---
title: "PII、PHI 遮罩 - Presidio"
url: "/docs/proxy/guardrails/pii_masking_v2"
canonical_url: "https://docs.litellm.ai/docs/proxy/guardrails/pii_masking_v2"
type: "docs"
last_updated: "2026-10-08"
related:
  - "/docs/proxy/guardrails/panw_prisma_airs"
  - "/docs/proxy/guardrails/pillar_security"
---
# PII、PHI 遮罩 - Presidio

> Index of all LiteLLM docs: https://docs.litellm.ai/llms.txt


## 總覽 {#overview}

| 屬性 | 詳細資訊 |
|-------|-------|
| 說明 | 使用此防護欄來遮罩 PII（Personally Identifiable Information，個人識別資訊）、PHI（Protected Health Information，受保護健康資訊）及其他敏感資料。  |
| 提供者 | [Microsoft Presidio](https://github.com/microsoft/presidio/) |
| 支援的實體類型 | 所有 Presidio 實體類型 |
| 支援的動作 | `MASK`, `BLOCK` |
| 支援的模式 | `pre_call`, `during_call`, `post_call`, `logging_only`, `pre_mcp_call` |
| 語言支援 | 可透過 `presidio_language` 參數設定（支援多種語言，包括英文、西班牙文、德文等） |

## 部署選項 {#deployment-options}

此防護欄需要已部署的 Presidio Analyzer 和 Presido Anonymizer 容器。 

| 部署選項 | 詳細資訊 |
|------------------|----------|
| 部署 Presidio Docker 容器 | - [Presidio Analyzer Docker Container](https://hub.docker.com/r/microsoft/presidio-analyzer)<br/>- [Presidio Anonymizer Docker Container](https://hub.docker.com/r/microsoft/presidio-anonymizer) |

## 快速開始 {#quick-start}

**LiteLLM UI**

### 1. 建立 PII、PHI 遮罩防護欄  {#1-create-a-pii-phi-masking-guardrail}

在 LiteLLM UI 中，前往 Guardrails。點擊「Add Guardrail」。在此下拉選單中選擇「Presidio PII」，並輸入您的 presidio analyzer 與 anonymizer 端點。 

<br/>
<br/>

#### 1.2 設定實體類型 {#12-configure-entity-types}

現在選擇您要遮罩的實體類型。請參閱[支援的動作此處](#supported-actions)

#### 1.3 設定預設語言（選填） {#13-set-default-language-optional}

您也可以在 UI 中使用 `presidio_language` 欄位，為 PII 分析設定預設語言。這會設定所有請求預設使用的語言，除非由每個請求的語言設定覆寫。 

**支援的語言代碼包括：**
- `en` - 英文（預設）
- `es` - 西班牙文  
- `de` - 德文

若未指定，將使用英文（`en`）作為預設語言。

**Config.yaml**

在 `guardrails` 區段下定義您的防護欄

```yaml title="config.yaml" showLineNumbers
model_list:
  - model_name: gpt-5.6-luna
    litellm_params:
      model: openai/gpt-5.6-luna
      api_key: os.environ/OPENAI_API_KEY

guardrails:
  - guardrail_name: "presidio-pii"
    litellm_params:
      guardrail: presidio  # supported values: "aporia", "bedrock", "lakera", "presidio"
      mode: "pre_call"
      presidio_language: "en"  # optional: set default language for PII analysis
```

設定以下 env vars 

```bash title="Setup Environment Variables" showLineNumbers
export PRESIDIO_ANALYZER_API_BASE="http://localhost:5002"
export PRESIDIO_ANONYMIZER_API_BASE="http://localhost:5001"
```

#### `mode` 的支援值 {#supported-values-for-mode}

- `pre_call` 在 LLM 呼叫前執行，於 **輸入**
- `post_call` 在 LLM 呼叫後執行，於 **輸入與輸出**
- `logging_only` 在 LLM 呼叫後執行，僅在記錄到 Langfuse 等之前套用 PII 遮罩。不套用於實際的 llm api request / response。

### 2. 啟動 LiteLLM 閘道  {#2-start-litellm-gateway}

```shell title="Start Gateway" showLineNumbers
litellm --config config.yaml --detailed_debug
```

