المنهج الدراسي الدرس 182 من 250 · تحويل نماذج اللغات الكبيرة إلى بيئة الإنتاج: التكلفة، والتخزين المؤقت، وحواجز الحماية
تحويل نماذج اللغات الكبيرة إلى بيئة الإنتاج: التكلفة، والتخزين المؤقت، وحواجز الحماية

حاجز حماية إخفاء معلومات الهوية الشخصية

قبل أن يصل نص المستخدم إلى نموذج أو سجل أو جدول تحليلات، يجب عليك إزالة المعلومات التي تحدد الهوية الشخصية (PII). بالنسبة لمنتج يضع الخصوصية أولا، هذا ليس تحسينا اختياريا، بل هو البوابة التي تمنع رسائل البريد الإلكتروني وأرقام الهواتف وأرقام البطاقات من الوصول إلى الأماكن التي لا يجب أن تصل إليها أبدا. التقنية هي مطابقة الأنماط باستخدام regular expressions، واستبدال كل مطابقة بـ placeholder من نوع محدد.

ثلاثة أنماط شائعة ستوصلك إلى معظم الطريق:

  • Email: شيء مثل name@host.tld -> استبداله بـ [EMAIL].
  • Phone: رقم مكون من 10 أرقام، قد يكون مقسما بمسافات أو شرطات أو نقاط أو رمز دولة في البداية -> [PHONE].
  • Card: 16 رقماً في أربع مجموعات من أربعة، مفصولة بمسافات أو شرطات اختيارية -> [CARD].

قم بحجب النمط الأطول والأكثر تحديداً أولاً (بطاقة الـ 16 رقماً) حتى لا يقتطع نمط الهاتف الأكثر استهلاكاً أجزاءً منه. أثناء الاستبدال، سجل أنواع types التي وجدتها، حتى يتمكن المتصلون من تدقيق ما تم تنقيته. النص النظيف يعود دون تغيير مع قائمة فارغة.

import re
EMAIL = re.compile(r"\b[A-Za-z0-9._%+\-]+@[A-Za-z0-9.\-]+\.[A-Za-z]{2,}\b")

ستقوم بتشغيل هذا عند الدخول إلى أي نموذج. على سبيل المثال، قبل تسليم النص إلى محرك على الجهاز، ستقوم بـ safe, _ = redact(user_text) وإرسال safe، وليس النص الخام أبداً. استدعاء النموذج نفسه هو للتوضيح؛ المحرر هو الجزء الذي تبنيه وتقيمه. اعرف حدوده قبل الاعتماد عليه: أنماط الأرقام تنتج نتائج إيجابية خاطئة (رقم طلب مثل "#2026071234" يبدو كرقم هاتف) وتفوت ما لا تصفه (الأسماء، عناوين الشوارع، أرقام الحسابات المكتوبة بمسافات). إخفاء الهوية باستخدام Regex هو خطوة أولى رخيصة؛ النظام الحقيقي يضيف معرّف كيانات، وقبل كل شيء، يرسل إلى النموذج فقط الحقول التي تحتاجها المهمة.

ابنِ redact(text). أرجِع صفاً (tuple) (masked_text, types) حيث يُستبدل في masked_text كل بريد إلكتروني وهاتف وبطاقة بعنصره النائب، وtypes قائمة مرتّبة (sorted) بأنواع الكيانات المميزة التي عُثر عليها (من "card"، و"email"، و"phone"). يُرجع النص النظيف دون تغيير مع [].

دورك

اكتب redact(text) ليعيد (masked_text, types). استبدل كل بريد إلكتروني بـ [EMAIL]، ورقم الهاتف بـ [PHONE]، وبطاقة مكونة من 16 رقماً بـ [CARD]؛ types هي القائمة المرتبة للأنواع الفريدة الموجودة ضمن "card"، "email"، "phone". النص الذي يحتوي على بريد إلكتروني ورقم هاتف يعيد كلاهما مقنعاً و ['email', 'phone']؛ النص النظيف يعود دون تغيير مع []؛ مزيج PII مختلف يعطي مجموعة أنواع مختلفة.

هل لاحظت مشكلة في هذا الدرس؟ أبلغ عنها · اسأل عن هذا الدرس

سيفتح هذا التمرين قريبا

أنهِ الدرس السابق ليفتح هذا الدرس. الدورة كاملة مجانية، ولا تحتاج إلى حساب، ويمكنك قراءة هذا الدرس الآن.