An Agentic Workflow for Detecting Personally Identifiable Information in Crash Narratives
Deze studie presenteert een lokaal inzetbare, agentische workflow die grote taalmodellen en regelgebaseerde systemen combineert om persoonsgegevens in crashrapporten nauwkeurig en privacybewust te detecteren, waardoor schaalbare en veilige verkeersveiligheidsanalyses mogelijk worden.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Stel je voor dat je een enorme berg politierapporten hebt over auto-ongevallen. In deze rapporten staat niet alleen de feitelijke data (zoals de snelheid of het weer), maar ook een verhaal geschreven door de agent die ter plaatse was. Dit verhaal is goud waard voor verkeersveiligheidsonderzoekers; het vertelt waarom een ongeluk gebeurde, met details die in de tabellen ontbreken.
Maar er is een groot probleem: in die verhalen staan vaak gevoelige persoonsgegevens. Denk aan namen, huisadressen, telefoonnummers of kentekens. Als onderzoekers deze rapporten willen gebruiken, moeten ze eerst al die privé-informatie wegvegen.
De oude manier om dit te doen was als een robot met een simpele lijstje: "Zoek naar cijfers die op een telefoonnummer lijken, en vlek ze weg." Dit werkt goed voor telefoonnummers, maar faalt totaal bij complexe situaties. Bijvoorbeeld: als een agent schrijft "de auto stond bij de Hoofdstraat 12", is dat een adres? Ja. Maar als hij schrijft "de auto crashte op Hoofdstraat 12", is dat dan nog een privé-adres? Nee, dat is de locatie van het ongeluk. Een simpele robot ziet dat verschil niet en veegt per ongeluk de verkeerde dingen weg, of laat juist de verkeerde dingen staan.
De auteurs van dit paper hebben een slimme oplossing bedacht: een Agenten-Workflow.
De "Agenten-Team" in plaats van één robot
In plaats van één grote robot die alles probeert te doen, hebben ze een klein team van specialisten bedacht die samenwerken. Je kunt dit vergelijken met een recherche-team dat een dossier onderzoekt:
De "Regel-Expert" (De Strikte Agent):
Deze agent kijkt alleen naar dingen die altijd hetzelfde patroon hebben, zoals e-mailadressen of telefoonnummers. Hij gebruikt een strakke lijst met regels (zoals Microsoft Presidio). Hij is supersnel en foutloos voor deze simpele dingen. Hij hoeft niet na te denken; hij ziet het patroon en pakt het.De "Context-Expert" (De Slimme Vertaler):
Deze agent is een geavanceerde kunstmatige intelligentie (een LLM) die is getraind op duizenden politierapporten. Hij is als een detective die de context begrijpt. Hij kan zien of "140TH STREET" een privé-adres is van een verdachte, of gewoon de naam van de weg waar het ongeluk plaatsvond. Hij is slim, maar soms maakt hij ook fouten of twijfelt hij.De "Verificator" (De Kwaliteitscontroleur):
Dit is het nieuwste en slimme deel. Soms twijfelt de Detective (de AI) of is hij te enthousiast en denkt hij dat iets een adres is terwijl het niet zo is. De Verificator kijkt dan naar de twijfelachtige stukjes en vraagt: "Bewijs het. Waar in de tekst staat dat dit echt een privé-adres is en niet de plek van het ongeluk?"
Als de Detective geen goed bewijs kan tonen, veegt de Verificator het weg. Dit voorkomt dat er per ongeluk onnodige informatie wordt verwijderd (wat de tekst onleesbaar maakt) of dat gevoelige info blijft staan.
Hoe werkt het in de praktijk?
Stel je een politierapport voor als een huis dat moet worden ontruimd voordat het verkocht kan worden (om privacy te beschermen).
- De Regel-Expert loopt door het huis en pakt alle standaard postbussen en telefoonlijsten direct mee. Die zijn makkelijk te herkennen.
- De Context-Expert loopt door de kamers en kijkt naar de muren. Hij ziet een adres op een enveloppe en denkt: "Oh, dit is een privé-adres!" Maar soms denkt hij ook: "Wacht, dit is een straatnaam op een bordje." Hij is goed, maar niet perfect.
- De Verificator loopt achter de Context-Expert aan. Als de Expert zegt: "Ik heb een privé-adres gevonden!", kijkt de Verificator naar de context. Zegt de tekst: "De auto crashte tegen de gevel van Hoofdstraat 12"? Dan zegt de Verificator: "Nee, dat is de locatie van het ongeluk, geen privé-adres. Laat het staan." Zegt de tekst: "De bestuurder woont aan Hoofdstraat 12"? Dan zegt de Verificator: "Ja, dat is een privé-adres. Veeg het weg."
Waarom is dit belangrijk?
- Privacy: Het zorgt ervoor dat de namen en adressen van slachtoffers en verdachten veilig blijven, zodat niemand ze kan misbruiken.
- Toegankelijkheid: Omdat de gegevens nu veilig zijn "gezuiverd", kunnen meer onderzoekers en beleidsmakers de rapporten gebruiken om ongelukken te voorkomen.
- Lokaal werken: Het hele systeem draait op de eigen computers van de politie of universiteit. Ze hoeven geen gegevens naar de cloud te sturen (waar ze misschien niet veilig zijn). Het is alsof ze een eigen, gesloten fabriek hebben in plaats van een fabriek bij een ander land.
Het resultaat
De test toonde aan dat dit team van agenten veel beter werkt dan de oude robots of de slimme AI's alleen. Ze vinden bijna alle privé-gegevens (ze missen er weinig), maar maken ook veel minder fouten door dingen weg te halen die niet weg moesten.
Kortom: Door slimme samenwerking tussen een strenge regel-robot, een slimme detective en een kritische controleur, kunnen we veilige, bruikbare data creëren zonder de privacy van mensen te schenden.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.