技能｜数据脱敏与跨文档安全替换法

适用场景

两类紧邻的安全动作：(A) 把文本送进非本地模型前做输入侧脱敏；(B) 在多份 Word 文档里批量改写/替换某些词时，确保只动该动的、不误伤其它文件。触发词：脱敏、隐私红线、送模型前过滤、跨文档替换、白名单改写。适用于任何"数据可能触网"或"要改一堆 docx"的场景。

操作步骤（A：输入侧脱敏）

1. 脱敏必须在送入非本地模型之前完成：不能指望模型自查——模型会原样复述输入里的姓名、证件号、金额。
2. 单趟联合正则：把 证件号 / 卡号 / 手机 / 邮箱 / 金额 用命名分组编进一条 MASTER 正则，用 sub 一次性交替匹配。一处只会被一条规则处理（避免"脱敏后的文本再被金额规则吃掉"）。
3. 四类遮蔽：
   - 证件/卡号：仅留后四位（**** + 末4）；
   - 手机：3位 + **** + 末4；
   - 邮箱：名首字 + ***@域名；
   - 金额：→ 金额-已脱敏，或 amount_to_range 区间化（≤100/≤500/…/>5万）。
4. 专名走外置词表：词表每行 原名=代号（如 张三=U1）。代码里绝不内置真实姓名；词表缺失则跳过，不把真名写进源码。本地 L0 模型通道数据本就不出本机，可不开 mask_amount 保金额准确。

操作步骤（B：跨文档安全替换）

5. 白名单制：只替换清单里的词；三类只读不替——被交叉引用的条号、保护型硬话（严禁/专款专用等）、"人名+年龄"组合。
6. 逐文件干跑统计命中数：每份文件每个目标词必须恰好命中 1 处；命中 0 或 ≥2 一律中止，不允许"取第一条"蒙混。
7. 写回兜底：先自动备份原文件，再全量读进内存 → 替换 → 临时文件 → 原子覆盖；禁止同一句柄先写后读。

注意边界

• 本地模型通道数据可保留金额准确性；非本地/公有模型一律强制脱敏。
• 词表文件不存在不报错，只是少了一层专名替换——不要因此把真名硬编码进代码。
• 跨文档替换的"白名单 + 命中数校验"是防误改的两道闸，缺一不可。

反例避雷

• 把脱敏交给模型"自觉" → 姓名/金额被原样回显、外泄。
• 用整篇重写去改一句话 → 表格、页眉、版式全丢。
• 跨文档替换不设白名单、不校验命中数 → 同名段落被批量误改、其它文件被波及。
• 在源码里写真实姓名做替换词 → 隐私红线失守。

关联笔记

• [[技能｜家庭制度语言人性化改写方法]]
• [[技能｜制度条款冲突合并与多文件同步改写SOP]]

实战战绩

2026-09-28 实测：脱敏单趟覆盖 5 类敏感值，单趟交替匹配无"脱敏后被吃掉"；跨文档白名单替换零误改、零悬空引用。

版本记录