MORPHEUS-MDC's picture
Pesi in file a parte (model.onnx_data): stessi byte, molta meno memoria
ed4272c verified
|
Raw History Blame Contribute Delete
3.09 kB
---
license: mit
language:
- it
base_model: rizzoaiacademy/rizzo-pii-0.3B
pipeline_tag: token-classification
library_name: transformers.js
tags:
- token-classification
- pii
- ner
- italian
- anonymization
- privacy
- onnx
- faberia
---
# faberia-riservatezza-it
Rilevatore locale dei dati personali italiani usato dalla **Riservatezza** di
[Faberia](https://github.com/MORPHEUS-MDC/FABERIA): trova nomi e cognomi,
aziende, email, telefoni, indirizzi, codice fiscale, partita IVA, IBAN, targhe e
documenti nei testi, prima che una richiesta parta verso un'AI cloud. Gira sul
computer con [transformers.js](https://huggingface.co/docs/transformers.js) e
ONNX Runtime: il testo non lascia mai il computer.
## Da dove viene
È **[rizzo-pii-0.3B](https://huggingface.co/rizzoaiacademy/rizzo-pii-0.3B)** di
Simone Rizzo — Rizzo AI Academy (MIT, base mmBERT/ModernBERT, 22 etichette),
revisione `d4f989333bcda1fcb188785a12937b0f52b52580`, convertito in ONNX senza
modifiche ai pesi. Il merito del modello è degli autori originali; questa copia
esiste solo per poterlo usare dentro Faberia.
## Conversione verificata
Conversione e prove: `scripts/faberia/riservatezza/converti_rizzo.py` nel
repository di Faberia. Il modello ONNX è stato confrontato con l'originale
PyTorch su testi italiani di prova:
| Variante | Etichette uguali all'originale | Esito |
| --- | --- | --- |
| fp32 (`onnx/model.onnx` + `onnx/model.onnx_data`, 1,2 GB) | 100% (differenza massima dei logit 0,00025) | **pubblicata** |
| int8 | 98,4% | scartata (sbagliava casi limite) |
I pesi stanno in un file a parte (`model.onnx_data`, «external data» di ONNX):
sono gli stessi byte del modello verificato, ma ONNX Runtime li legge dal disco
invece di tenerne due copie in memoria (circa 3 GB → meno di 1 GB).
Esito completo in `verifica.json`. Faberia usa i file solo se le loro impronte
SHA-256 coincidono con quelle scritte nel proprio codice:
```
onnx/model.onnx ccb9cf4dfe109ac5202993943d17e1fa45ba55ae890ae775cdb9e1866f8f3b58
onnx/model.onnx_data dc7dbe401863292ebf1e7e396fd438424891b83fc6f2b877247b2550a7418b24
```
## Uso con transformers.js
```js
import { pipeline } from "@huggingface/transformers";
const rileva = await pipeline("token-classification", "MORPHEUS-MDC/faberia-riservatezza-it", { dtype: "fp32", use_external_data_format: true });
await rileva("Il signor Mario Rossi, CF RSSMRA80A01H501U, abita in via Roma 12.", { aggregation_strategy: "simple" });
```
## Limiti
Come ogni rilevatore automatico può non trovare tutto: Faberia lo affianca a
un elenco di nomi, regole fisse, un secondo modello e un secondo controllo prima
dell'invio. Non usarlo come unica garanzia per dati sensibili.
## Licenza e citazione
MIT — © 2026 Simone Rizzo, Rizzo AI Academy (modello originale); conversione ©
2026 Studio De Carlo. Vedi `LICENSE`.
```bibtex
@software{rizzo_pii_2026,
author = {Simone Rizzo},
title = {rizzo-pii: local reversible PII anonymization for Italian legal text},
year = {2026},
url = {https://huggingface.co/rizzoaiacademy/rizzo-pii-0.3B}
}
```