamanın daha zor hale geldiğini belirtti. Kaçırılan tek bir anlama, sistemin korumasını amaçladığı bilgiyi ortaya çıkarabilir.

PII-Tracer, PII içereceği tahmin edilen bölümleri işaretleyerek model yönlendirmesi için tek bir yerel kontrol sinyali sağlar. Uygulama daha sonra yönlendirme politikasını uygular: ilgili girişi yerel tutar, tespit edilen bölümleri karartır veya bulut modeline yükseltilmeden önce açık onay ister.

PII-TRACE Ölçütü

PII-TRACE, “Konuşma Değişimlerinde Tekrarlayan PII İzleme” anlamına gelir ve 13 dil ve 10 yazı sisteminde 13.148 sentetik kullanıcı-asistan konuşması içerir; dokuz PII türü arasında karakter seviyesinde etiketlenmiş 37.431 tanımlayıcı anlama sahiptir. Konuşmaların %41’i yapılandırılmış içerik barındırır. Etiketlenmiş PII içeren 5.645 konuşmadan %63,8’i birden fazla kez görülen bir tanımlayıcı içerirken, %28,7’si birden çok turda ortaya çıkan bir tanımlayıcı içerir.

Perplexity, ölçütü bir algılayıcının asistan konuşmalarını tararken önemli olan üç davranış etrafında tasarladığını belirtti. İlk olarak tutarlı kapsama: bir tanımlayıcı birkaç kez göründüğünde veya kullanıcı ve asistan turları arasında geçiş yaptığında, algılayıcı her anlamayı bulmalıdır. İkinci olarak uzun bağlama karşı dayanıklılık; konuşmalar 1.000 karakterin altında ile 100.000 karakterin üzerinde değişebilir. Üçüncü olarak çoklu dil ve karışık biçim içeriği işleme; bir konuşma dilleri değiştirebilir ve metni kod, tablo veya yapılandırılmış kayıtlarla birleştirebilir.

Ölçüt, performansı iki seviyede ölçer. Tanımlayıcı seviyesinde, tutarlı algılama skoru, algılayıcının aynı tanımlayıcının her anlama için tüm karakterleri kapsayıp kapsamadığını sorar; bu, birden fazla anlama sahip tanımlayıcılar ve turlar arasında tekrarlanan tanımlayıcılar için ayrı ayrı raporlanır. Karakter seviyesinde, kesinlik, algılayıcı tarafından işaretlenen metnin ne kadarının etiketli PII olduğunu ölçerken, geri çağırma (recall) bulunan etiketli PII miktarını ölçer ve F1 iki ölçütü dengeler.

Veri kümesi sentetiktir ancak üretim konuşmalarından türetilmiştir. Şirkete göre, birden fazla dil modeli önce üretim kullanıcı-asistan konuşmalarında dokuz PII türünü işaretler ve kural tabanlı bir adım aynı türdeki tekrarlanan tanımlayıcıları tek bir varlık kimliği altında gruplar. İşaretlenen her değer, tiplenmiş bir yer tutucu ile değiştirilir, her tur yer tutucular korunarak yeniden ifade edilir ve her tanımlayıcının tür ve biçimine uyan sentetik değerler eklenir. Üç otomatik kontrol, değişimlerin saklanan bölümlerle eşleştiğini, tekrarlanan anlamaların aynı değeri kullandığını ve işaretli kaynak değerlerinin Presidio ve düzenli ifade yeniden taraması altında bulunmadığını denetler. İkinci bir dil modeli örnek bir denetim yapar ve insanlar algılayıcının PII olarak işaretlediği her şeyi inceler.

Yerel Kullanım İçin Kompakt Bir Algılayıcı

PII-Tracer, Qwen3 omurgasından uyarlanmış 0.6B çift yönlü bir kodlayıcıdır. Perplexity, gizlilik taramasının metin üretiminden farklı olduğunu, çünkü ilgili PII bölümlerini bulup sınırlarını döndürmesi gerektiğini belirtti; bu nedenle model, Qwen3’ün nedensel maskesini dolgu farkında çift yönlü dikkatle değiştirir ve her tokenin 4.096 tokenlik bir pencere içinde önceki ve sonraki turlardan yararlanmasını sağlar.

