PII Redaktions-Schutzleiste
Bevor der Benutzertext eine Model, Log oder Analytics Tabelle erreicht, solltest du personally identifiable information (PII) entfernen. Für ein Privacy-First Produkt ist dies kein optionales Feintuning, es ist das Tor, das E-Mails, Telefonnummern und Kartennummern aus Orten fernhält, an denen sie niemals landen dürfen. Die Technik ist Pattern Matching mit Regular Expressions, wobei jeder Match durch einen typisierten Platzhalter ersetzt wird.
Drei gängige Muster bringen dich fast ans Ziel:
- Email: etwas wie
name@host.tld-> ersetze durch[EMAIL]. - Phone: eine 10-stellige Nummer, eventuell gruppiert mit Leerzeichen, Bindestrichen, Punkten oder einer führenden Ländervorwahl ->
[PHONE]. - Card: 16 Ziffern in vier Gruppen zu je vier, getrennt durch optionale Leerzeichen oder Bindestriche ->
[CARD].
Maskiere zuerst das längste, spezifischste Muster (die 16-stellige Karte), damit ein gierigeres Telefonmuster nicht hineinbeißt. Wenn du ersetzt, zeichne auf, welche types du gefunden hast, damit Anrufer prüfen können, was gelöscht wurde. Sauberer Text kommt unberührt mit einer leeren Liste zurück.
import re
EMAIL = re.compile(r"\b[A-Za-z0-9._%+\-]+@[A-Za-z0-9.\-]+\.[A-Za-z]{2,}\b")Du würdest dies auf dem Weg zu jedem Modell ausführen. Zum Beispiel würdest du vor der Übergabe von Text an eine On-Device-Engine safe, _ = redact(user_text) und safe senden, niemals den rohen String. Der Modellaufruf selbst ist illustrativ; der Redaktor ist der Teil, den du baust und bewertest. Kenne seine Grenzen, bevor du dich auf ihn verlässt: Ziffernmuster erzeugen falsche Positiven (eine Bestellnummer wie „#2026071234“ sieht aus wie eine Telefonnummer) und übersehen das, was sie nicht beschreiben (Namen, Straßennadressen, Kontonummern mit Leerzeichen). Regex-Redaktion ist ein günstiger erster Durchgang; ein echtes System fügt einen Entity-Recogniser hinzu und sendet dem Modell vor allem nur die Felder, die die Aufgabe benötigt.
Baue redact(text).. Gib ein Tupel (masked_text, types) zurück, wobei masked_text jede E-Mail, Telefonnummer und Karte durch ihren Platzhalter ersetzt hat, und types eine sorted Liste der gefundenen eindeutigen Entitätstypen ist (aus "card", "email", "phone"). Bereinigter Text wird unverändert mit [].
Schreibe redact(text) und gib (masked_text, types) zurück. Ersetze jede E-Mail durch [EMAIL], jede Telefonnummer durch [PHONE] und jede 16-stellige Karte durch [CARD]; types ist die sortierte Liste der eindeutigen Typen, die in "card", "email", "phone" gefunden wurden. Ein String mit einer E-Mail und einer Telefonnummer gibt sowohl maskiert als auch ['email', 'phone'] zurück; sauberer Text kommt unverändert mit [] zurück; eine andere PII Mischung ergibt einen anderen Typensatz.
Ein Problem in dieser Lektion entdeckt? Melde es · Frage zu dieser Lektion
Diese Übung öffnet bald
Beende die vorherige Lektion, damit diese freigeschaltet wird. Der ganze Kurs ist kostenlos, kein Konto erforderlich, und du kannst diese Lektion jetzt direkt lesen.
Dieser Browser blockiert Cookies für learn.floati.life, daher können hier beendigte Lektionen nicht in der richtigen Reihenfolge geöffnet werden. Erlaube Cookies für diese Seite und lade sie neu.