Δεν σας ζητάμε να μας πιστέψετε. Σας δείχνουμε τις μετρήσεις.

Το scorecard, ελεγμένο από το CI

Οι αριθμοί ανά είδος και επίπεδο ανίχνευσης

Από τα σετ αναφοράς μας, σε hermetic replay, ανά επίπεδο ανίχνευσης. Οι δημοσιευμένοι αριθμοί συγκρίνονται στο CI με την τρέχουσα εκτέλεση της αξιολόγησης: αν αποκλίνουν, η έκδοση δεν βγαίνει.

Τι σημαίνουν οι αριθμοί, σε απλά λόγια

• Ανάκληση (recall): Από τα 100 προσωπικά δεδομένα που υπάρχουν πράγματι στο κείμενο, πόσα εντοπίσαμε. Το 1,000 σημαίνει ότι δεν μας ξέφυγε κανένα στο σετ.
• Ακρίβεια (precision): Από τα 100 που καλύψαμε, πόσα ήταν πράγματι προσωπικά δεδομένα και όχι λάθος συναγερμός. Το 1,000 σημαίνει κανένα περιττό μασκάρισμα.
• F1: Ο συνδυασμός των δύο σε έναν αριθμό, για να μη φαίνεται καλό ένα σύστημα που απλώς κρύβει τα πάντα. Το 1,000 είναι το τέλειο.
• Διαρροή (leak recall): Πόσα από αυτά που έπρεπε να κρυφτούν καλύφθηκαν έστω εν μέρει. Είναι ο αριθμός που μας νοιάζει περισσότερο: ένα ακάλυπτο στοιχείο είναι μια διαρροή.

Όλες οι μετρήσεις αφορούν τα δικά μας σετ αξιολόγησης, όχι κάθε δυνατό έγγραφο. Ελέγχετε πάντα τα ευρήματα πριν στείλετε ένα κείμενο.

Ελληνικό σετ αναφοράς (χειροποίητο, εκτός tuning)

82 έγγραφα · 89 gold spans · 89 ευρήματα · ανάκληση PARTIAL 0.989 · leak recall 1.000 · F1 PARTIAL 0.989 · F1 EXACT 0.989

Ψευδή ευρήματα σε είδη χωρίς gold spans: 1.

82 έγγραφα · 89 gold spans · 89 ευρήματα · ανάκληση PARTIAL 1.000 · leak recall 1.000 · F1 PARTIAL 1.000 · F1 EXACT 1.000

Ψευδή ευρήματα σε είδη χωρίς gold spans: 0.

Αγγλικό σετ αναφοράς

121 έγγραφα · 140 gold spans · 142 ευρήματα · ανάκληση PARTIAL 0.979 · leak recall 0.943 · F1 PARTIAL 0.972 · F1 EXACT 0.936

Ψευδή ευρήματα σε είδη χωρίς gold spans: 0.

121 έγγραφα · 140 gold spans · 140 ευρήματα · ανάκληση PARTIAL 1.000 · leak recall 0.986 · F1 PARTIAL 1.000 · F1 EXACT 0.950

Ψευδή ευρήματα σε είδη χωρίς gold spans: 0.

Τελευταία ενημέρωση μετρήσεων: 26 Οκτωβρίου 2026

Η άλλη πλευρά του ίδιου προβλήματος

Να μην κρύβουμε και ό,τι δεν χρειάζεται

Προτιμούμε να κρύψουμε κάτι παραπάνω παρά να μας ξεφύγει ένα στοιχείο (η αρχή «recall-first»). Αυτό έχει ένα προφανές τίμημα: ένα σύστημα που καλύπτει τα πάντα δεν χάνει ποτέ τίποτα, αλλά γίνεται άχρηστο. Τον Σεπτέμβριο του 2026 μετρήσαμε και μειώσαμε τα λάθος ευρήματα, με ρητό όρο ότι η ανάκληση δεν επιτρέπεται να πέσει ούτε κατά μία τιμή. Οι αριθμοί αφορούν την πρώτη έκδοση του αντιπαραδειγματικού σετ (594 έγγραφα).

• Λάθος ευρήματα σε αντιπαραδειγματικό σετ: 241 → 92 (μείωση 62%)
• Έγγραφα χωρίς κανένα λάθος εύρημα: 64,1% → 86,9% (+22,8 μονάδες)

• Ανάκληση στο ελληνικό σετ αναφοράς, βαθύ επίπεδο: 1.000, αμετάβλητη σε κάθε βήμα
• F1 (micro) στο ελληνικό σετ αναφοράς, βαθύ επίπεδο: 0,994
• Το byte-exact στιγμιότυπο αναφοράς έμεινε ίδιο σε όλη τη διαδικασία
• Δύο υποψήφιοι κανόνες απορρίφθηκαν επειδή η πύλη ποιότητας τους έκοψε

Γλωσσική κάλυψη

Τρία επίπεδα. Στο καθένα λέμε ακριβώς τι ισχύει.

Σε βάθος παραγωγής

Ελληνικά · Αγγλικά

Πλήρης ανίχνευση με ελληνικά μοντέλα και ντετερμινιστικούς ελεγκτές: ΑΦΜ με checksum, ΑΜΚΑ με Luhn, IBAN, ΚΑΕΚ, ταυτότητες, πινακίδες. Κλίση ονομάτων και σύνδεση ταυτοτήτων μεταξύ εγγράφων. Επικυρωμένο και σε πραγματικά δημόσια έγγραφα, όχι μόνο σε συνθετικά κείμενα.

