개인정보 마스킹 노드
노드 사용법 익히기 - 개인정보 마스킹(PII Masking) 노드
개인정보 마스킹(PII Masking) 노드는 텍스트에 포함된 개인정보를 찾아 가리거나, 가렸던 개인정보를 다시 원래대로 되돌리는 노드입니다. 같은 노드가 작업 옵션에 따라 mask(가리기)와 unmask(되돌리기) 두 가지 역할을 맡습니다. 외부 LLM에 고객 문의를 보내기 전에 개인정보를 가리고, LLM 응답을 받은 뒤 원래 값으로 되돌리는 흐름에 주로 사용합니다.
이 튜토리얼에서는 전화번호와 주민등록번호가 포함된 고객 문의를 가리고, LLM 분석을 거친 뒤 원래 값으로 복원하는 어빌리티 워크플로를 만듭니다. 실제 테스트 실행 결과까지 확인하면서 두 가지 작업이 어떻게 맞물리는지 익힙니다.
사전 준비
이 튜토리얼을 시작하기 전에 프로젝트에서 어빌리티(Ability)를 생성하고 캔버스(Canvas)에 진입해야 합니다. 캔버스 진입 방법은 🔗3단계 핵심 가이드를 참고하시기 바랍니다.
이 튜토리얼을 완료하면 다음을 수행할 수 있습니다.
개인정보 마스킹 노드의
mask작업으로 텍스트의 개인정보를 가릴 수 있습니다.마스킹한 텍스트를 LLM에 전달하고, LLM 응답을
unmask작업으로 원래 값으로 되돌릴 수 있습니다.치환 방식과LLM 검출 사용옵션의 차이를 이해하고 상황에 맞게 설정할 수 있습니다.테스트 실행 결과로 어떤 개인정보가 검출되고 어떻게 복원되는지 확인할 수 있습니다.
워크플로 개요

이 튜토리얼의 핵심은 개인정보 마스킹 노드입니다.
개인정보 마스킹 노드는 mask 작업에서 입력 텍스트의 개인정보를 [PHONE_NUMBER_1] 같은 플레이스홀더로 바꾸고, 어떤 개인정보였는지 기록한 detected_entities와 mask_fingerprint를 출력합니다. unmask 작업에서는 LLM 응답 속 플레이스홀더를 원래 값으로 되돌립니다. 이때 원문과 지문을 함께 받아 잘못 연결된 원문으로 복원하는 일을 막습니다.
함께 등장하는 노드는 다음과 같은 역할을 합니다.
LLM 노드: 마스킹된 텍스트를 받아 고객 문의 내용을 분석합니다. 자세한 설정은 🔗LLM 노드 문서를 참고하세요.
개인정보 마스킹 노드 기본 정보
개인정보 마스킹 노드는 아래 입력과 옵션을 제공합니다.
항목 | 필수 여부 | 설명 |
|---|---|---|
| 필수 |
|
| 필수 |
|
| 선택 |
|
| 선택 | 켜면 |
| 선택 |
|
| 선택 |
|
출력은 result_text(처리된 텍스트), detected_entities(검출된 개인정보 목록), mask_fingerprint(지문), masked_count(가린 개수), unresolved_count(복원하지 못한 개수)입니다.
이 튜토리얼에서는 작업, 텍스트, 치환 방식을 설정하고, unmask 단계에서 원문과 원문 지문을 연결합니다. LLM 검출 사용은 꺼둔 상태로 진행합니다.
1단계: 시작 노드 설정

시작 노드를 더블 클릭해 노드 편집기를 엽니다. user_text라는 String 입력 변수를 추가합니다. 이 변수에 사용자가 입력한 고객 문의가 들어옵니다.
2단계: 개인정보 마스킹 노드 추가 및 설정 (mask)

+노드 추가(Add Node) → 보안 / 개인정보 카테고리에서 개인정보 마스킹 노드를 캔버스에 배치하고 더블 클릭해 노드 편집기를 엽니다.
작업에mask를 입력합니다. 원문을 가리는 작업입니다.텍스트에는 시작 노드의user_text를 드래그 앤 드롭으로 바인딩합니다.옵션 변수에서치환 방식을placeholder로 둡니다.[KR_RRN_1]처럼 형태가 남는 플레이스홀더로 가리므로, 나중에 원래 값으로 되돌릴 수 있습니다.
참고 —
LLM 검출 사용을 켤 때
3단계: LLM 노드 추가 및 연결

+노드 추가로 LLM 노드를 캔버스에 배치하고, 2단계의 개인정보 마스킹 노드 뒤에 연결합니다.
시스템 프롬프트에는 다음과 같이 역할과 지시사항을 작성합니다: "당신은 고객 문의 내용을 분석하는 전문가입니다. 입력된 텍스트의 핵심 내용을 간결하게 요약하고, 주요 요청 사항을 파악해 주세요. 텍스트에[KR_PHONE_1],[EMAIL_1]등의 플레이스홀더가 포함되어 있을 수 있으며, 이는 개인정보가 마스킹된 것입니다. 플레이스홀더는 그대로 유지하여 응답해 주세요." 플레이스홀더를 임의로 바꾸지 말라고 명시하는 것이 핵심입니다.사용자 프롬프트에는 "다음 고객 문의 내용을 분석해 주세요:"를 입력하고, 그 아래 줄에 2단계 마스킹 노드의result_text를 드래그 앤 드롭으로 바인딩합니다. 이렇게 하면 LLM에는 원래 개인정보가 아니라 플레이스홀더가 포함된 텍스트만 전달됩니다.모델은 필요에 맞게 선택하며, 이 튜토리얼에서는
Anthropic-claude-4.5-sonnet V1을 사용합니다.
4단계: 개인정보 복원 노드 추가 및 설정 (unmask)