### 3. 測試看看！  {#3-test-it}

#### 3.1 LiteLLM UI {#31-litellm-ui}

在 litellm UI 中，前往「Test Keys」頁面，選取您建立的防護欄，並傳送以下包含 PII 資料的訊息。 

```text title="PII Request" showLineNumbers
My credit card is 4111-1111-1111-1111 and my email is test@example.com.
```

<br/>

#### 3.2 在程式碼中測試 {#32-test-in-code}

若要將防護欄套用到請求，請在請求主體中傳送 `guardrails=["presidio-pii"]`。 

**[Langchain、OpenAI SDK 使用範例](/docs/proxy/user_keys#request-format)**

**Masked PII call**

預期這會遮罩 `Jane Doe`，因為它是 PII

```shell title="Masked PII Request" showLineNumbers
curl http://localhost:4000/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $LITELLM_API_KEY" \
  -d '{
    "model": "gpt-5.6-luna",
    "messages": [
      {"role": "user", "content": "Hello my name is Jane Doe"}
    ],
    "guardrails": ["presidio-pii"],
  }'
```

失敗時的預期回應

```shell title="Response with Masked PII" showLineNumbers
{
 "id": "chatcmpl-A3qSC39K7imjGbZ8xCDacGJZBoTJQ",
 "choices": [
   {
     "finish_reason": "stop",
     "index": 0,
     "message": {
       "content": "Hello, <PERSON>! How can I assist you today?",
       "role": "assistant",
       "tool_calls": null,
       "function_call": null
     }
   }
 ],
 "created": 1725479980,
 "model": "gpt-5.6-luna",
 "object": "chat.completion",
 "system_fingerprint": "fp_5bd87c427a",
 "usage": {
   "completion_tokens": 13,
   "prompt_tokens": 14,
   "total_tokens": 27
 },
 "service_tier": null
}
```

**No PII Call **

```shell title="No PII Request" showLineNumbers
curl http://localhost:4000/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $LITELLM_API_KEY" \
  -d '{
    "model": "gpt-5.6-luna",
    "messages": [
      {"role": "user", "content": "Hello good morning"}
    ],
    "guardrails": ["presidio-pii"],
  }'
```

## 追蹤防護欄請求 {#tracing-guardrail-requests}

一旦您的防護欄在正式環境中啟用，您也可以在 LiteLLM Logs、Langfuse、Arize Phoenix 等所有 LiteLLM 記錄整合中追蹤您的防護欄。

### LiteLLM UI {#litellm-ui}

在 LiteLLM logs 頁面中，您可以看到此特定請求的 PII 內容已被遮罩。您也可以看到防護欄的詳細追蹤資訊。這可讓您監控被遮罩的實體類型、其對應的信心分數，以及防護欄執行時間。  

### Langfuse {#langfuse}

將 Litellm 連接至 Langfuse 時，您可以在 Langfuse Trace 中看到防護欄資訊。 

## 實體類型、偵測信心分數閾值與範圍設定 {#entity-types-detection-confidence-score-threshold-and-scope-configuration}

- **實體類型**
  - 您可以設定用於 PII 偵測的特定實體類型，並決定如何處理每個實體類型（遮罩或阻擋）。
- **偵測信心分數閾值**
  - 您也可以提供可選的信心分數閾值，讓偵測結果在達到該值時傳送到 anonymizer。`presidio_score_thresholds` 中沒有項目的實體會保留所有偵測結果（無最低分數）。
- **範圍**
  - 使用可選的 `presidio_filter_scope` 來選擇檢查執行的位置：

      - `input`：僅掃描 user → model 內容
      - `output`：僅掃描 model → user 內容
      - `both`（預設）：雙向都掃描

    **那 `output_parse_pii` 呢？**  
    此旗標只會在 model call 之後將 token 還原回原始值；它不會對輸出執行 Presidio 偵測。當您希望 Presidio 在模型回應到達使用者前主動掃描並遮罩該回應時，請使用 `presidio_filter_scope: output`（或 `both`）。

    **何時選擇 input 與 output：**
    - `input`：保護上游提供者；在 PII 離開您的邊界前將其移除。
    - `output`：攔截模型可能生成或回傳給使用者的 PII。
    - `both`：雙向端到端保護。

### 在 `config.yaml` 中設定實體類型、偵測信心分數閾值與範圍 {#configure-entity-types-detection-confidence-score-threshold-and-scope-in-configyaml}

