---
title: "Sensitive data sa LLM API: redaction at minimisation"
description: "Paano ligtas na ipadala ang customer, health o financial data sa LLM API: i-classify ang field, mag-redact gamit ang placeholder, zero retention, malinis na log."
url: https://broadrouter.com/fil/blog/llm-api-sensitive-data/
lang: fil
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Isinalin mula sa Ingles sa tulong ng AI. [Basahin ang orihinal sa Ingles](https://broadrouter.com/blog/llm-api-sensitive-data/) (na-update noong 2026-11-15).

# Sensitive data sa LLM API: mag-redact, magbawas, mag-log nang kaunti

Ng BroadNet Inference team · 5 minutong basa · Nailathala 2026-11-14 · Na-update 2026-11-15

Para magpadala ng sensitive data sa LLM API, alamin muna kung aling mga field ang kailangan ng task at tanggalin ang iba. Palitan ang mga pangalan, numero at ID ng reversible na placeholder bago ang request, at ibalik ang mga ito sa sarili mong code pagkatapos. Gumamit ng provider na may zero data retention, huwag ilagay ang laman ng prompt sa sarili mong log, at i-lock ang mga API key sa iyong mga server.

## Mga pangunahing punto

-   Karamihan ng leak ay nangyayari sa panig mo: sa app log, tracing tool, error report at analytics, hindi sa model provider.
-   I-classify muna ang mga field. Maraming task ang hindi kailanman nangangailangan ng pangalan, phone number o account ID.
-   Pinapanatiling nababasa ng model ang text ng mga reversible na placeholder gaya ng \[PHONE\_1\], at naibabalik mo ang mga value pagkatapos.
-   Nililimitahan ng zero data retention ang itinatago ng provider. Hindi nito pinapalitan ang redaction o kontrata.
-   Ituring na sensitive ang boses bilang default: puwedeng maglaman ang isang voice note ng pangalan, numero at detalye ng kalusugan.

**Sa page na ito**

1.  Ano ang itinuturing na sensitive data para sa LLM API?
2.  Step 1: aling mga field ang talagang kailangan ng task?
3.  Step 2: paano mag-redact nang naiintindihan pa rin ng model ang text?
4.  Step 3: ano ang nangyayari sa data sa provider?
5.  Step 4: paano hindi maisasama ang mga prompt sa sarili mong log?
6.  Step 5: paano protektahan ang daan papunta sa API?
7.  Step 6: ano ang dapat suriin sa response?
8.  Kailangan din ba ng parehong trato ang sensitive na audio?
9.  Saan pumapasok ang BroadNet Inference

_[image: The word "PRIVATE" in bold letters, with the text "Control what AI sees." and "LSDF by BroadNet".]_

Nagbabasa ang mga customer support bot ng reklamo na may pangalan at order number. Nagpapadala ang mga call-centre pipeline ng transcript na may digit ng card. Nagpapadala ng sintomas ang mga health app. Kapaki-pakinabang ang lahat ng ito sa model, at **sensitive data** ang lahat ng ito sa sandaling lumabas ito sa mga server mo.

Inililista ng OWASP ang [sensitive information disclosure](https://genai.owasp.org/llmrisk/llm022025-sensitive-information-disclosure/) bilang LLM02 sa 2025 Top 10 nito para sa mga LLM application. Nakatuon ang karamihan ng gabay sa puwedeng ibunyag ng model. Nakatuon ang post na ito sa bahaging kontrolado mo: **kung ano ang ipinapadala mo, at kung ano ang itinatago mo**.

## Ano ang itinuturing na sensitive data para sa LLM API?

Pagbukud-bukurin ang mga field sa tatlong grupo bago ka magsulat ng prompt:

| Grupo | Mga halimbawa | Default na patakaran |
| --- | --- | --- |
| Direktang identifier | Pangalan, email, phone, national ID, account number | Palitan ng placeholder |
| Espesyal o regulated | Kalusugan, biometrics, relihiyon, card number, credentials | Huwag ipadala maliban kung kailangan ng task at may legal na batayan ka |
| Context | Pangalan ng produkto, uri ng isyu, petsa, halaga | Kadalasang puwedeng ipadala |

Sa ilalim ng GDPR, kailangan ng espesyal na kategorya (Article 9) ng tiyak na kondisyon bago mo man lang ito iproseso. Hindi dapat umabot kailanman sa prompt ang card data at mga sikreto gaya ng password o API key.

