なぜ正規表現ベースなのか？
規制対応には説明可能かつ再現可能な結果が必要です。当社の正規表現ベースアプローチは、構造化データの検出を完全に決定論的にし、氏名・所在地はNLPで透明な信頼度スコアを付与します。
詳細な比較
| 正規表現ベース（当社） | AI/MLベース | |
|---|---|---|
| 再現性 | 構造化データ：100%同一。氏名：信頼度スコア付き | すべての結果が実行ごとに異なる |
| 監査性 | すべての検出がパターンまたはNLPモデルに紐づく | ブラックボックス — 判断理由の説明不可 |
| 学習データ | 正規表現：不要。NLP：事前学習済みモデルを内蔵 | カスタム学習データセットが必要 |
| モデルドリフト | 正規表現：なし。NLP：バージョン管理された安定モデル | 時間経過で予測不能に精度低下 |
| パフォーマンス | 高速、CPUのみ | 可変、GPU依存 |
| 計算コスト | 低コスト（CPUのみ） | 高コスト（GPUが必要な場合が多い） |
| 規制対応 | 容易 — パターン＋信頼度スコアが監査可能、人による確認も可能 | 規制当局への証明が困難 |
パターンマッチングの仕組み
各エンティティタイプごとに、特定形式に合わせて設計された正規表現パターンを用意しています。
メールアドレス
標準的なメール形式（local-part@domain.tld）に一致
クレジットカード番号
Visa、Mastercard、Amex等のカード形式にLuhn検証付きで一致
ドイツIBAN
ドイツのIBAN形式（スペース有無対応）に一致
コンプライアンス対応設計
監査担当者から「なぜ検出されたのか？」と問われた際、明確な回答が必要です。正規表現による検出は特定パターンに紐づきます。NLP検出はモデル名と信頼度スコアを含みます。人によるレビューで匿名化前に検出内容を上書き可能、コンプライアンスチームの要件に対応します。
- GDPR第25条：説明可能な処理によるプライバシー・バイ・デザイン
- ISO 27001：文書化された再現可能なプロセス
- 監査証跡：すべての検出が特定パターンに紐づく
監査対応例
Q: なぜ「john.smith@company.com」がフラグされたのですか？
A: 位置45-68で標準メール形式パターンに一致し、信頼度0.95。パターン：標準メール形式検証。