Skip to content
BranchesTags

Repository files navigation

Private Data Remover

PDF(및 향후 Office 문서)에서 개인정보를 탐지·검토·마스킹하고,
텍스트까지 제거된 안전한 파일로 저장하는 크로스플랫폼 데스크탑 앱입니다.

항목 내용
버전 0.2.1
OS Windows / macOS / Linux
UI PySide6
AI Ollama(로컬) 또는 OpenAI / Anthropic(Claude) API
라이선스 Apache-2.0 (앱) + 의존성/AGPL 고지

README는 PRD·기능·설치 방법이 바뀔 때마다 함께 갱신합니다.

주요 기능

PDF / Excel / HWPX

  • PDF 열기, 페이지 미리보기, 탐지 영역 오버레이
  • Excel (.xlsx): 셀 PII, 숨긴 시트/행/열 탐지·미리보기, 셀 치환/검정 채우기 export
  • HWPX: 섹션 텍스트 추출·문자열 치환 export (spike 기반 MVP)
  • OCR (Tesseract) — 스캔 PDF 지원
  • 규칙 + LLM 기반 개인정보 탐지
  • 검출 항목마다 개인정보 유형 표시
  • 수동 마스킹, 패턴 일괄 적용, Undo/Redo, 무시 영역

저장

모드 설명
안전 저장 선택 구간 텍스트 삭제 + 해당 위치에 검정 마스킹 박스
페이지 이미지화 후 PDF 저장 페이지 전체를 래스터라이즈한 뒤 PDF로 저장

원본 파일은 수정하지 않습니다.

로드맵 (확장)

  • Excel (.xlsx 등): 셀 개인정보, 숨겨진 시트, 숨김 행·열, 정의된 이름, 메타데이터
  • HWPX: 본문·머리글·숨김 영역·문서 속성 등

공통 DocumentAdapter 인터페이스로 PDF와 분리해 추가합니다. 자세한 내용은 PRD §포맷 확장을 참고하세요.

아키텍처 (요약)

GUI (PySide6)
  └── Core (포맷 비의존 도메인)
        ├── adapters/pdf      (PDF)
        ├── adapters/xlsx     (Excel)
        ├── adapters/hwpx     (HWPX)
        ├── pii/              (rules + LLM)
        ├── pattern/
        ├── mask/ + undo
        └── export/

동작 원리 (쉽게 이해하기)

이 프로그램이 하는 일을 한 문장으로 줄이면 이렇습니다.

문서에서 글자를 꺼내서 → 개인정보로 보이는 부분을 찾고 → 사람이 확인한 뒤 → 검게 가린 새 파일을 만든다.

1) 전체 흐름

문서를 열고 저장하기까지의 과정입니다. 원본 파일은 절대 고치지 않고, 항상 새 파일을 만듭니다.

flowchart TD
    A["문서 열기<br>(PDF · Excel · HWPX)"] --> B["글자 꺼내기"]
    B --> C{"스캔한 이미지 문서인가?"}
    C -- "예" --> D["OCR<br>(사진 속 글자를 읽어냄)"]
    C -- "아니오" --> E["규칙 검사<br>(전화번호·주민번호 같은 패턴 찾기)"]
    D --> E
    E --> F["AI 검사 (선택)<br>(이름·주소처럼 패턴이 없는 것 찾기)"]
    F --> G["후보 목록 표시"]
    G --> H{"사람이 하나씩 검토"}
    H -- "맞아요" --> I["마스킹 확정"]
    H -- "아니에요" --> J["무시 / 취소"]
    I --> K["저장"]
    J --> H
    K --> L["안전 저장<br>(글자 삭제 + 검정 박스)"]
    K --> M["이미지화 저장<br>(페이지를 통째로 그림으로)"]
Loading
  • 규칙 검사: 전화번호(010-1234-5678)처럼 모양이 정해진 개인정보는 정규식 규칙으로 찾습니다.
  • AI 검사: 이름·주소처럼 모양이 제각각인 것은 AI(LLM)에게 "이 글에서 개인정보를 찾아줘"라고 물어봅니다. 로컬 Ollama를 쓰면 문서가 컴퓨터 밖으로 나가지 않습니다.

2) 분석 버튼을 누르면 생기는 일

분석은 시간이 걸릴 수 있어서 뒤에서 일하는 일꾼(백그라운드 스레드) 에게 맡깁니다. 그래서 분석 중에도 화면이 멈추지 않고, 진행률과 취소 버튼이 동작합니다.

sequenceDiagram
    actor 사용자
    participant 화면 as 화면 (UI)
    participant 일꾼 as 분석 일꾼 (백그라운드)
    participant 엔진 as 탐지 엔진

    사용자->>화면: "개인정보 분석" 클릭
    화면->>일꾼: 분석 시작해 줘
    activate 일꾼
    loop 페이지마다
        일꾼->>엔진: 이 페이지 검사해 줘
        엔진-->>일꾼: 찾은 후보들
        일꾼-->>화면: 진행률 알림 (3/10 페이지…)
    end
    일꾼-->>화면: 끝! 후보 목록 전달
    deactivate 일꾼
    화면-->>사용자: 목록·색깔 박스 표시
    사용자->>화면: 확정 / 무시 / 취소 (Ctrl+Z로 되돌리기)
Loading

3) 여러 문서 형식을 다루는 방법

문서 형식마다 "여는 법·글자 꺼내는 법·저장하는 법"이 다릅니다. 그래서 형식마다 어댑터(변환 플러그)를 하나씩 두고, 나머지 프로그램은 어떤 형식인지 몰라도 되게 만들었습니다. 새 형식을 지원하려면 어댑터만 하나 더 만들면 됩니다.

