个人信息脱敏审查

这类风险会出现在哪

删掉线上的敏感信息是另一回事。真正麻烦的是发布阶段，你不清楚自己是否存在 PI：技能包用什么、示例数据里有错的手机号，导出数据集里有什么错，日志里一行注释写下的地点，坐标常量看起来像什么值。用 grep 手工排查时，只看「形状」的正则，11 位坐标按手机号；身份证内部的数字子串被手机号正则二次命中；真正需要翻出来的反而淹没在误报里。

技能怎么工作：L1 扫描 + L2 审查 + 整改复跑

L1 自动扫描覆盖 17 类敏感字段（身份证号、手机号、银行卡号、邮箱、IP、精确地址、定位坐标、医疗健康信息、车牌号、护照号、微信号、QQ 号、统一社会信用代码等）与 5 型硬编码凭证（SkillHub key、GitHub token、OpenAI key、腾讯云 SecretId、COS 临时凭证）。误报处理靠校验而非更多正则：身份证走 MOD 11-2 校验码，银行卡走 Luhn，手机号正则加前后数字边界，命中区间按优先级去重。退出码 0/1/2 可直接接 CI 门禁；--json 给机器读，--html 制成离线可见报告，--strict 把「一般」级别也判失败。

L2 完整审查按六维度对照 references/个人信息脱敏审查规范.md：识别与分类（字段覆盖、重标识风险、未成年人）、脱敏方式与场景（不可逆优先）、字段级脱敏（存储/展示/传输/共享四环节）、33 项检查清单、15 项高频违规场景（明文存储、界面未掩码、超范围收集、日志明文等）、合规依据核验（法规文号与国标编号不可改动）。

整改与验证：P0 高危必须修复。修复后再跑 L1，确认退出码回 0，或只剩低风险才放行。

边界与注意点

• 定位是「审查/审计」：报告问题、分级、给整改建议。不删除、不掩码、不改写任何被审文件。要直接处理数据请用脱敏执行类技能。
• 报告写到扫描目录之外，避免被二次扫描命中，也避免落进待发布产物。
• 全程本地运行，不调用云 API；.zip / .pdf / .pyc 等二进制直接跳过，需先解压或转文本才能扫。
• 不构成法律意见，高敏感场景建议人工复核并咨询合规律师。