같은 개인정보 마스킹 노드를 하나 더 추가해 LLM 노드 뒤에 연결합니다. 이 노드는 unmask 작업을 맡습니다.
작업에unmask를 입력합니다.텍스트에는 LLM 노드의output을 드래그 앤 드롭으로 바인딩합니다. LLM 응답 속 플레이스홀더를 여기서 되돌립니다.원문 (unmask 전용)에는 시작 노드의user_text를 바인딩합니다. 마스킹에 썼던 원문을 다시 넣으면, 노드가 이 원문으로 플레이스홀더와 원래 값의 대응을 다시 계산합니다.원문 지문 (unmask 전용)에는 2단계 마스킹 노드의mask_fingerprint를 바인딩합니다.
5단계: 종료 노드 설정

종료 노드를 더블 클릭해 노드 편집기를 엽니다. 결과를 확인하고 싶은 값을 출력 변수로 추가하고 드래그 앤 드롭으로 바인딩합니다.
masked_text: 2단계 마스킹 노드의result_textllm_response_masked: LLM 노드의outputfinal_text: 4단계 복원 노드의result_textdetected_entities: 2단계 마스킹 노드의detected_entitiesmasked_count: 2단계 마스킹 노드의masked_count
6단계: 테스트 실행
테스트 실행(RUN TEST) 버튼을 클릭하고 user_text에 아래 예시 문장을 입력합니다. 전화번호와 주민등록번호는 실제 값이 아닌 예시 데이터입니다.
실행 Cmd + Enter를 눌러 실행합니다.
7단계: 결과 확인

실행이 끝나면 종료 노드의 결과에서 아래 값을 확인할 수 있습니다.
출력 | 결과 |
|---|---|
| 안녕하세요, 저는 홍길동이고 전화번호는 |
|
|
| 2 |
| LLM이 플레이스홀더 상태로 분석한 고객 문의 요약 |
| LLM 응답의 플레이스홀더가 원래 값으로 되돌아온 결과 — |
눈여겨볼 점은 이름 홍길동이 가려지지 않았다는 것입니다. LLM 검출 사용이 꺼져 있어, 패턴으로 찾을 수 있는 전화번호와 주민등록번호만 검출되었기 때문입니다. 이름처럼 형식이 정해지지 않은 개인정보까지 가리려면 앞서 설명한 LLM 검출 사용을 켜고 LLM 노드를 연결해야 합니다. 다만 이 경우 복원(unmask)은 불가능해집니다. 목적에 맞게 선택하세요.
다음 단계
🎉 축하합니다! 에이전트리아를 사용해 '개인정보 마스킹' 워크플로를 완성했습니다.
외부 LLM을 사용하는 워크플로라면 언제든 이 노드를 앞뒤로 연결해 개인정보를 보호할 수 있습니다. 같은 방식으로 고객 응대, 문서 요약, 에이전트 도구 호출 전후에 적용해보세요.
에이전트리아는 아이디어를 현실로 바꾸는 가능성의 공간입니다.
당신의 상상력으로 워크플로는 무한히 확장될 수 있습니다.
더 많은 노드 활용 예제가 궁금하다면 🔗노드 사용법 페이지를 확인하세요.
자주 묻는 질문
개인정보 마스킹 노드는 무엇을 하나요?
텍스트에서 전화번호, 주민등록번호 같은 개인정보를 찾아 가리는 mask 작업과, 가려진 값을 원래대로 되돌리는 unmask 작업을 하나의 노드에서 제공합니다. 외부 LLM에 개인정보가 그대로 전달되는 것을 막는 데 사용합니다.
치환 방식에 따라 복원이 가능한가요?
placeholder(예: [KR_RRN_1])는 unmask로 원래 값을 되돌릴 수 있습니다. partial(앞자리만 남김)과 hash(해시로 가명화)는 단방향이어서 되돌릴 수 없습니다.
이름은 왜 가려지지 않았나요?
LLM 검출 사용이 기본적으로 꺼져 있기 때문입니다. 이 옵션이 꺼져 있으면 전화번호나 주민등록번호처럼 형식이 정해진 개인정보만 검출합니다. 이름·주소처럼 형식이 정해지지 않은 개인정보는 LLM 검출 사용을 켜고 LLM Model 엣지로 모델을 연결해야 검출할 수 있습니다. 다만 이 옵션을 켜면 unmask는 불가능해집니다.
마스킹 노드와 복원 노드는 항상 함께 써야 하나요?
LLM에 개인정보를 보내지 않는 것만 목표라면 mask 작업만 사용해도 됩니다. LLM 응답의 플레이스홀더를 다시 원래 값으로 돌려 최종 결과에 담으려면 unmask 작업도 함께 사용합니다. 이때 unmask에는 원문과 mask가 낸 지문을 함께 연결해야 합니다.