使用特定的實體類型設定來定義您的防護欄：

```yaml title="config.yaml with Entity Types" showLineNumbers
model_list:
  - model_name: gpt-5.6-luna
    litellm_params:
      model: openai/gpt-5.6-luna
      api_key: os.environ/OPENAI_API_KEY

guardrails:
  - guardrail_name: "presidio-mask-guard"
    litellm_params:
      guardrail: presidio
      mode: "pre_mcp_call"  # Use this mode for MCP requests
      presidio_filter_scope: both  # input | output | both, optional
      presidio_score_thresholds: # Optional
        ALL: 0.7            # Default confidence threshold applied to all entities
        CREDIT_CARD: 0.8    # Override for credit cards
        EMAIL_ADDRESS: 0.6  # Override for emails
      pii_entities_config:
        CREDIT_CARD: "MASK"  # Will mask credit card numbers
        EMAIL_ADDRESS: "MASK"  # Will mask email addresses
        
  - guardrail_name: "presidio-block-guard"
    litellm_params:
      guardrail: presidio
      mode: "pre_call"  # Use this mode for regular LLM requests
      presidio_filter_scope: both  # input | output | both, optional
      presidio_score_thresholds: # Optional
        CREDIT_CARD: 0.8  # Only keep credit card detections scoring 0.8+
      pii_entities_config:
        CREDIT_CARD: "BLOCK"  # Will block requests containing credit card numbers
```

#### 信心閾值行為： {#confidence-threshold-behavior}
- 無 `presidio_score_thresholds`：保留所有偵測結果（不套用閾值）
- `presidio_score_thresholds.ALL`：將此信心閾值套用至每個偵測結果
- `presidio_score_thresholds.<ENTITY>`：僅套用於該實體
- 若同時存在 `ALL` 與實體覆寫，則 `ALL` 會全域套用，而該實體則以實體覆寫為優先

### 大型內容區塊分割 {#large-content-chunking}

Presidio analyzer 部署通常會將 `/analyze` 的請求主體大小設為上限（例如 1 MB），而且 analyzer 延遲會隨負載大小增加。LiteLLM 會自動將任何單一內容區塊中，其序列化後的 `/analyze` 主體會超過 `presidio_analyze_chunk_size_bytes`（預設：`500000` 位元組，以 analyzer 接收的 JSON 跳脫形式計量）的內容分割為重疊區塊，使用有上限的 fan-out 分析這些區塊，並將偵測結果合併回原始文字，因此大型內容區塊會正確地被遮罩，而不是因 `HTTP 413` 而失敗。

```yaml
guardrails:
  - guardrail_name: "presidio-pii"
    litellm_params:
      guardrail: presidio
      mode: "pre_call"
      presidio_analyze_chunk_size_bytes: 500000 # optional, default 500000
```

將其設定為低於您的 analyzer 部署的請求主體限制，並為其餘分析負載（entities 清單、即席 recognizers）保留餘裕。

### 支援的實體類型 {#supported-entity-types}

LiteLLM 支援所有 Presidio 實體類型。請參閱完整的 presidio 實體類型清單[此處](https://microsoft.github.io/presidio/supported_entities/)。

### 支援的動作 {#supported-actions}

對於每個實體類型，您可以指定以下其中一個動作：

- `MASK`：將實體替換為預留位置（例如，`<PERSON>`）
- `BLOCK`：若偵測到此實體類型，則完全阻擋請求

### 具有實體類型設定的測試請求 {#test-request-with-entity-type-configuration}

**遮罩 PII 實體**

使用遮罩設定時，實體會被預留位置取代：

```shell title="Masking PII Request" showLineNumbers
curl http://localhost:4000/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $LITELLM_API_KEY" \
  -d '{
    "model": "gpt-5.6-luna",
    "messages": [
      {"role": "user", "content": "My credit card is 4111-1111-1111-1111 and my email is test@example.com"}
    ],
    "guardrails": ["presidio-mask-guard"]
  }'
```

含遮罩後實體的範例回應：

```json
{
  "id": "chatcmpl-123abc",
  "choices": [
    {
      "message": {
        "content": "I can see you provided a <CREDIT_CARD> and an <EMAIL_ADDRESS>. For security reasons, I recommend not sharing this sensitive information.",
        "role": "assistant"
      },
      "index": 0,
      "finish_reason": "stop"
    }
  ]
  // ... other response fields
}
```

