PIPL 护栏金融版

金融 AI 应用的“事中”合规痛点

在金融行业的 AI 应用中，大模型处理的用户输入与生成的输出往往包含大量敏感个人信息。传统的“事后审计”或文件扫描工具只能发现已发生的泄露，无法拦截实时流转的数据。当 Agent 将用户输入发送给外部模型，或向用户返回包含他人信息的生成结果时，缺乏事中防护会导致严重的合规风险。pipl-guard-finance 旨在填补这一运行时防护的空白。

本地化运行时护栏的工作原理

该护栏采用纯本地运行架构，无任何网络请求或动态代码执行（无 eval / exec / 动态 import），确保敏感数据不出机器。它作为一个独立的检测内核（scripts/guard.py）工作，与规则包（scripts/rules/）完全分离。

在 Agent 调用层面，它支持入口与出口两处拦截：

• 入口护栏：在用户输入送入大模型前进行检测与脱敏。
• 出口护栏：在模型输出返回用户前进行检测、脱敏或阻断。

护栏提供 detect、mask 和 block 三种动作，并返回结构化的 JSON 裁决。例如，decision 字段指明处理结果，findings 数组仅包含脱敏后的位置与类别预览，绝不回传敏感明文，避免防护工具本身成为新的泄露面。金融版规则包通过 extends 继承通用规则，并增加了 CVN2、账户余额、征信信息等金融专属模式与关键词，结合 Luhn 校验与重叠去重机制降低误报。

适用边界与免责说明

尽管该工具严格遵循 JR/T 0171 与 JR/T 0197 规范，但基于正则与关键词的检测机制无法保证 100% 识别所有变体，仍存在漏报或误报的可能。

此外，本工具提供的检测结果仅供参考，不构成法律建议或合规证明。开发者需对其 AI 应用的整体合规性负责，在重大合规决策中应结合专业法律顾问与组织内部制度综合落实。