maskgate
Proxy auto-alojado para APIs de LLM remoto que detecta valores sensibles localmente, aplica políticas contextuales y restaura tokens autorizados en respuestas, con anonimización de archivos.
Ficha actualizada 25 sept 2026, 21:34 · upstream 25 sept 2026, 21:09 · release sin release detectada
Qué es maskgate
Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.
MaskGate es un proxy de privacidad auto-alojado diseñado como proyecto educativo y showcase técnico para APIs remotas de modelos de lenguaje. Detecta valores sensibles localmente antes de enviarlos al proveedor externo, aplica políticas contextuales y restaura tokens autorizados en las respuestas devueltas por el proveedor.
- Proteger datos PII en comunicaciones con LLMs externos sin exponer credenciales
- Anonimizar documentos locales (PDF, DOCX, imágenes) antes de procesamiento externo
- Implementar políticas de privacidad contextuales para tenantes específicos
- Auditar y validar detección de información sensible en entornos controlados
- Desplegar proxy de privacidad compatible con OpenAI y Gemini
- Detección local de valores sensibles sin exponer datos al proveedor externo
- Soporte para múltiples adaptadores: OpenAI, Anthropic, Gemini (experimental)
- Anonimización local de archivos con soporte para múltiples formatos
- Validación de bytes exactos en transmisiones mediante guardas post-Adapter
- Aislamiento por credenciales derivadas y mapeo de conversaciones en RAM
- Integración con CodeQL, secret scanning y CI/CD automatizado
- No es producto certificado DLP ni cumple con afirmaciones completas de detección PII
- OCR y detección facial pueden omitir contenido en archivos procesados
- Modo PDF seguro rasteriza páginas perdiendo búsqueda, enlaces y accesibilidad
- Algunos adaptadores están a nivel de biblioteca sin ruta de ejecución completa documentada
- Mapeos de conversación son locales al proceso RAM (no persistentes entre reinicios)
Capturas del proyecto
Imágenes reales detectadas en la documentación del repositorio.
Perfil de infraestructura
Estimación inicial derivada del repositorio y de los servicios detectados.
Despliegue detectado
Qué señales reales de instalación hemos encontrado.
Requiere Python 3.12 y Node.js 22. Para producción: usar production.env.example con HTTPS en reverse proxy, deshabilitar rutas Playground/debug, autenticación inbound y hosts de confianza. Verificar con pytest, ruff, pip_audit y CodeQL antes de despliegue.
Stack y dependencias
Componentes inferidos a partir de manifests, configuración y documentación.
Puede sustituir a
Relaciones detectadas por el análisis del repositorio y su categoría.
Experiencia real de la comunidad
Ayuda a contrastar la estimación automática con instalaciones reales.
Todavía no hay datos comunitarios para este proyecto.