**阻擋 PII 實體**

使用阻擋設定時，包含已設定實體類型的請求將以例外狀況完全被阻擋：

```shell title="Blocking PII Request" showLineNumbers
curl http://localhost:4000/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $LITELLM_API_KEY" \
  -d '{
    "model": "gpt-5.6-luna",
    "messages": [
      {"role": "user", "content": "My credit card is 4111-1111-1111-1111"}
    ],
    "guardrails": ["presidio-block-guard"]
  }'
```

執行此請求時，proxy 將引發 `BlockedPiiEntityError` 例外狀況。

```json
{
  "error": {
    "message": "Blocked PII entity detected: CREDIT_CARD by Guardrail: presidio-block-guard."
  }
}
```

此例外狀況包含被阻擋的實體類型（此案例中的 `CREDIT_CARD`）以及導致阻擋的防護欄名稱。

## 進階 {#advanced}

### 支援的模式 {#supported-modes}

Presidio 防護欄支援以下模式：

- `pre_call`：在 **LLM 請求之前** 執行，作用於 **輸入**
- `post_call`：在 **LLM 請求之後** 執行，作用於 **輸入與輸出**
- `logging_only`：在 **LLM 請求之後** 執行，只在記錄到 Langfuse 等之前套用 PII 遮罩。**不**作用於實際的 llm api 請求 / 回應
- `pre_mcp_call`：在 **MCP 請求之前** 執行，作用於 **輸入**。當您想要對 MCP 請求套用 PII 遮罩／阻擋時，使用此模式

### MCP 使用範例 {#mcp-usage-example}

以下說明如何將 Presidio guardrails 與 MCP 搭配使用：

```yaml title="MCP Configuration Example" showLineNumbers
guardrails:
  - guardrail_name: "presidio-mcp-guard"
    litellm_params:
      guardrail: presidio
      mode: "pre_mcp_call"
      presidio_filter_scope: both  # input | output | both
      presidio_score_thresholds:
        CREDIT_CARD: 0.8  # Only keep credit card detections scoring 0.8+
        EMAIL_ADDRESS: 0.6  # Only keep email detections scoring 0.6+
      pii_entities_config:
        CREDIT_CARD: "MASK"  # Will mask credit card numbers
        EMAIL_ADDRESS: "BLOCK"  # Will block email addresses
        PHONE_NUMBER: "MASK"  # Will mask phone numbers
        MEDICAL_LICENSE: "BLOCK"  # Will block medical license numbers
      default_on: true
```

使用請求測試 MCP guardrail：

```shell title="Test MCP Guardrail" showLineNumbers
curl http://localhost:4000/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $LITELLM_API_KEY" \
  -d '{
    "model": "gpt-5.6-luna",
    "messages": [
      {"role": "user", "content": "My credit card is 4111-1111-1111-1111 and my medical license is ABC123"}
    ],
    "guardrails": ["presidio-mcp-guard"]
  }'
```

請求將如下處理：
1. 信用卡號碼會被遮罩（例如，取代為 `<CREDIT_CARD>`）
2. 如果偵測到醫療執照，該請求將被以 `BlockedPiiEntityError` 阻擋

###  依每個請求設定 `language` {#set-language-per-request}

Presidio API [支援傳遞 `language` 參數](https://microsoft.github.io/presidio/api-docs/api-docs.html#tag/Analyzer/paths/~1analyze/post)。以下是如何為每個請求設定 `language`

**curl**

```shell title="Language Parameter - curl" showLineNumbers
curl http://localhost:4000/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $LITELLM_API_KEY" \
  -d '{
    "model": "gpt-5.6-luna",
    "messages": [
      {"role": "user", "content": "is this credit card number 9283833 correct?"}
    ],
    "guardrails": ["presidio-pre-guard"],
    "guardrail_config": {"language": "es"}
  }'
```

