PrivAiTe: Protege 95.8% de datos en Claude Code con proxy PII 2026

PrivAiTe: El proxy de seguridad que Claude Code no pudo ignorar

Claude Code envió 3 de 4 secretos a su proveedor a pesar de recibir instrucciones explícitas de nunca revelar sus valores. Este hallazgo, documentado en el benchmark de PrivAiTe, revela una vulnerabilidad crítica en el uso de agentes de IA: los datos sensibles viajan hacia los proveedores de modelos incluso cuando el usuario cree estar protegido.

En una sesión de prueba con 24 valores plantados (PII y secretos), 23 llegaron al proveedor directamente. A través de la pasarela de agentes de PrivAiTe, solo 2 de 24 lograron filtrarse. Esta diferencia del 95.8% de reducción en fugas demuestra por qué herramientas como PrivAiTe son esenciales para cualquier startup que integre IA en sus operaciones.

¿Qué es PrivAiTe y por qué importa hoy?

PrivAiTe es un proxy de redacción de datos personales (PII) autoalojado para APIs de LLM. Funciona como una capa intermedia entre tu aplicación y el proveedor del modelo, reemplazando información sensible con marcadores de posición antes de que cualquier dato abandone tu máquina.

Lo que diferencia a PrivAiTe de otras soluciones es su capacidad para proteger argumentos de llamadas a herramientas (tool-call arguments) y contenido multimodal, no solo el texto plano del mensaje. Esta es precisamente la brecha que aprovechan agentes como Claude Code y Codex para filtrar datos.

El benchmark que expone la realidad

Según las mediciones publicadas en el repositorio de PrivAiTe, la herramienta logra un recall del 84.9% en la detección de PII utilizando su preset onnx por defecto. Esto significa que detecta y protege la gran mayoría de datos sensibles, pero no es una garantía del 100%.

Comparado con alternativas como:

• LiteLLM Presidio guardrail: 70.3% de recall, 0% protección en tool-calls
• LLM Guard (Anonymize): 76.9% de recall, 0% protección en tool-calls

PrivAiTe ofrece protección del 100% en tool-calls para los datos que detecta. En términos prácticos, si PrivAiTe identifica un dato como PII en texto plano, ese mismo dato será protegido automáticamente cuando aparezca dentro de argumentos JSON de herramientas.

Cómo funciona la arquitectura de protección

El sistema opera en tres modalidades principales:

1. Proxy standalone: Un servidor independiente que intercepta todas las llamadas a APIs de OpenAI, Anthropic u otros proveedores compatibles.

2. Open WebUI filter: Una función de filtro que se ejecuta en proceso dentro de Open WebUI, sin necesidad de proxy separado.

3. LiteLLM guardrail: Un guardrail personalizado para equipos que ya utilizan el proxy LiteLLM.

La detección se ejecuta localmente utilizando dos motores: Presidio y el modelo de filtro de privacidad abierto de OpenAI. Esto garantiza que ningún dato sensible abandone tu infraestructura, incluso para el análisis de detección.

La pasarela de agentes: protección específica para Claude Code y Codex

La característica más innovadora de PrivAiTe es su modo gateway para agentes CLI. Cuando activas esta función, tu CLI de agente (como Claude Code) apunta su URL base a PrivAiTe, que:

• Elimina PII y secretos de cada solicitud
• Retransmite la autenticación del CLI al proveedor
• Restaura los valores reales en la respuesta (incluyendo streaming)

La configuración es sorprendentemente simple:

gateway:
  enabled: true
  anthropic:
    base_url: "https://api.anthropic.com/v1"
pii:
  detection_cache:
    enabled: true

Y se ejecuta con:

ANTHROPIC_BASE_URL=http://localhost:8400 claude

Lo que PrivAiTe NO protege (y por qué es importante saberlo)

El modelo de amenazas de PrivAiTe es notablemente honesto sobre sus limitaciones:

1. PII que el detector no reconoce: La detección es estadística, nunca del 100%. Un nombre que no reconozca llegará al proveedor.