Her token için kodlayıcı, 1.024 boyutlu bir temsil üretir ve doğrusal bir etiketleme başlığı, adlandırılmış varlık tanıması için BIOES şeması altında 37 olası etiketi puanlar: PII bölgesi dışındaki metin için bir etiket ve dokuz PII türünün her biri için dört bölge-konum etiketi. Yardımcı bir başlık, konuşmanın sağlık veya dini bilgi gibi hassas materyal içerip içermediğini tahmin eder. Şirket, modeli çok dilli asistan konuşmaları ile tek kayıt örneklerini birleştiren yaklaşık 714.000 eğitim örneği üzerinde üç dönem (epoch) eğittiğini belirtti. Çıkarım aşamasında, kısıtlı bir Viterbi çözücü, en yüksek puanlı geçerli etiket dizisini arar ve sonucu karartma veya yerel yönlendirme için tam karakter aralıklarına geri haritalar.

Değerlendirme Sonuçları

Perplexity, PII-Tracer’ın değerlendirilen 12 sistem arasında en yüksek karakter F1 (0.629) puanını elde ettiğini, ayrıca ikinci en yüksek span-çakışma F1 ve span-içerme F1 puanlarını aldığını bildirdi. Şirket, sınır modelleri olan GPT-5.6-sol ve Claude Sonnet 5’in benzer genel performans gösterdiğini, GPT-5.6-sol’un hem span düzeyindeki ölçütlerde daha yüksek hem de karakter F1’de daha düşük puan aldığını belirtti. Bu sınır modellerinin yüzlerce milyar hatta trilyonlarca parametreye sahip olduğunu ve bulutta barındırılan kapalı kaynak modeller olduğunu, bu yüzden yerel kalması gereken metinleri taramak için uygun olmadıklarını, diğer açık kaynak PII algılayıcıların ise PII-Tracer’dan çok daha kötü performans gösterdiğini not etti.

Tutarlılık testinde, değerlendirme seti bir kez görülen 899 tanımlayıcı ve birden fazla kez görülen 959 tanımlayıcı içeriyor; bunların 790’ı birden çok turda yer alıyor. Perplexity, PII-Tracer’ın tekrarlanan tanımlayıcıların %79,4’ünün ve turlar arası tanımlayıcıların %77,6’sının her anlamasını bulduğunu, GPT-5.6-sol’un ise aynı iki ölçekte sırasıyla %57,0 ve %55,1’e ulaştığını bildirdi. PII-Tracer’ın skoru, tek anlama tanımlayıcılar için 0,917 iken, altı ila on kez görülen tanımlayıcılar için 0,691’e düşüyor.

Uzunluk hâlâ bir sınırlamadır. Tek pencere geri çağırma (recall) 1.000 karakterin altındaki konuşmalar için 0,975, 1.000 ile 10.000 arasında 0,955 iken, 10.000 karakter ve üzeri için 0,687’ye düşer. Şirket, aynı kontrol noktasını %50 örtüşmeli kayan pencerelerle çözmenin, genel karakter geri çağırmasını 0,830’dan 0,965’e ve çoklu anlama tutarlı algılamayı 0,794’ten 0,954’e yükselttiğini, yeniden eğitime gerek kalmadan belirtti.

Latin, Kiril ve Hangul alfabelerini kapsayan altı dil diliminde, PII-Tracer, Almanca (0,735), Fransızca (0,633), İtalyanca (0,676) ve Rusça (0,651) için karakter F1’de lider konumda ve İngilizce ve Korece’de en iyi sonuçlardan sırasıyla 0,016 ve 0,036 farkla geride olduğunu şirket bildirdi. Beş dış tek kayıt ölçütünde, Perplexity, PII-Tracer’ın her veri kümesinde OpenAI Privacy Filter’dan daha yüksek karakter F1 elde ettiğini belirtti; ai4privacy’de 0,950 vs 0,907, Nemotron-PII’de 0,847 vs 0,709 ve TAB’de 0,594 vs 0,350, grup içindeki tek gerçek, insan etiketli metinden oluşturulmuş ölçüt.

araştırma makalesi, konuşmaların üretim asistan trafiğinin yapısından türetilen sentetik yeniden yapılandırmalar olduğunu, bu nedenle sonuçların belirli bir üretim iş yükü tahmini yerine konuşma PII algılamasının ölçümleri olarak okunması gerektiğini uyarıyor. Makale ayrıca araç çağrılarının, ajanlar arası mesajların ve çok modlu girdilerin ölçütün kapsamı dışında olduğunu ve her temel modelin tek bir çıkarım yapılandırması altında değerlendirildiğini belirtiyor. Perplexity, PII-TRACE ve PII-Tracer’ı yakında yayınlamayı planladığını, makalenin her ikisinin de MIT lisansı altında yayınlanacağını belirtti.