数据脱敏与隐私保护助手

把一批带真实手机号、身份证号的历史数据交给测试环境或外部协作方，是数据泄露最常见的入口之一。问题不在于「不知道要脱敏」，而在于：字段规则散落在各业务系统里，文件格式五花八门，手工替换既慢又容易漏，做完了还拿不出一份能交出去的审计记录。Privacymask 就是把这件事脚本化。

核心能力

• 20+ 条内置规则：覆盖国内 PIPL / GB/T 37964 / GB/T 45574 语境下的身份证号（保留前 6 后 4）、手机号（保留前 3 后 4）、银行卡号、统一社会信用代码、中文姓名、地址等，以及 GDPR / PCI DSS / HIPAA 语境下的邮箱、IP 地址、信用卡号、SSN、IBAN 等。
• 敏感数据分级：命中项自动标为 L3（健康数据、支付凭证、证件号）、L2（个人身份信息）或 L1（企业信息、业务标识），可一键评估风险。
• 多格式支持：TXT/MD/LOG/HTML/XML 直接处理，CSV/TSV 与 XLSX/XLS 逐单元格脱敏并保留公式格式，JSON/YAML 递归处理所有字符串值，DOCX、PPTX 保留原排版，PDF 以文本遮罩方式打码。
• 两种模式：仅检测 只报敏感项、不改动文件；生成副本 产出脱敏后的新文件，原文件不动。
• 自定义规则：业务特有的字段（合同编号、内部编号等）可自行添加匹配规则。
• 审计报告：每次处理输出发现项统计（类型、数量、位置）；脱敏差异报告支持 Markdown/JSON/CSV，JSON 带 sensitivity 字段，CSV 含 type/rule/original/masked/location/sensitivity 列。

工作流程

1. 指定单个文件或整个文件夹，选择仅检测或生成副本模式。
2. 按内置规则与自定义规则扫描，命中项分级打标。
3. 按各自掩码策略替换：440524********1234、j********@example.com 这类保留策略因字段而异。
4. 输出统计与差异报告；全程本地执行，不上传任何数据，原始文件不受影响。

适用边界

• 匹配依赖格式与正则识别，非常规写法的身份证号、嵌在长文本里的邮箱可能漏检，正式外发前建议先跑一次 仅检测 人工确认。
• 扫描件形式的图片型 PDF 没有文本层，遮罩不生效，需要先做 OCR 才有可处理的文本。
• 自定义规则的维护责任在使用方，业务字段变更后规则要同步更新。
• 脱敏副本不可逆，下游若依赖校验位验证（如银行卡 Luhn），被遮罩数据将无法通过验证。
• 差异报告可作为合规审计的工作底稿，但不构成法律意见。