OpenAnonymizer: Modulaire PII-detectie voor Nederlandse tekst

Presidio-NL is een modulaire API-service voor het detecteren en anonimiseren van privacygevoelige informatie (PII) in Nederlandse tekst. De service is gebaseerd op Microsoft Presidio en biedt ondersteuning voor verschillende NLP-modellen (zoals spaCy of HuggingFace transformers) zonder dat de API of logica hoeft te worden aangepast.

Installatie & Gebruik

Zie ook:

• Gebruikshandleiding met Swagger-stappen: docs/use-cases.md
• API voorbeelden (curl): docs/api-examples.md
• Productie Swagger: https://api.openanonymiser.commonground.nu/api/v1/docs
• Staging Swagger: https://api.openanonymiser.accept.commonground.nu/api/v1/docs

1. Lokaal draaien (voor ontwikkeling)

Installeer dependencies en start de API:

uv venv
uv sync
uv run api.py

De API is nu bereikbaar op http://localhost:8080/api/v1/docs (Swagger UI).

2. Docker Compose (aanbevolen)

Start beide services (API + UI) met docker-compose:

docker-compose up -d

Na opstarten zijn de services bereikbaar op:

• API: http://localhost:8001/api/v1/docs (Swagger UI)
• UI: http://localhost:8002 (Web interface)

3. Individuele Docker containers

Bouw het backend image:

docker build -t openanonymizer .

Start alleen de backend container:

docker run -d -p 8001:8080 --name openanonymiser openanonymizer

API bereikbaar op http://localhost:8001/api/v1/docs

4. Kubernetes met Helm (productie)

⚠️ KRITIEKE VEREISTE: PERSISTENT STORAGE

OpenAnonymiser vereist persistent storage voor:

• SQLite database (/app/openanonymiser.db)
• Geüploade PDF-bestanden (/app/temp/source/)
• Geanonimiseerde bestanden (/app/temp/anonymized/)
• Applicatielogs (/app/logs/)

Zonder PVC gaan alle gegevens verloren bij pod restart!

Installeer de API service in Kubernetes met Helm:

# Installeer de chart
helm install openanonymiser ./charts/openanonymiser

# Of met custom values
helm install openanonymiser ./charts/openanonymiser -f values-production.yaml

# Upgrade bestaande deployment
helm upgrade openanonymiser ./charts/openanonymiser

Helm configuratie

Belangrijke configureerbare waarden in values.yaml:

# Image configuratie
image:
  repository: mwest2020/openanonymiser
  tag: latest

# Ingress voor externe toegang
ingress:
  enabled: true
  className: nginx
  hosts:
    - host: "api.openanonymiser.example.com"

# KRITIEK: Persistent storage configuratie
persistence:
  enabled: true                    # VERPLICHT voor productie!
  storageClass: "fast-ssd"        # Pas aan voor jouw cluster
  size: 50Gi                      # Database + bestanden

# Environment variabelen
app:
  env:
    defaultNlpEngine: "spacy"          # of "transformers"
    defaultSpacyModel: "nl_core_news_md"
    cryptoKey: "your-secret-key"       # Wijzig dit!
  auth:
    username: "admin"                  # Wijzig dit!
    password: "secure-password"        # Wijzig dit!

# Resources
resources:
  requests:
    cpu: 500m
    memory: 4Gi
  limits:
    cpu: 1500m
    memory: 8Gi

Productie setup

Voor productie gebruik:

1. Secrets: Gebruik Kubernetes secrets voor gevoelige waarden:

kubectl create secret generic openanonymiser-secrets \
  --from-literal=crypto-key=your-secret-key \
  --from-literal=auth-password=secure-password

2. TLS: Enable TLS in ingress configuratie

3. Monitoring: Health checks zijn al geconfigureerd op /health

5. Testen (pytest)

Gebruik de nieuwe use-case tests in tests/test_usecases.py. Stel een BASE URL in of laat default (localhost:8080).

# Tegen lokale server
pytest -q -k usecases

# Tegen staging of productie
OPENANONYMISER_BASE_URL="https://api.openanonymiser.accept.commonground.nu" pytest -q -k usecases
# of
OPENANONYMISER_BASE_URL="https://api.openanonymiser.commonground.nu" pytest -q -k usecases