2. Secretos dentro de logs de salida: Los dos secretos que lograron filtrarse en el benchmark estaban en líneas de log con formato key=value. El detector los identifica cuando están solos, pero los pierde cuando una línea de contexto con formato de log los precede.

3. Re-identificación por contexto: Incluso con nombres reemplazados, el texto circundante puede seguir siendo identificable ("el CEO de <ORG_1> que renunció en marzo").

4. El agente en sí: En modo gateway, Claude Code y Codex mantienen los valores reales en su propio contexto y transcripciones locales. Solo el tráfico hacia el proveedor está protegido.

¿Qué significa esto para tu startup?

1. Implementa protección PII antes de escalar con agentes de IA

Si tu startup está integrando agentes de IA como Claude Code o Codex en procesos que manejan datos de clientes, PrivAiTe debería estar en tu stack desde el día uno. La diferencia entre enviar datos sensibles a proveedores de IA y mantenerlos bajo control puede ser la diferencia entre cumplir con GDPR/HIPAA y enfrentar multas significativas.

Acción concreta: Configura PrivAiTe en Docker con el comando básico y comienza a redirigir tus llamadas a APIs de IA a través de él:

docker run -d -p 8400:8400 \
  -e PRIVAITE_API_KEYS=tu-clave-local \
  -e OPENAI_API_KEY=tu-clave-real \
  ghcr.io/crp4222/privaite

2. Define tu política de datos específica

PrivAiTe incluye una capa de política declarativa que te permite definir qué tipos de datos son sensibles en tu contexto específico. Puedes:

• Crear tipos personalizados con patrones regex
• Decidir el destino de cada tipo (restaurado, falsificado, enmascarado o destruido)
• Listar datos que nunca deben salir, ni siquiera como marcadores de posición

Acción concreta: Realiza un dry-run de tu configuración antes de implementarla en producción. PrivAiTe incluye un endpoint de verificación que te permite auditar qué datos serían redactados sin procesar tráfico real.

3. Entiende las compensaciones de rendimiento

El preset onnx (por defecto) añade aproximadamente 0.5 segundos de latencia por solicitud, mientras que el preset light (solo Presidio) añade solo 60ms. La compensación es clara: onnx detecta secretos, contraseñas y direcciones; light solo PII clásica.

Acción concreta: Para sesiones de agentes CLI, habilita siempre la caché de detección. Los agentes reenvían toda la conversación en cada turno, y sin caché cada turno reescanea toda la historia, alcanzando picos de 42 segundos con Claude Code en sesiones grandes.

El panorama competitivo en 2026

El espacio de protección PII para LLMs está creciendo rápidamente. Según la documentación de PrivAiTe, las alternativas principales incluyen:

• LiteLLM con guardrail Presidio: Buena opción si ya usas LiteLLM, pero con bugs conocidos en la limpieza de solicitudes/respuestas
• Microsoft PII Shield: Solución gestionada en la nube
• Redacción gateway de LangChain: Según su documentación, no escanea argumentos de tool-calls

La ventaja de PrivAiTe es triple: protección en tool-calls, restauración de valores en respuestas, y un benchmark reproducible que documenta exactamente qué protege y qué no.

Conclusión: La privacidad en IA es una decisión de arquitectura

PrivAiTe representa un avance significativo en la protección de datos sensibles en flujos de trabajo con IA. Su enfoque medido (no prometido) y su documentación honesta sobre limitaciones lo convierten en una herramienta confiable para startups que necesitan equilibrar innovación con cumplimiento normativo.

Lo más importante que debes recordar como founder: la privacidad en sistemas de IA no es una característica que se añade después, es una decisión de arquitectura que debe tomarse desde el inicio. Herramientas como PrivAiTe te permiten construir sobre esa base segura, sabiendo exactamente qué datos estás compartiendo con proveedores de IA y qué datos mantienes bajo tu control.

Fuentes

• PrivAiTe - Self-hosted PII redaction proxy for LLM APIs
• PrivAiTe GitHub Repository