## Step 1: aling mga field ang talagang kailangan ng task?

Ang pinakamahusay na redaction ay ang hindi pagpapadala ng field. Tanungin kung ano ang kailangan ng task:

1.  **Isu-summarise ang ticket?** Kailangan ng model ang reklamo, hindi ang address ng customer.
2.  **Iku-classify ang intent?** Kailangan nito ang text ng mensahe, hindi ang account ID.
3.  **Magda-draft ng reply?** First name lang ang kailangan nito sa pinakamarami, at gumagana ang placeholder.

Buuin ang prompt mula sa mga piniling field, hindi sa pagtatapon ng buong record bilang JSON. Binabawasan din nito ang [input token](https://broadrouter.com/fil/glossary/input-and-output-tokens/), kaya nakakatipid ka.

## Step 2: paano mag-redact nang naiintindihan pa rin ng model ang text?

Palitan ang bawat value ng placeholder na may uri at numero. Napapanatili ng model ang istruktura ng pangungusap, at ibinabalik ng code mo ang mga value pagkatapos.

```python
import os, re
from openai import OpenAI

PATTERNS = {   # order matters: IBAN before PHONE, or the phone pattern eats IBAN digits
    "EMAIL": r"[\w.+-]+@[\w-]+\.[\w.-]+",
    "IBAN":  r"\b[A-Z]{2}\d{2}[A-Z0-9]{11,30}\b",
    "PHONE": r"\+?\d[\d\s-]{7,}\d",
}

def redact(text):
    mapping, n = {}, {}
    for kind, pat in PATTERNS.items():
        def sub(m):
            n[kind] = n.get(kind, 0) + 1
            key = f"[{kind}_{n[kind]}]"
            mapping[key] = m.group(0)
            return key
        text = re.sub(pat, sub, text)
    return text, mapping

def restore(text, mapping):
    for key, value in mapping.items():
        text = text.replace(key, value)
    return text

client = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])
# Any OpenAI-compatible endpoint works; this uses Qwen3.8 27B on BroadNet Inference.

ticket = "Call me on +971 50 123 4567 or mail sara@example.com about my refund."
safe, mapping = redact(ticket)
reply = client.chat.completions.create(
    model="broadnet/qwen3.8-27b",
    messages=[
        {"role": "system", "content": "Keep placeholders like [PHONE_1] exactly as written."},
        {"role": "user", "content": f"Draft a short reply to this ticket:\n{safe}"},
    ],
).choices[0].message.content
print(restore(reply, mapping))   # the mapping never left your server
```

Nahuhuli ng regular expression ang mga structured na value. Kailangan ng entity recognition para sa mga pangalan at address. Pinagsasama ng mga open-source tool gaya ng [Microsoft Presidio](https://microsoft.github.io/presidio/supported_entities) ang mga pattern, checksum at named-entity model, at puwede kang magdagdag ng sarili mong recogniser. Subukan ang anumang detector sa sarili mong data: ang mga pangalang Arabic, format ng phone sa Gulf at text na halo-halo ang script ang kadalasang nalalampasan ng mga generic na detector.

Kung mas gusto mong magpatakbo ng proxy kaysa isulat mismo ang redaction, may inilalathala ang BroadNet bilang open source: ang [LLM Sensitive Data Firewall (LSDF)](https://github.com/brntech/lsdf), sa ilalim ng Apache-2.0. Nakaupo ito sa harap ng anumang OpenAI-compatible na endpoint, kasama ang mga model na hindi hino-host ng BroadNet, at ayon sa BroadNet, sinusuri nito ang mga request, response, streamed chunk, streamed na tool-call argument, retrieved context at reasoning field, na may hiwalay na sanitiser para sa trace at log. Sa evaluation ng BroadNet noong Mayo 2026 sa sarili nitong mga corpus, nakuha ng mga broad-PII detector nito ang recall na 1.000 sa 40-case na credential replay, 0.944 sa synthetic na clinical data at 0.685 sa broad na English PII, kumpara sa 0.194, 0.056 at 0.326 para sa Microsoft Presidio nang mag-isa ([write-up ng BroadNet](https://www.broadnet.ai/blog/open-source-sensitive-data-firewall)). Mga numero iyan ng BroadNet para sa sarili nitong tool; patakbuhin ang `monitor` profile nito sa traffic mo bago ka magpatupad ng anuman.

