چالش
تیمهای توسعه همواره بین داده تست واقعی و حفاظت از دادهها تعادل برقرار میکنند:
- داده تولیدی حاوی PII حساس است که نمیتوان مستقیماً استفاده کرد
- داده مصنوعی اغلب واقعگرایی لازم برای تست معنادار را ندارد
- ناشناسسازی دستی زمانبر و مستعد خطاست
- محیطهای مختلف به داده یکسان و قابل تکرار نیاز دارند
راهکار
ناشناسسازی PII را مستقیماً در جریان توسعه خود با API RESTful ما یکپارچه کنید.
REST API
API ساده JSON برای یکپارچهسازی در هر پشته. تحلیل و ناشناسسازی در یک درخواست.
آماده CI/CD
تولید خودکار داده تست در خط شما. نتایج یکسان در هر بار اجرا.
قابل تکرار
ورودی یکسان، خروجی یکسان. نتایج قطعی برای تست قابل اعتماد.
سریع
پردازش هزاران رکورد در دقیقه. نیاز به GPU ندارد.
پرسشهای متداول
چگونه cloak.business را در خط CI/CD خود برای شناسایی PII یکپارچه کنم؟
از REST API یا SDKهای رسمی (JavaScript/Python) برای فراخوانی نقاط انتهایی analyze و anonymize از هر ابزار CI/CD استفاده کنید. API نتایج قطعی ارائه میدهد؛ ورودی یکسان همیشه توکنهای یکسان تولید میکند—ایدهآل برای تست snapshot و ساختهای قابل تکرار.
آیا cloak.business میتواند داده تست ناشناس واقعی از داده تولیدی بسازد؟
بله. با ناشناسسازی خروجیهای تولیدی به روش Replace یا Encrypt، داده تست ساختاری واقعی بدون PII واقعی دریافت میکنید. روش Encrypt قابل بازگردانی است و در صورت مجوز میتوانید داده اصلی را برای رفع اشکال بازیابی کنید.
cloak.business از چه زبانهای برنامهنویسی در SDK پشتیبانی میکند؟
SDKهای رسمی برای JavaScript (npm: @cloak-business/sdk) و Python (PyPI: cloak-business) موجود است. هر دو SDK به طور خودکار در صورت HTTP 429 با Retry-After مجدداً تلاش میکنند و از هر سه نقطه انتهایی API (analyze، anonymize، deanonymize) پشتیبانی میکنند.
Is This Right for You?
Best For
- Organizations with compliance obligations (GDPR, HIPAA, CCPA, PCI-DSS)
- Teams regularly sharing datasets containing names, IDs, or medical records
- Developers building AI pipelines that process user-submitted content
- Enterprises requiring audit logs and reproducible anonymization for legal holds
Not Ideal For
- Single-language English-only pipelines with no PII — regex-only tools may suffice
- Real-time streaming at sub-5ms latency — NLP inference adds overhead
- Fully air-gapped environments without internet access — use Desktop App instead
- Unstructured media files (audio, video) — text extraction is a prerequisite limitation