AI 怎么在喂给模型前给客户信息脱敏
把带客户信息的文本直接粘进对话框,等于把数据交出去。这篇讲怎么建映射表、怎么查漏网,还原只在本地做。
用模型处理客户数据之前,有一道工序不能省:把能定位到具体人的信息替换掉。做法不复杂,难在坚持和查漏。这篇讲一套能重复执行的流程,重点是替换要可逆、还原只在本地做。
入口在哪
- 本地脚本做替换,一次写好后反复用,比每次手动改可靠。
- 对话里贴文本前先自己过一遍,把姓名、号码、地址换成占位符,简单但容易漏。
- 能在本地跑的模型,敏感原文不出本机,前提是你确认过它的联网和日志行为。
- 表格类数据在导出时就只导需要的列,少带一列联系方式就少一类风险。
具体步骤
- 先列敏感字段:姓名、手机号、身份证号、详细地址、银行卡、订单号、邮箱,按你的业务补。
- 建映射表,原文值对应占位符,比如第一个手机号记成号码一,第一个姓名记成人名一。映射表只存本地。
- 用脚本批量替换,先只统计每类命中多少条,人工抽查二十条确认没误伤正常内容。
- 查漏网:短号码、正文里夹着的姓名、被换行拆开的地址,这三类是常见漏点。
- 把脱敏后的文本交给模型,并在指令里写明不要猜测被替换掉的内容。
- 结果拿回来后按映射表在本地还原,还原后的文件不要再次上传。
几个坑
- 只换了手机号,漏了身份证和工单号里嵌的手机号,等于没换。
- 占位符用了真实姓名的首字母,模型和人都能猜出来,占位符要无规律。
- 映射表和脱敏文本一起上传,前面的工作全白做。文件和文本分开存放。
- 模型根据上下文把占位符推断回来,比如人名一住在某小区加上其他线索。脱敏粒度不够时要把地址也一并处理。
怎么验证
- 对脱敏结果做一次反向搜索:拿原始手机号、身份证号的模式去搜,命中数必须是零。
- 把脱敏文本再喂给模型,让它复述里面提到了哪些具体人和联系方式,能说出真值就说明还有漏。
- 抽查十段还原后的文本,和原文逐字比对,确认除敏感字段外没有被改动的措辞。
- 最后确认映射表本身也管住了:单独存放、限定访问的人,还原后的文件不要放进共享目录。
常见问题
只把姓名和手机号换掉够不够
通常不够。地址、订单号、车牌、工号组合起来也能定位到人。判断标准是单独拿出这条信息能不能找到具体某个人,能就要处理。
脱敏之后模型的效果会不会变差
会有影响,尤其是需要理解人称和指代的任务。缓解办法是保留结构信息,比如把人物换成角色名并说明关系,而不是简单删掉。
能在对话里让它自己脱敏吗
不行。原文一旦发出去就已经离开了你的控制范围,事后让它忘记没有意义。脱敏必须在发送之前完成。
一句话总结:本地建映射表批量替换,占位符不带线索,映射表不上传,还原只在本地做并且不回传。