Cybermask

Cybermask to narzędzie do inteligentnej anonimizacji dokumentów, które usuwa wszystkie dane pozwalające zidentyfikować człowieka, jednocześnie zachowując pełny sens, kontekst i prawdziwość treści. Projekt powstał w ramach wyzwania „Dane bez twarzy” (NASK) podczas Hackathonu HackNation 2025.

Uruchomienie lokalne z Bielikiem i OCR

1. Instalacja zależności i start środowiska developerskiego

   npm install
   npm run dev

   Aplikacja będzie dostępna pod http://localhost:3000.

2. Uruchom lokalny serwer Bielika

   • Uruchom model Bielik jako serwer OpenAI‑kompatybilny (np. na http://127.0.0.1:11434/v1/chat/completions) z modelem bielik.
   • Szczegóły zależą od konkretnej dystrybucji Bielika (np. ollama, llama.cpp lub dedykowany serwer od NASK).

3. Ustaw zmienne środowiskowe (plik .env.local w katalogu projektu)

   BIELIK_API_URL=http://127.0.0.1:11434/v1/chat/completions
   BIELIK_MODEL=bielik
   NEXT_PUBLIC_USE_BIELIK_BACKEND=true

   • BIELIK_API_URL – adres lokalnego endpointu Bielika.
   • BIELIK_MODEL – nazwa modelu wystawionego przez serwer.
   • NEXT_PUBLIC_USE_BIELIK_BACKEND – ustaw na true, aby frontend korzystał z backendu (Bielik + OCR) zamiast czystych regexów w przeglądarce.

4. OCR i PDF-y

   • Projekt korzysta z tesseract.js oraz pdf-parse.
   • Upewnij się, że:
     • masz zainstalowane dane językowe Tesseract dla języka polskiego (pol),
     • środowisko, w którym uruchamiasz aplikację, ma dostęp do tych danych (lokalnie na maszynie / w kontenerze).

5. Jak to działa po konfiguracji

   • dla zwykłych PDF‑ów z warstwą tekstową – backend odczytuje tekst bez OCR,
   • dla zeskanowanych PDF‑ów – backend automatycznie wykonuje OCR,
   • Bielik wykrywa encje w dokumencie po polsku (imiona, nazwiska, PESEL, NIP, telefony, e‑maile itd.),
   • silnik redakcji w Cybermask dba o:
     • cenzurę (maskowanie) lub zamianę na pseudonimy,
     • spójność zamian (ta sama osoba/dane → ten sam pseudonim w całym dokumencie).