# ko-pii (한국어 PII 검출)

> 개인정보 가명화 파이썬 도구. 한국어 텍스트에서 개인정보를 찾아내고 가명화합니다.

- 페이지: https://dreamboat.kr/discover/ko-pii
- 공식 사이트: https://github.com/Marker-Inc-Korea/ko-pii
- 분야: 보안, AI
- 쓰는 환경: 라이브러리
- 상태: 운영 중
- 등재: 2026-08-24 · 마지막 갱신: 2026-10-23


## 소개

ko-pii는 **한국어 PII(개인식별정보) 검출과 가명화**를 지원하는 파이썬 라이브러리입니다.

GitHub 현황 (2026년 8월 기준):
- 스타 **75** · 포크 **7**
- 라이선스 **MIT** · 저장소 `Marker-Inc-Korea/ko-pii`
- 생성 **2026-06-08** · 마지막 push **2026-08-04**

LLM을 쓰기 시작하면 바로 부딪히는 문제:
사내 데이터를 모델에 넣으려면 **개인정보를 먼저 빼야** 합니다. 그런데 영어권 PII 도구는 한국 형식을 모릅니다. 주민등록번호 체계, 한국 전화번호 표기, 한글 이름, 도로명주소가 전부 다릅니다.

**한국에서 LLM을 도입할 때 가장 먼저 막히는 지점**이고, 그래서 이런 라이브러리의 수요가 분명합니다.

검출과 가명화를 함께 두는 것:
찾아내기만 하면 그 자리를 어떻게 채울지가 남습니다. 그냥 지우면 문맥이 깨져 분석이 안 되고, 가명으로 바꾸면 **문장 구조를 유지한 채** 쓸 수 있습니다. 학습·분석 용도에서는 이 차이가 큽니다.

그리고 **가명화가 익명화는 아닙니다.** 다른 정보와 결합하면 재식별될 수 있어, 개인정보보호법상 처리 근거는 여전히 따져야 합니다. 법적 판단은 도구가 대신해주지 않습니다.

같은 결의 한국어 처리 오픈소스:
- Kiwi·KoNLPy: 형태소 분석
- soynlp: 비지도 단어 추출
- KURE: 한국어 검색 임베딩
- korean-privacy-terms: 개인정보처리방침 생성

**ko-pii만 “빼는” 쪽입니다.** 나머지가 텍스트를 이해하거나 찾아오는 도구라면, 이쪽은 넣기 전에 걸러냅니다. LLM 파이프라인에서는 가장 앞에 서는 단계입니다.

타겟 사용자:
- 사내 데이터로 LLM을 쓰려는 팀
- 로그·상담 기록을 분석해야 하는 데이터 담당자
- 개인정보 비식별 처리가 필요한 서비스
- 한국어 PII 규칙 구현을 참고하려는 개발자

## 인용

이 소개는 Dreamboat(드림보트)이 공식 사이트를 직접 확인해 작성했습니다.
출처(https://dreamboat.kr/discover/ko-pii)를 명시하면 인용 가능합니다. 서비스 자체의 권리는 각 제작자에게 있습니다.
전체 목록: https://dreamboat.kr/llms.txt · 전문: https://dreamboat.kr/llms-full.txt