Dalawang patakaran para sa placeholder:

-   **Panatilihing pare-pareho** sa loob ng isang usapan, para iisang tao ang `[NAME_1]` sa bawat turn.
-   **Sabihan ang model na panatilihin** ang mga ito nang walang pagbabago, gaya sa system prompt sa itaas.

## Step 3: ano ang nangyayari sa data sa provider?

Binabawasan ng redaction ang lumalabas. Ang provider ang nagpapasya kung ano ang susunod. Itanong:

-   Itinatago ba ang laman pagkatapos ng request, at gaano katagal?
-   Ginagamit ba ito para sa training, at ano ang default?
-   Sino ang nagpapatakbo ng hardware, at saan?

Ibang-iba ang mga sagot ng mga provider. Tingnan ang [paghahambing ng data retention ng mga LLM API](https://broadrouter.com/fil/blog/llm-api-data-retention-compared/) para sa opisyal na wording ng lima sa kanila, ang [ZDR checklist](https://broadrouter.com/fil/blog/zero-data-retention-llm-api-checklist/) para sa mga teknikal na tanong, at ang [GDPR checklist](https://broadrouter.com/fil/blog/gdpr-llm-api-checklist/) para sa panig ng kontrata.

## Step 4: paano hindi maisasama ang mga prompt sa sarili mong log?

Sa sarili mong stack kadalasang naiiwan ang mga prompt. Mga karaniwang leak:

-   Debug logging ng HTTP client na nagpi-print ng request body.
-   Mga tracing at observability SDK na nire-record ang buong prompt sa default.
-   Mga error reporter na ikinakabit ang payload ng pumalyang request.
-   Mga analytics event na kasama ang mensahe ng user.
-   Mga retry queue at dead-letter queue na nag-iimbak ng buong request.

Ito ang i-log sa halip: request ID, model, bilang ng prompt at completion token, latency, status code at ang sarili mong ID ng redaction mapping (hindi kailanman ang mapping mismo). Sapat iyan para i-debug ang gastos at mga error. May wrapper ang [post tungkol sa usage logging](https://broadrouter.com/fil/blog/llm-api-usage-logging/) na eksaktong isinusulat ang mga field na ito at kinukuwenta ang gastos kada call.

## Step 5: paano protektahan ang daan papunta sa API?

-   Itago ang mga key sa server, hindi kailanman sa browser o mobile code. Tinatalakay ng [seguridad ng LLM API key](https://broadrouter.com/fil/blog/llm-api-key-security/) ang pag-iimbak at rotation.
-   I-lock ang mga key sa iyong egress address gamit ang [IP allow-list](https://broadrouter.com/fil/guides/api-keys-ip-allow-lists/).
-   Gumamit ng isang [API key](https://broadrouter.com/fil/glossary/api-key/) kada serbisyo, para ma-revoke mo ang isa nang hindi pinapahinto ang lahat.

## Step 6: ano ang dapat suriin sa response?

Pinoprotektahan ng redaction ang request. Kailangan ding suriin ang response, dahil puwedeng ulitin, hulaan o buuin ulit ng model ang mga value:

-   **Integridad ng placeholder.** Pagkatapos ng `restore()`, hanapin ang mga natirang token gaya ng `[PHONE_3]` na wala sa mapping mo. Ibig sabihin, nag-imbento ang model.
-   **Bagong PII sa output.** Patakbuhin ang parehong detector sa response. Ang reply na may email address na hindi mo ipinadala ay dapat tingnan ulit bago umabot sa customer.
-   **Leak sa pagitan ng mga user.** Kung kina-cache mo ang mga response o nagbabahagi ng conversation state, siguraduhing hindi kailanman lalabas sa reply ng ibang user ang naibalik na value ng isang user.

