{
  "$type": "site.standard.document",
  "bskyPostRef": {
    "cid": "bafyreih4rnshlxem24siirxvn6ifldz5pmm6t5spdfw2l5wwgmug627try",
    "uri": "at://did:plc:46dtqwuc6bckm3ewbfuqlnxt/app.bsky.feed.post/3mkewal2l2ff2"
  },
  "coverImage": {
    "$type": "blob",
    "ref": {
      "$link": "bafkreiaiqrscv72qzyekato7sdb7do472sgd3f3cnihqyx4ksikuzhj7xm"
    },
    "mimeType": "image/jpeg",
    "size": 126272
  },
  "path": "/node/150352",
  "publishedAt": "2026-04-26T04:46:45.000Z",
  "site": "https://www.blognone.com",
  "tags": [
    "OpenAI",
    "lew"
  ],
  "textContent": "OpenAI ปล่อยโมเดล Privacy Filter สำหรับกรองข้อมูลก่อนส่งไปยัง AI ให้ใช้งานฟรี\n\nBody\n\nOpenAI ปล่อยโมเดล OpenAI Privacy Filter โมเดลสำหรับกรองข้อมูลส่วนบุคคลก่อนส่งไปยังระบบภายนอกที่เราไม่ต้องการให้เห็นข้อมูลส่วนตัว\n\nPrivacy Filter สามารถตรวจจับข้อมูลส่วนตัวได้ 8 หมวด ได้แก่ ชื่อบุคคล, ที่อยู่, อีเมล, หมายเลขโทรศัพท์, URL, วันที่, หมายเลขบัญชี, และกุญแจลับต่างๆ\n\nสถาปัตยกรรมของ Privacy Filter สร้างจาก LLM เดิม แต่เปลี่ยนการทำนายโทเค็นถัดไป เป็นการตรวจจับประเภทของโทเค็นต่างๆ แทน โดยรวมโมเดลมีขนาด 1.5B ทำให้สามารถรันในองค์กรได้โดยง่าย\n\nผลทดสอบ PII-Masking-300k โมเดล Privacy Filter สามารถตรวจจับข้อมูลส่วนตัวได้ 97.43% และทีมงานพบว่าโมเดลสามารถปรับแต่งเพื่อรองรับงานประเภทใหม่ๆ ได้โดยง่าย แต่ก็เตือนว่าความแม่นยำนี้ขึ้นกับประเภทข้อมูลที่จะนำไปใช้งานซึ่งอาจจะเป็นคนละภาษา รูปแบบชื่อต่างกัน หรือมีอัตราความถี่ของข้อมูลส่วนตัวในข้อความต่างจากชุดข้อมูลที่ใช้ฝึก\n\nที่มา - OpenAI\n\nlew Sun, 26/04/2026 - 11:46",
  "title": "OpenAI ปล่อยโมเดล Privacy Filter สำหรับกรองข้อมูลก่อนส่งไปยัง AI ให้ใช้งานฟรี"
}