隐私数据脱敏

它解决什么问题

在日志分析、用户反馈处理、报表导出等场景中，文本里常混有姓名、身份证号、手机号、住址等个人敏感信息。手动脱敏不仅耗时，还容易漏掉格式变体（比如手机号带空格或区号），更棘手的是不同场景对脱敏强度要求不同——公开文档需要严格遮蔽，内部分析可能只需泛化，而机密数据则要多重处理。这个技能帮助工程师系统地完成隐私数据脱敏，避免因遗漏敏感字段导致合规风险。

技能如何工作

核心能力覆盖敏感信息识别、策略匹配和分级输出三个层面。首先，它会按类型识别常见PII，包括姓名、身份证、手机、住址、邮箱、银行卡、人脸等，即使部分信息夹杂在长文本中也能定位。然后根据使用场景推荐合适的处理策略：

• 遮蔽：直接用*替换敏感部分，如将手机号138xxxx1234改为138****1234
• 替换：用虚构值替代真实数据，适合需要保持数据结构的场景
• 泛化：将具体值抽象化，如把北京市海淀区简化为北京市
• 假名化：用唯一标识符替代真实身份，保留数据关联性同时隐藏原始信息

最后按公开、内部、机密三级确定脱敏强度，输出时标注已处理字段，方便后续复核。工作流程分为四步：明确目标场景→套用核心方法逐项处理→输出结构化结果（含清单和分级建议）→标注需人工复核的不确定项。

适用边界与注意点

适合需要结构化脱敏指导的场景，比如制定脱敏规则、检查现有流程是否有遗漏。不适合高频实时数据处理（如实时日志流脱敏），也不替代法律/医疗等专业领域的合规结论。需要注意，自动脱敏可能存在漏检，对外发布前务必人工复核；对于已加密的数据，不处理其密钥相关内容。