電話詐欺は、個人の安全と財務のセキュリティにおいて、世界中で依然として大きな脅威です。最近の大規模言語モデル（LLMs）の進展は、テレフォンカンバセーションを分析することによって詐欺行為を検出する可能性を示しましたが、敏感な個人情報が外部のサービスプロバイダーに漏れるリスクも伴います。そこで本研究では、ユーザープライバシーを保護しながらLLMsを活用する方法を探ります。提案するのは、「MASK（モジュラー適応型サニタイズキット）」というフレームワークで、個々の好みに基づいて動的にプライバシーを調整できます。MASKはプラグイン可能なアーキテクチャを提供しており、従来のキーワードベースの手法から高度なニューラルアプローチまで、様々なサニタイズ方法に対応可能です。また、今後の開発のためのモデリング手法や損失関数の設計についても議論します。このアプローチにより、ユーザーの信頼と検出の効果を両立したプライバシーを意識したシステムの構築が可能になります。