**OpenAI Python SDK**

```python title="Language Parameter - Python" showLineNumbers
import openai
client = openai.OpenAI(
    api_key="anything",
    base_url="http://0.0.0.0:4000"
)

# request sent to model set on litellm proxy, `litellm --model`
response = client.chat.completions.create(
    model="gpt-5.6-luna",
    messages = [
        {
            "role": "user",
            "content": "this is a test request, write a short poem"
        }
    ],
    extra_body={ 
        "metadata": {
            "guardrails": ["presidio-pre-guard"],
            "guardrail_config": {"language": "es"}
        }
    }
)
print(response)
```

###  在 config.yaml 中設定預設 `language` {#set-default-language-in-configyaml}

您可以在 YAML 設定中使用 `presidio_language` 參數，為 PII 分析設定預設語言。除非透過每個請求的語言設定覆寫，否則此語言將用於所有請求。

```yaml title="Default Language Configuration" showLineNumbers
model_list:
  - model_name: gpt-5.6-luna
    litellm_params:
      model: openai/gpt-5.6-luna
      api_key: os.environ/OPENAI_API_KEY

guardrails:
  - guardrail_name: "presidio-german"
    litellm_params:
      guardrail: presidio
      mode: "pre_call"
      presidio_language: "de"  # Default to German for PII analysis
      pii_entities_config:
        CREDIT_CARD: "MASK"
        EMAIL_ADDRESS: "MASK"
        PERSON: "MASK"
        
  - guardrail_name: "presidio-spanish"
    litellm_params:
      guardrail: presidio
      mode: "pre_call"
      presidio_language: "es"  # Default to Spanish for PII analysis
      pii_entities_config:
        CREDIT_CARD: "MASK"
        PHONE_NUMBER: "MASK"
```

#### 支援的語言代碼 {#supported-language-codes}

Presidio 支援多種語言進行 PII 偵測。常見的語言代碼包括：

- `en` - 英文（預設）
- `es` - 西班牙文
- `de` - 德文  

如需完整的支援語言清單，請參閱 [Presidio 文件](https://microsoft.github.io/presidio/analyzer/languages/)。

#### 語言優先順序 {#language-precedence}

語言設定遵循以下優先順序：

1. **每個請求的語言**（透過 `guardrail_config.language`）- 最高優先順序
2. **YAML 設定語言**（透過 `presidio_language`）- 中等優先順序  
3. **預設語言**（`en`）- 最低優先順序

**混合語言範例：**

```yaml title="Mixed Language Configuration" showLineNumbers
guardrails:
  - guardrail_name: "presidio-multilingual"
    litellm_params:
      guardrail: presidio
      mode: "pre_call"
      presidio_language: "de"  # Default to German
      pii_entities_config:
        CREDIT_CARD: "MASK"
        PERSON: "MASK"
```

```shell title="Override with per-request language" showLineNumbers
curl http://localhost:4000/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $LITELLM_API_KEY" \
  -d '{
    "model": "gpt-5.6-luna",
    "messages": [
      {"role": "user", "content": "Mi tarjeta de crédito es 4111-1111-1111-1111"}
    ],
    "guardrails": ["presidio-multilingual"],
    "guardrail_config": {"language": "es"}
  }'
```

在此範例中，儘管 guardrail 的預設語言設定為德文（`es`），請求仍會使用西班牙文（`de`）進行 PII 偵測。

### 輸出解析  {#output-parsing}

LLM 回應有時可能包含已遮罩的 token。 

對於 presidio 的 'replace' 操作，LiteLLM 可以檢查 LLM 回應，並將已遮罩的 token 以使用者提交的值取代。 

請在 `guardrails` 區段下定義您的 guardrails
```yaml title="Output Parsing Config" showLineNumbers
model_list:
  - model_name: gpt-5.6-luna
    litellm_params:
      model: openai/gpt-5.6-luna
      api_key: os.environ/OPENAI_API_KEY

guardrails:
  - guardrail_name: "presidio-pre-guard"
    litellm_params:
      guardrail: presidio  # supported values: "aporia", "bedrock", "lakera", "presidio"
      mode: "pre_call"
      output_parse_pii: True
```

**預期流程： **

1. 使用者輸入："hello world, my name is Jane Doe. My number is: 034453334"

2. LLM 輸入："hello world, my name is [PERSON]. My number is: [PHONE_NUMBER]"

3. LLM 回應："Hey [PERSON], nice to meet you!"

4. 使用者回應："Hey Jane Doe, nice to meet you!"

