SafeToUpload

개인정보 점검 Chrome Extension + Nest.js 백엔드 프로젝트입니다.

프로젝트 구조

• frontend/: Chrome Extension 프론트엔드 (React + TypeScript + Vite)
• server/: 백엔드 API 서버 (Nest.js + Prisma + PostgreSQL)

실행 방식

1) 중앙 서버 연결 모드

프론트는 어디서 실행하든 중앙 백엔드 서버를 호출합니다.

프론트(frontend/.env):

VITE_API_BASE_URL=http://서버IP:3270

백엔드(서버 컴퓨터에서 실행):

cd server
cp .env.example .env

# Docker Compose v1
docker-compose -f docker-compose.yml up -d --build

# Docker Compose v2
# docker compose -f docker-compose.yml up -d --build

서버 확인:

curl http://localhost:3270/health

2) 프론트 실행

cd frontend
npm install
npm run dev

Chrome Extension 로드

1. frontend에서 빌드

npm run build

2. Chrome chrome://extensions
3. 개발자 모드 ON
4. 압축해제 로드
5. frontend/dist 선택

실행 모드 요약

• 중앙 서버 연결: VITE_API_BASE_URL=http://서버IP:3270

AI 추론 모드

모드	모델	실행 위치
로컬	Gemma4 E4B (WebGPU)	onnx-community/gemma-4-E4B-it-ONNX (공식 weights: google/gemma-4-E4B-it)
서버	Gemma4 26B	AI_SERVER_URL 추론 서버 → Nest AiProxyService

로컬 WebGPU는 ONNX Runtime 파일을 확장 패키지 dist/ort/에 번들합니다 (CDN jsdelivr 미사용). 빌드 후 npm run build로 dist/ort/*.mjs, *.wasm이 생성되는지 확인하세요.

로컬 모델 환경 변수 (frontend/.env):

VITE_LOCAL_MODEL_ID=onnx-community/gemma-4-E4B-it-ONNX
# VITE_HF_TOKEN=hf_...   # HF 다운로드 오류 시

프론트 설정에서 모드를 선택합니다. 서버 모드 개발 시 mock AI 서버:

python3 server/scripts/ai-server-mock.py
# server/.env → AI_SERVER_URL=http://localhost:8000, AI_USE_MOCK_FALLBACK=false

위험도 산출 (Deterministic Scoring)

최종 위험 점수는 LLM 단일 값이 아니라 아래 가중합으로 계산합니다.

• PII 40% · Image 30% · EXIF 15% · Context 15%
• 공통 로직: shared/risk-scoring/
• 등급: 0–34 low · 35–59 medium · 60–79 high · 80–100 critical
• 고위험 케이스는 강제 상향(escalation) 규칙 적용

Privacy Memory

• 개인정보 원문은 저장하지 않고 유형·문맥·위험 조합 패턴만 저장
• 서버: PostgreSQL PrivacyMemoryProfile (개발용 adapter)
• 로컬: IndexedDB (safetoupload_privacy_memory)
• API: GET/DELETE /privacy-memory, PATCH /settings/privacy-memory

문서

• 백엔드 상세 문서: server/README.md
• 이미지 마스킹 구현 방향: docs/image-masking.md