Δομημένα στοιχεία με ντετερμινιστικό έλεγχο, ονόματα πειραματικά

Γερμανικά · Γαλλικά · Ισπανικά · Ιταλικά · Πορτογαλικά · Ολλανδικά · Πολωνικά · Ρουμανικά

Ημερομηνίες, ταχυδρομικοί κώδικες, τηλέφωνα, αριθμοί ΦΠΑ και IBAN ελέγχονται ντετερμινιστικά. Η ανίχνευση ονομάτων σε αυτές τις γλώσσες είναι πειραματική: στο βαθύ επίπεδο βασίζεται σε πολυγλωσσικό μοντέλο, στο επίπεδο του chat σε λίστες ονομάτων και μορφολογία επωνύμων, που κάλυψαν 68 από τα 72 ονόματα του σετ αξιολόγησης.

Άλλες γραφές: με ενημέρωση πριν την αποστολή

Κυριλλικά · Αραβικά · Κινεζικά και άλλες γραφές

Ονόματα γραμμένα σε κυριλλικό, αραβικό ή κινεζικό αλφάβητο δεν ανιχνεύονται ακόμη. Όταν ένα ανεβασμένο έγγραφο τα περιέχει σε σημαντικό βαθμό, το filterit το επισημαίνει πριν φύγει οτιδήποτε, ώστε να αποφασίσετε εσείς. Ό,τι δεν εξαρτάται από τη γραφή, όπως IBAN, email, τηλέφωνα και αριθμοί καρτών, ανιχνεύεται κανονικά.

Πώς το μετράμε

Η μεθοδολογία είναι το προϊόν. Αυτά είναι τα τέσσερα εργαλεία της.

01 Πύλες ποιότητας που δεν χαλαρώνουν σιωπηλά

Σετ αξιολόγησης με επισημασμένα προσωπικά δεδομένα ανά γλώσσα και τύπο. Στο βαθύ επίπεδο το κατώφλι ανάκλησης είναι 100%: μία διαρροή σε οποιοδήποτε σετ μπλοκάρει την έκδοση. Το χαλάρωμα ενός κατωφλίου απαιτεί καταγεγραμμένη αιτιολόγηση στο αρχείο κατωφλίων.

02 Επικύρωση σε πραγματικά έγγραφα

Τα χειροποίητα σετ δεν αρκούν. Η πραγματικότητα έχει σφραγίδες, σκαναρισμένες φόρμες και λεζάντες κάτω από τις τιμές. Δοκιμάζουμε τους ντετερμινιστικούς ελεγκτές σε 22 πραγματικά ελληνικά δημόσια έγγραφα με επισημασμένα δεδομένα, και κάθε εύρημα γίνεται μόνιμος κανόνας και μόνιμος έλεγχος.

03 Προτίμηση στο ντετερμινιστικό

Ό,τι έχει δομή ελέγχεται με απόδειξη, όχι με στατιστική: το ΑΦΜ με το checksum του, το ΑΜΚΑ με Luhn, το IBAN με mod-97. Τα νευρωνικά μοντέλα αναλαμβάνουν μόνο ό,τι δεν αποδεικνύεται, όπως ονόματα και διευθύνσεις, και ελέγχονται από στρώματα επιβεβαίωσης.

04 Όταν δεν μπορούμε, το λέμε

Χειρόγραφο που δεν διαβάζεται; Γραφή που δεν υποστηρίζεται; Το σύστημα δεν προσποιείται. Σε ανεβασμένα έγγραφα εμφανίζει ρητή προειδοποίηση πριν φύγει οτιδήποτε. Η σιωπηλή αποτυχία είναι το μόνο πραγματικά επικίνδυνο σφάλμα σε ένα εργαλείο απορρήτου.

Τι εντοπίζεται

34 κατηγορίες, 11 από αυτές μόνο για ελληνικά έγγραφα

Οι ελληνικοί αριθμοί ελέγχονται για εγκυρότητα (ψηφίο ελέγχου, μορφή, συμφραζόμενα), τα ονόματα ακολουθούνται στις πτώσεις τους. Πατήστε μια κατηγορία για λεπτομέρειες.

Σε σκαναρισμένα PDF και εικόνες, υπογραφές και σφραγίδες καλύπτονται με οπτική απαλοιφή, με προεπισκόπηση πριν την εφαρμογή.

Όλες οι κατηγορίες και οι μετρήσεις ακρίβειας

Πώς να διαβάζετε τις μετρήσεις

Οι αριθμοί αυτής της σελίδας προέρχονται από τα σετ αξιολόγησής μας και από τα πραγματικά έγγραφα στα οποία δοκιμάζουμε, και περιγράφουν τη συμπεριφορά του συστήματος σε αυτά. Σε ένα νέο έγγραφο η απόδοση μπορεί να διαφέρει. Γι’ αυτό ο πίνακας απορρήτου δείχνει σε κάθε συνομιλία τι καλύφθηκε, η οπτική απαλοιφή περνά από προεπισκόπηση πριν εφαρμοστεί, και το σύστημα σας ενημερώνει όπου δεν μπορεί να διαβάσει το κείμενο. Η τελική απόφαση είναι πάντα δική σας.

Δείτε το με δικό σας έγγραφο

Ανεβάστε ένα τιμολόγιο ή μια επιστολή και δείτε τι καλύπτεται, πριν φύγει οτιδήποτε.

Δοκιμάστε δωρεάν