classDiagram
    class DocumentAdapter {
        <<추상: 공통 규격>>
        +open(파일 열기)
        +extract_spans(글자와 위치 꺼내기)
        +export_safe(가려서 저장하기)
        +export_rasterized(이미지로 저장하기)
    }
    class PdfAdapter["PdfAdapter (PDF)"]
    class XlsxAdapter["XlsxAdapter (Excel)"]
    class HwpxAdapter["HwpxAdapter (한글 HWPX)"]
    DocumentAdapter <|-- PdfAdapter
    DocumentAdapter <|-- XlsxAdapter
    DocumentAdapter <|-- HwpxAdapter
Loading

요구 사항

구성 내용
Python 3.11+ 권장
Qt PySide6
PDF PyMuPDF (pymupdf) — AGPL 고지 참고
OCR Tesseract + kor, eng
LLM (선택) Ollama 또는 OpenAI / Anthropic API 키

설치

1) 저장소 클론

git clone https://github.com/progh2/privatedataremover.git
cd privatedataremover
python -m venv .venv

Windows:

.venv\Scripts\activate
pip install -e ".[dev]"

macOS / Linux:

source .venv/bin/activate
pip install -e ".[dev]"

2) Tesseract (OCR)

  • Windows: 공식 설치 패키지 설치 후 PATH에 추가. 앱 설정에서 tesseract 경로를 지정할 수 있습니다.
  • macOS: brew install tesseract tesseract-lang
  • Linux: sudo apt install tesseract-ocr tesseract-ocr-kor (배포판에 맞게)

3) Ollama (로컬 LLM, 선택)

# Ollama 설치 후 예:
ollama pull llama3.2

앱 설정에서 Base URL(기본 http://localhost:11434)과 모델명을 지정합니다.

4) 실행

프로젝트 루트의 실행 스크립트를 쓰거나, 직접 모듈할 수 있습니다.

OS 명령
Windows (CMD) run.cmd
Windows (PowerShell) .\run.ps1
Linux / macOS ./run.sh 
# 또는
python -m privatedataremover

스크립트는 .venv/venv가 있으면 자동 활성화하고, 패키지가 없으면 pip install -e ".[dev]"를 시도합니다.

앱이 실행되면 파일 → 열기 또는 PDF 드래그앤드롭으로 문서를 열고, 도구 → 설정에서 LLM(Ollama/OpenAI/Claude)·로컬 전용 모드·Tesseract 경로를 구성할 수 있습니다.

패키징(설치형 바이너리)은 릴리스 마일스톤에서 제공합니다.

사용 방법

  1. 설정에서 LLM 프로바이더를 고릅니다 (Ollama / OpenAI / Claude).
    API 키는 로컬에만 저장됩니다. 로컬 전용 모드에서는 외부 API를 호출하지 않습니다.
  2. 파일 → 열기로 PDF를 엽니다.
  3. 분석 실행 — 툴바 개인정보 분석(Ctrl+R). OCR·LLM 옵션 체크 가능.
    규칙(+선택 LLM)으로 후보를 찾고 목록·오버레이에 유형이 표시됩니다.
  4. 검토 — 확정 / 무시 / 마스킹 취소, 유형 필터, 마스킹 그리기(M) 로 수동 박스.
  5. 패턴 적용 — 현재 페이지 확정 마스크를 시드로 비슷한 페이지에 적용…(Ctrl+Shift+A)
    → 미리보기·페이지 선택 → 일괄 반영. 마지막 패턴 적용 취소 / 실행 취소로 롤백.
  6. 무시 영역 — 툴바에서 무시 영역 그리기로 지정한 구간은 이후 분석에서 제외됩니다.
  7. 저장
    • 안전 저장… — 확정 영역 텍스트 삭제 + 검정 박스 (원본 비수정 사본)
    • 페이지 이미지화 후 PDF로 저장… — DPI 선택 후 전체 래스터 PDF
    • 저장 후 잔존 텍스트 검사, 미확정 항목 경고

팁

  • 스캔본은 OCR 품질에 따라 누락될 수 있습니다. 중요 문서는 수동 확인 + 이미지화 저장을 권장합니다.
  • API 사용 시 텍스트 청크가 외부로 전송될 수 있습니다. 민감 자료는 Ollama(로컬)를 권장합니다.

개발·기여

이슈 / 마일스톤 / GitHub Projects로 작업을 관리합니다.
보드·마일스톤 링크: docs/GITHUB.md
기여 방법: CONTRIBUTING.md

pytest

로드맵

마일스톤 내용
M0 Repo & Docs ✅
M1 Shell UI & PDF View ✅
M2 Detect & Manual Mask ✅ (OCR·규칙/LLM 탐지·유형·수동 마스킹·취소)
M3 Pattern & Undo ✅ (유사 페이지·일괄 적용·Undo/Redo·무시 영역)
M4 Export ✅ (안전 저장 / 이미지화 PDF / 잔존 검사)
M5 Release v0.1.0 ✅
M6 Excel / HWPX ✅ (adapter·숨김 시트·spike MVP)
M7 Hardening & Polish ✅ (크래시 수정·이름/주소 탐지·백그라운드 분석·검토 UX)

보안·면책

본 도구는 비식별 보조 도구이며, 법적 “완전 비식별”을 보장하지 않습니다.
내보내기 전 반드시 사람이 검토하세요.

라이선스

Apache License 2.0 — LICENSE
서드파티·PyMuPDF AGPL 정책: THIRD_PARTY_NOTICES.md, docs/LICENSING.md

About

Cross-platform desktop app to detect and mask personal data in PDFs (PySide6, OCR, local/cloud LLM)

Resources

Readme
Apache-2.0 license

Contributing

Contributing
Activity

Stars

0 stars

Watchers

0 watching

Forks

0 forks
Report repository

Releases

Packages

Contributors

Languages