demo: Test d'anonymisation sur document réel

- Test sur 003_simple_compte_rendu_CRO_23155084.pdf
- 25 PII détectés (4 sur page principale + propagation globale)
- Types: NOM, ADRESSE, CODE_POSTAL, DATE_NAISSANCE
- Validation: AUCUNE FUITE détectée ✓
- Scripts d'analyse: analyze_anonymization_result.py, demo_complete_anonymization.py
- Résultats dans tests/ground_truth/pdfs/anonymized_test/
This commit is contained in:
2026-03-02 10:19:55 +01:00
parent c78f9f415d
commit f61e767ee6
7 changed files with 419 additions and 0 deletions

View File

@@ -0,0 +1,142 @@
#!/usr/bin/env python3
"""
Démonstration complète : Anonymisation + Analyse
"""
import json
from pathlib import Path
from collections import Counter
from evaluation import LeakScanner
def show_comparison():
"""Affiche une comparaison avant/après."""
print("\n" + "="*80)
print("DÉMONSTRATION COMPLÈTE : ANONYMISATION D'UN DOCUMENT RÉEL")
print("="*80)
# Fichiers
original_pdf = Path("tests/ground_truth/pdfs/003_simple_compte_rendu_CRO_23155084.pdf")
output_dir = Path("tests/ground_truth/pdfs/anonymized_test")
base_name = "003_simple_compte_rendu_CRO_23155084"
audit_path = output_dir / f"{base_name}.audit.jsonl"
redacted_pdf = output_dir / f"{base_name}.redacted_raster.pdf"
print(f"\n📄 DOCUMENT TRAITÉ")
print(f" Original: {original_pdf.name}")
print(f" Type: Compte-rendu opératoire (CRO)")
print(f" Complexité: Simple (1 page)")
# Extraire le texte original
try:
import fitz
doc = fitz.open(original_pdf)
original_text = doc[0].get_text()
doc.close()
print(f"\n📝 TEXTE ORIGINAL (extrait):")
print(" " + "-"*76)
lines = original_text.split('\n')[:8]
for line in lines:
if line.strip():
print(f" {line[:76]}")
print(" " + "-"*76)
except Exception as e:
print(f" ⚠ Impossible d'extraire le texte: {e}")
# Analyser les PII détectés
if audit_path.exists():
print(f"\n🔍 PII DÉTECTÉS PAR LE SYSTÈME")
pii_list = []
with open(audit_path, 'r', encoding='utf-8') as f:
for line in f:
if line.strip():
pii_list.append(json.loads(line))
# PII de la page principale
page0_pii = [p for p in pii_list if p.get('page') == 0]
print(f"\n Sur la page principale ({len(page0_pii)} PII):")
for pii in page0_pii:
kind = pii['kind']
original = pii.get('original', '')
print(f"{kind:20s} : {original}")
# Noms propagés
extracted = [p for p in pii_list if 'EXTRACTED' in p.get('kind', '') or 'GLOBAL' in p.get('kind', '')]
if extracted:
unique_names = set(p['original'] for p in extracted if 'NOM' in p.get('kind', ''))
print(f"\n Noms propagés sur tout le document ({len(unique_names)} uniques):")
for name in sorted(unique_names):
print(f"{name}")
# Statistiques
type_counts = Counter(pii['kind'] for pii in pii_list)
print(f"\n 📊 STATISTIQUES:")
print(f" Total PII: {len(pii_list)}")
print(f" Types différents: {len(type_counts)}")
# Top 3
print(f"\n Top 3 des types:")
for pii_type, count in type_counts.most_common(3):
print(f" {pii_type:20s} : {count}")
# Texte anonymisé
text_path = output_dir / f"{base_name}.pseudonymise.txt"
if text_path.exists():
with open(text_path, 'r', encoding='utf-8') as f:
anon_text = f.read()
print(f"\n📝 TEXTE ANONYMISÉ (extrait):")
print(" " + "-"*76)
lines = anon_text.split('\n')[:8]
for line in lines:
if line.strip():
print(f" {line[:76]}")
print(" " + "-"*76)
# Scan de fuite
if redacted_pdf.exists() and audit_path.exists():
print(f"\n🔒 VALIDATION DE SÉCURITÉ")
scanner = LeakScanner()
leak_report = scanner.scan(redacted_pdf, audit_path)
if leak_report.is_safe:
print(f" ✅ DOCUMENT SÛR")
print(f" Aucune fuite de PII détectée")
print(f" Le document peut être diffusé en toute sécurité")
else:
print(f" ⚠️ ATTENTION - {leak_report.leak_count} fuite(s)")
for severity, count in leak_report.severity_counts.items():
print(f" {severity}: {count}")
# Résumé
print(f"\n" + "="*80)
print("✨ RÉSUMÉ")
print("="*80)
print(f"\n✓ Document anonymisé avec succès")
print(f"{len(page0_pii)} PII détectés et masqués")
print(f"✓ Propagation globale des noms sur tout le document")
print(f"✓ Validation de sécurité : AUCUNE FUITE")
print(f"\n📂 Fichiers générés:")
print(f" • PDF anonymisé (raster): {redacted_pdf.name}")
print(f" • PDF anonymisé (vector): {base_name}.redacted_vector.pdf")
print(f" • Texte anonymisé: {base_name}.pseudonymise.txt")
print(f" • Audit détaillé: {base_name}.audit.jsonl")
print(f"\n💡 Répertoire: {output_dir}")
print(f"\n🎯 PROCHAINES ÉTAPES:")
print(f" 1. Annoter manuellement ce document")
print(f" 2. Comparer avec l'évaluateur de qualité")
print(f" 3. Calculer Précision, Rappel, F1-Score")
print(f" 4. Identifier les améliorations possibles")
print(f"\n" + "="*80)
if __name__ == "__main__":
show_comparison()