Suriin ang bawat output channel, hindi lang ang chat reply. Natuklasan ng [Safety Map study](https://broadrouter.com/fil/blog/llm-safety-map-39-models/) ng BroadNet na lumalabas ang mga sensitive value sa tool-call argument sa 20 sa 73 run na nag-fill sa mga ito, at sa reasoning field sa 29 sa 43 run na nag-fill dito, habang ang nakikitang reply ay na-rate na ligtas, hindi nahuli o naputol.

Subukan ang buong loop sa isang fixed na set ng 50 totoong sensitive na halimbawa tuwing babaguhin mo ang prompt, ang model o ang detector. Bilangin ang mga value na nakalusot, hindi lang ang mga nahuli: mas mahalaga ang isang nakalusot na card number kaysa sa isandaang tamang placeholder.

## Kailangan din ba ng parehong trato ang sensitive na audio?

Puwedeng magdala ang isang voice note ng pangalan, phone number at detalye ng kalusugan sa loob ng sampung segundo. Minamana ng transcript ang lahat ng iyon. I-redact ang transcript bago ito ipadala sa LLM para i-summarise, at itago lang ang raw na audio hangga’t kailangan. Ipinapakita ng aming [call-centre transcription pipeline](https://broadrouter.com/fil/blog/transcribe-call-center-recordings/) ang redaction sa pagitan ng transcription at summary.

## Saan pumapasok ang BroadNet Inference

Sinasabi ng [privacy statement](https://www.broadnet.ai/inference-privacy) ng BroadNet na ang gateway nito ay “keeps no prompts, messages, images, audio, responses or transcripts” (salin: walang itinatagong prompt, mensahe, larawan, audio, response o transcript) at hindi nito ginagamit ang inference data “to train, fine-tune or evaluate models” (salin: para mag-train, mag-fine-tune o mag-evaluate ng mga model). Nagtatago ito ng mga record na walang laman ng content, gaya ng timing, bilang ng token at gastos; nasa [pahina ng zero data retention](https://broadrouter.com/fil/privacy/) ang buong listahan. Puwedeng limitahan ang mga key sa iyong mga IP address. Ang [Qwen3.8 27B](https://broadrouter.com/fil/models/qwen3.8-27b/), na ginamit sa halimbawa sa itaas, ay sinubukan ng BroadNet sa Arabic, na mahalaga kapag nasa loob ng Arabic na text ang mga placeholder mo.

Sakop niyan ang panig ng provider. Hindi ito nagre-redact para sa iyo, at hindi nito nililinis ang mga log mo. Trabaho mo pa rin ang Step 1, 2 at 4 sa anumang provider, kasama ang BroadNet. Kung kailangan mo ng nakasulat na DPA o listahan ng subprocessor para sa regulated na data, tanungin muna ang BroadNet bago ito ipadala; sinasabi ng statement na makukuha ang listahan ng subprocessor kapag hiniling.

Mga libreng tool para rito (Ingles)

-   [OpenAI-compatible API request builder](https://broadrouter.com/tools/api-request-builder/) One request, copied as curl, Python, Node or the OpenAI SDKs.
-   [LLM API cost calculator](https://broadrouter.com/tools/llm-api-cost-calculator/) Price a workload on every model at once, with cache hits, reasoning and a flat-plan check.

[Libreng tools (Ingles)](https://broadrouter.com/tools/)

## Mga termino sa artikulong ito

[API key](https://broadrouter.com/fil/glossary/api-key/)

Ang API key ay isang lihim na string na kumikilala at nagpapahintulot sa client na tumatawag sa isang API. Kadalasang hinihingi ito ng mga LLM API sa Authorization: Bearer header, at ang sinumang may hawak ng key ay makakagawa ng mga request na sisingilin sa account na may-ari nito.