### 臨時識別器 {#ad-hoc-recognizers}

透過將 json 檔案傳遞給 proxy，將臨時識別器傳送至 presidio `/analyze` 

[**範例** 臨時識別器](https://github.com/BerriAI/litellm/blob/b69b7503db5aa039a49b7ca96ae5b34db0d25a3d/litellm/proxy/hooks/example_presidio_ad_hoc_recognizer.json)

#### 在您的 LiteLLM config.yaml 上定義臨時識別器  {#define-ad-hoc-recognizer-on-your-litellm-configyaml}

請在 `guardrails` 區段下定義您的 guardrails
```yaml title="Ad Hoc Recognizers Config" showLineNumbers
model_list:
  - model_name: gpt-5.6-luna
    litellm_params:
      model: openai/gpt-5.6-luna
      api_key: os.environ/OPENAI_API_KEY

guardrails:
  - guardrail_name: "presidio-pre-guard"
    litellm_params:
      guardrail: presidio  # supported values: "aporia", "bedrock", "lakera", "presidio"
      mode: "pre_call"
      presidio_ad_hoc_recognizers: "./hooks/example_presidio_ad_hoc_recognizer.json"
```

設定以下 env vars 

```bash title="Ad Hoc Recognizers Environment Variables" showLineNumbers
export PRESIDIO_ANALYZER_API_BASE="http://localhost:5002"
export PRESIDIO_ANONYMIZER_API_BASE="http://localhost:5001"
```

當您執行 proxy 時，可以看到這項功能運作： 

```bash title="Run Proxy with Debug" showLineNumbers
litellm --config /path/to/config.yaml --debug
```

發出一個 chat completions 請求，範例：

```json title="Custom PII Request" showLineNumbers
{
  "model": "gpt-5.6-luna",
  "messages": [{"role": "user", "content": "John Smith AHV number is 756.3026.0705.92. Zip code: 1334023"}]
}
```

並搜尋任何以 `Presidio PII Masking` 開頭的記錄，範例：
```text title="PII Masking Log" showLineNumbers
Presidio PII Masking: Redacted pii message: <PERSON> AHV number is <AHV_NUMBER>. Zip code: <US_DRIVER_LICENSE>
```

### 僅記錄 {#logging-only}

只在記錄到 Langfuse 等之前套用 PII 遮罩。

不適用於實際的 llm api 請求 / 回應。

:::note
這目前僅適用於 
- `/chat/completion` 請求
- 以及 'success' 記錄

:::

1. 定義模式：在您的 LiteLLM config.yaml 上使用 `logging_only`

請在 `guardrails` 區段下定義您的 guardrails
```yaml title="Logging Only Config" showLineNumbers
model_list:
  - model_name: gpt-5.6-luna
    litellm_params:
      model: openai/gpt-5.6-luna
      api_key: os.environ/OPENAI_API_KEY

guardrails:
  - guardrail_name: "presidio-pre-guard"
    litellm_params:
      guardrail: presidio  # supported values: "aporia", "bedrock", "lakera", "presidio"
      mode: "logging_only"
```

設定以下 env vars 

```bash title="Logging Only Environment Variables" showLineNumbers
export PRESIDIO_ANALYZER_API_BASE="http://localhost:5002"
export PRESIDIO_ANONYMIZER_API_BASE="http://localhost:5001"
```

2. 啟動 proxy

```bash title="Start Proxy" showLineNumbers
litellm --config /path/to/config.yaml
```

3. 測試它！ 

```bash title="Test Logging Only" showLineNumbers
curl -X POST 'http://0.0.0.0:4000/chat/completions' \
-H 'Content-Type: application/json' \
-H "Authorization: Bearer $LITELLM_API_KEY" \
-D '{
  "model": "gpt-5.6-luna",
  "messages": [
    {
      "role": "user",
      "content": "Hi, my name is Jane!"
    }
  ]
  }'
```

**預期記錄的回應**

```text title="Logged Response with Masked PII" showLineNumbers
Hi, my name is <PERSON>!
```

## Related pages

- [PANW Prisma AIRS](https://docs.litellm.ai/docs/proxy/guardrails/panw_prisma_airs.md)
- [Pillar Security](https://docs.litellm.ai/docs/proxy/guardrails/pillar_security.md)