BiVelio Shield: Architecture, Deployment Boundaries, and Reproducible Detection Benchmarks

Résumé

BiVelio Shield combine une extension de navigateur et une passerelle auto-hébergée pour réduire l'exposition des données au moyen d'une détection déterministe, de la gestion des identifiants secrets, d'un TAL contextuel optionnel, de règles de transformation et d'une pseudonymisation réversible. La révision corrige la présentation antérieure : navigateur et passerelle ne partagent pas une chaîne de traitement universelle, et les garanties dépendent du chemin, de la configuration et de la panne considérée.

Le catalogue figé contient 339 entrées, dont 204 types d'identifiants secrets classés comme secrets ; ce n'est pas une taxonomie officielle des données personnelles au sens du RGPD. Les 15 entrées étiquetées art9 représentent huit catégories générales de l'article 9, paragraphe 1, plus sept identifiants de santé, et non quinze catégories juridiques. Le benchmark de TAL évalue PERSON et LOCATION, pas ces catégories de l'article 9.

Mots-clés : modèles de langage ; minimisation des données ; pseudonymisation ; prévention des fuites de données ; données personnelles contextuelles ; benchmarks reproductibles ; RGPD.

Architecture et frontières réelles

Les trois configurations ont des flux et des dépendances différents. Dans tous les cas avec un fournisseur externe, celui-ci reçoit un prompt assaini ; cela ne signifie pas qu'aucun prompt ne sort, ni que le texte est anonymisé.

L'ordre de Team est déterminant : texte brut dans le navigateur → plan de noms à Falkenstein → positions des entités → substitution ou caviardage local → prompt assaini → LLM externe. Il n'est donc pas exact d'affirmer que tout caviardage a lieu avant qu'un texte sensible ne quitte l'appareil.

• Pannes et mode dégradé : la fermeture en cas d'échec (fail-closed) se limite aux chemins et aux pannes modélisés de la passerelle. Sur certains chemins du navigateur, les erreurs, délais d'attente, textes longs ou réponses partielles du plan de noms se poursuivent avec une détection uniquement déterministe et un avertissement.
• Coffre-fort et restauration : dans le navigateur, la restauration écrit des valeurs dans le DOM contrôlé par la page du fournisseur ; une page hostile conserve un oracle résiduel. Dans la passerelle, le coffre-fort et la restauration relèvent de son infrastructure.
• Couverture : elle varie selon le chemin, le transport, le mode et la pièce jointe. La voix, le temps réel, les images, les numérisations et les chemins non interceptés ont des limites propres ; le consentement à envoyer sans protection n'est pas une garantie automatique.

Résultats publiés

Benchmark coopératif déterministe

Corpus synthétique de 1 000 documents, graine 1234 et 4 522 entités : 2 689 de neuf types structurés et 1 833 de six types d'identifiants secrets. Avec une correspondance par chevauchement, la précision, le rappel et le F1 valent 1,000 ; la fuite littérale résiduelle est de 0/4 522 et la restauration des valeurs pseudonymisées de 2 689/2 689. Ce sont des observations sur ce corpus, pas une couverture des 339 entrées ni une conséquence universelle de MOD-97 ou de Luhn.

Volet adversarial

Les perturbations comprennent des chiffres pleine chasse et arabo-indiens, des découpages avec des caractères de largeur nulle et des diacritiques combinatoires. Les zéros observés ne sont pas des garanties de probabilité nulle ; aucun intervalle de confiance ni jeu adversarial indépendant n'est publié.

TAL contextuel : Presidio et GLiNER

Benchmark distinct de 400 documents synthétiques et 800 entités PERSON/LOCATION, graine 2026. Presidio s'exécute comme composant local ; ce n'est pas intrinsèquement une API en nuage.

Le débit coopératif publié est de 381 110 caractères/s dans l'exécution de référence ; le rapport documente aussi la variation selon la machine et la charge. Le chronomètre ne couvre que la détection et la notation du noyau Python : il exclut la transformation, le coffre-fort, le réseau, l'inférence des modèles, l'extraction documentaire, le navigateur et la restauration. Il ne mesure pas un caviardage de bout en bout.

Limites et reproductibilité

• Les corpus sont synthétiques et les graines supplémentaires ne créent pas de validité externe. Ne sont démontrés ni les performances sur des textes professionnels réels, ni une détection complète, ni l'efficacité sur les catégories de l'article 9.
• La correspondance par chevauchement n'exige pas des bornes d'entité exactes ; elle peut ne pas pénaliser toute la prose supplémentaire absorbée par un segment.
• Il n'y a pas de benchmark de la qualité des réponses, du raisonnement, de la traduction, de l'extraction ni de l'effort de l'utilisateur. La préservation de l'utilité est une hypothèse, pas un résultat.
• Ne sont démontrées ni une supériorité face à Presidio en local, GLiNER, d'autres passerelles ou une condition sans caviardage, ni une latence p50/p95/p99 de bout en bout.
• La reproduction exige de consigner la révision, les dépendances, les modèles, la licence, le matériel, la charge, la commande, la taille, la graine et le volet. Certaines commandes de TAL requièrent des composants et des modèles sous licence.
• La pseudonymisation réduit la divulgation littérale des valeurs détectées, mais le contexte peut révéler des attributs. La correspondance avec le RGPD est une analyse d'ingénierie, pas une appréciation juridique.

Déclarations

Conflit d'intérêts : BiVelio développe et distribue le système et y a un intérêt commercial. Le rapport est une évaluation interne d'entreprise ; il ne revendique ni validation indépendante ni absence de biais.

Paternité et assistance de l'IA : la paternité est attribuée à l'équipe faute de liste individuelle vérifiée. Une assistance de l'IA a été utilisée pour la révision linguistique et la génération documentaire ; les affirmations techniques et les chiffres ont été vérifiés par rapport aux éléments cités du dépôt et aucun système d'IA ne figure comme auteur.

Données et financement : tous les corpus publiés sont synthétiques ; aucun nouveau jeu de données personnelles n'a été collecté. Le travail est présenté comme une documentation interne d'ingénierie, sans financement externe déclaré.

Télécharger et citer

Télécharger le rapport technique révisé (19 pages, 109 Ko ; 111 534 octets ; en anglais, avec un résumé en espagnol).

Comment le citer :

BiVelio Privacy Research Team (2026). BiVelio Shield: Architecture, Deployment Boundaries, and Reproducible Detection Benchmarks. Revised company technical report, not peer reviewed, repository revision cafd425c, BiVelio, 25 October 2026. https://bivelio.com/es/research/papers/bivelio-shield