[Subprocessor](https://broadrouter.com/fil/glossary/subprocessor/)

Ang subprocessor ay third party na kinukuha ng isang processor para magproseso ng personal data para sa controller. Sa isang LLM API, puwedeng kasama sa mga subprocessor ang mga GPU host, partner na inference provider at backup capacity. Sa ilalim ng GDPR Article 28, kailangan nila ng awtorisasyon ng controller at ng parehong obligasyon sa data protection.

[Token](https://broadrouter.com/fil/glossary/token/)

Ang token ay ang yunit ng text na binabasa at isinusulat ng isang language model: isang salita, bahagi ng salita, bantas o byte sequence na ginawa ng tokenizer ng model. Sa token binibilang, nililimitahan at kadalasang sinisingil ng mga LLM API ang paggamit.

[Zero data retention (ZDR)](https://broadrouter.com/fil/glossary/zero-data-retention/)

Ang zero data retention (ZDR) ay patakaran kung saan pinoproseso lang ng AI provider ang mga prompt at output para i-serve ang isang request, at hindi na nito itinatago ang content na iyon pagkatapos, sa log, cache o training data. Kadalasang itinatago pa rin ang mga record na walang content, gaya ng bilang ng token at timing.

[Context window](https://broadrouter.com/fil/glossary/context-window/)

Ang context window ay ang pinakamaraming token na kayang hawakan ng isang language model sa iisang request. Sakop nito ang prompt, history ng usapan, tool definitions, mga larawan at ang nabuong output, kasama ang anumang reasoning tokens. Ang hindi kasya ay kailangang bawasan, ibuod o hatiin sa ilang request.

[GDPR](https://broadrouter.com/fil/glossary/gdpr/)

Ang GDPR (General Data Protection Regulation, Regulation (EU) 2016/679) ay ang batas ng EU sa pagproseso ng personal data. Ipinapatupad ito mula Mayo 25, 2018 at sakop nito ang mga organisasyong nasa EU at ilang nasa labas nito. Sa mga LLM API, kinokontrol nito ang mga kontrata sa processor, international transfer at data minimisation.

[Input at output token (input and output tokens)](https://broadrouter.com/fil/glossary/input-and-output-tokens/)

Ang input token ay ang mga token na binabasa ng language model sa isang request, kasama ang system prompt, history ng usapan, tool definitions at mga larawan. Ang output token ay ang mga token na binubuo nito bilang sagot, kasama ang anumang reasoning. Kadalasang magkahiwalay ang presyo ng dalawa, at mas mahal ang output.

[PII (personally identifiable information)](https://broadrouter.com/fil/glossary/pii/)

Ang PII (personally identifiable information) ay impormasyong magagamit para makilala o ma-trace ang pagkakakilanlan ng isang tao, gaya ng pangalan, ID number o biometric record, pati ibang impormasyong naka-link o mali-link sa taong iyon. Personal data ang mas malawak na termino ng GDPR. Sa LLM, tinatanggal ng PII redaction ito sa mga prompt bago lumabas sa system mo.

## Mga tanong

### Ligtas bang magpadala ng PII sa LLM API?

Puwede, basta may mga kontrol: kontrata sa provider, malinaw na patakaran sa retention at training, minimisation at redaction bago ang request, at malinis na log sa panig mo. Kung wala ang mga iyon, iwasang magpadala ng raw na PII.

### Dapat ko bang i-redact ang data bago ipadala sa ChatGPT o ibang LLM API?

I-redact ang anumang hindi kailangan ng task. Sa summary, classification at pag-draft, kadalasang puwedeng palitan ng placeholder ang mga pangalan at numero nang hindi bumababa ang kalidad, saka ibalik pagkatapos ng response.

### Ano ang pagkakaiba ng redaction at pseudonymisation?

Permanenteng tinatanggal ng redaction ang value. Pinapalitan naman ito ng pseudonymisation ng placeholder na maibabalik mo gamit ang key na ikaw ang may hawak. Sa ilalim ng GDPR, personal data pa rin ang pseudonymised na data, kaya kailangan pa rin itong protektahan.

### Ibig bang sabihin ng zero data retention na puwede kong ipadala ang kahit ano?

Hindi. Ang ibig sabihin ng zero data retention ay hindi itinatago ng provider ang laman pagkatapos ng request. Lumalabas pa rin ang data sa mga system mo at pinoproseso ng provider, kaya kailangan pa rin ang minimisation at legal na pagsusuri.

### Paano ko pipigilang lumabas ang mga prompt sa sarili kong log?

I-log ang request ID, model, bilang ng token, latency at status, pero hindi kailanman ang laman ng mensahe. Suriin ang debug logging ng HTTP client, mga tracing SDK at error reporter, na madalas kumukuha ng request body sa default.

## Magbasa pa

-   [Saudi at UAE PDPL at mga LLM API: checklist sa cross-border transfer](https://broadrouter.com/fil/blog/saudi-uae-pdpl-llm-api-checklist/)
-   [The Safety Map: paano hinahawakan ng 39 na LLM ang sensitibong data](https://broadrouter.com/fil/blog/llm-safety-map-39-models/)
-   [Paano i-test ang LLM sa safety ng sensitibong data: paraan ng BroadNet](https://broadrouter.com/fil/blog/llm-sensitive-data-safety-evaluation-method/)
-   [Zero data retention sa LLM API: checklist na may 10 tanong](https://broadrouter.com/fil/blog/zero-data-retention-llm-api-checklist/)
-   [GDPR at mga LLM API: 15 tanong para sa iyong provider](https://broadrouter.com/fil/blog/gdpr-llm-api-checklist/)
-   [Data retention ng LLM API: OpenAI, Anthropic, Gemini, Mistral](https://broadrouter.com/fil/blog/llm-api-data-retention-compared/)
-   [Paano i-transcribe ang call center recording: pipeline para sa Arabic](https://broadrouter.com/fil/blog/transcribe-call-center-recordings/)
-   [Seguridad ng LLM API key: pag-iimbak, rotation at IP allow-list](https://broadrouter.com/fil/blog/llm-api-key-security/)
-   [Data protection law ng Egypt (Law 151 of 2020) at mga LLM API](https://broadrouter.com/fil/blog/egypt-data-protection-law-llm-api/)
-   [Gabay: I-lock ang API key sa mga server mo gamit ang IP allow-list](https://broadrouter.com/fil/guides/api-keys-ip-allow-lists/)
-   [Gabay: Paano gamitin ang OpenAI Python SDK sa BroadNet Inference](https://broadrouter.com/fil/guides/openai-python-sdk/)

Subukan ito sa totoong workload mo. May US$5 na panimulang credit ang mga bagong account para sa Gemma at transcription. Kailangan ng top-up para sa DeepSeek, GLM, at Qwen3.8.

[Magsimula](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=fil-blog-llm-api-sensitive-data&utm_content=page-cta) ·

**Mga source**

-   [BroadNet: ang LLM Sensitive Data Firewall (LSDF), open source, kasama ang recall table nito noong Mayo 2026 (sinuri noong 2026-11-15) (Ingles)](https://www.broadnet.ai/blog/open-source-sensitive-data-firewall)
-   [Repository ng LSDF sa GitHub, Apache-2.0 (sinuri noong 2026-11-15)](https://github.com/brntech/lsdf)
-   [Al Zubaidi, The Safety Map: What Does and Doesn't Transfer in LLM Sensitive-Data Handling, preprint sa Zenodo (sinuri noong 2026-11-15)](https://doi.org/10.5281/zenodo.19688433)
-   [OWASP GenAI Security Project, LLM02:2025 Sensitive Information Disclosure](https://genai.owasp.org/llmrisk/llm022025-sensitive-information-disclosure/)
-   [Microsoft Presidio, SDK para sa PII detection at anonymisation, mga suportadong entity](https://microsoft.github.io/presidio/supported_entities)
-   [Regulation (EU) 2016/679 (GDPR), Articles 5 at 9, EUR-Lex](https://eur-lex.europa.eu/eli/reg/2016/679/oj)
-   [Privacy statement ng BroadNet Inference (epektibo mula Setyembre 2026, sinuri noong 2026-11-14) (Ingles)](https://www.broadnet.ai/inference-privacy)
-   [API reference ng BroadNet Inference (Ingles)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=fil-blog-llm-api-sensitive-data&utm_content=sources)
