Temario Lección 89 de 156 · IA privada
IA privada

Oculta los datos antes de que salgan

Por qué importa A veces sí necesitas una IA en la nube, o una incidencia de soporte, o un archivo de registro que compartir con un compañero. Ocultar los datos significa quitar primero los detalles personales, para que lo que sale de tu dispositivo sea la parte útil, no la parte privada. Vas a construir un pequeño ocultador que podrías usar de verdad.

El rotulador negro

Antes de compartir un documento, la gente tachaba los nombres y los números con un rotulador negro grueso. Ocultar datos en código es la misma idea: encuentra las partes personales y cámbialas por un marcador como [EMAIL], para que quien lo lea sepa que ahí había algo sin saber qué.

Ocultación de datos (redacción): sustituir las partes delicadas de un texto por marcadores antes de compartirlo.

Datos personales: cualquier cosa que señale a una persona real, como un nombre, una dirección de correo, un número de teléfono o un número de cuenta.

Una herramienta nueva: las expresiones regulares

Para encontrar "cualquier cosa que parezca un correo", necesitamos una forma de describir una forma de texto, no un texto exacto. Eso es lo que hace una expresión regular (regex, para abreviar). El módulo integrado re de Python se encarga de ellas.

Expresión regular: un pequeño lenguaje de patrones para describir la forma de un texto. \d significa "un dígito", + significa "uno o más de lo anterior", y [A-Za-z] significa "una letra".

Estas son las únicas piezas que necesitas hoy:

PiezaSignificaEjemplo de coincidencia
\dun dígito7
\sun espacio (o un tabulador, o un salto de línea)
[abc]uno cualquiera de los caracteres de dentrob
+uno o más de la pieza anterior\d+ coincide con 2026
{6,}seis o más de la pieza anterior\d{6,} coincide con 1234567
?la pieza anterior es opcional\+? coincide con un signo más o con nada
\bun límite de palabra (el principio o el final de una palabra)\bAnn\b se salta "Annual"

Dos funciones hacen el trabajo. re.sub(pattern, replacement, text) devuelve un texto nuevo con cada coincidencia sustituida. Y en lugar de una sustitución fija puedes pasar una función: Python la llama para cada coincidencia y usa lo que devuelva. Eso te permite decidir coincidencia a coincidencia.

import re

EMAIL_RE = re.compile(r"[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Za-z]{2,}")
print(EMAIL_RE.sub("[EMAIL]", "Write to maya@shopa.example today"))
# Write to [EMAIL] today

def shout(match):
    return match.group(0).upper()   # group(0) is the matched text

print(re.sub(r"\bcat\b", shout, "cat and category"))
# CAT and category

La r"..." delante del patrón es una cadena sin procesar: le dice a Python que deje en paz las barras invertidas para que las vea la regex. re.compile convierte un patrón en un objeto reutilizable; también puedes pasar la cadena del patrón directamente a re.sub.

El difícil: los números de teléfono

Los números de teléfono tienen muchas formas: +44 7700 900123, (555) 010-4477, 555.010.9988. Un patrón flexible los atrapa todos, pero también atrapa fechas como 2026-10-30. El truco son dos pasos: buscar con flexibilidad y luego contar los dígitos en una función. La mayoría de los números de teléfono completos tienen 9 dígitos o más, mientras que una fecha como esta tiene 8, así que en esta lección usamos "9 dígitos o más" como regla. Si una coincidencia tiene demasiado pocos dígitos, devuélvela sin cambios. Los ocultadores reales necesitan más cuidado, porque algunos países usan números más cortos.

Una idea equivocada muy común

"Ocultar los datos hace anónimo el texto." Quita los identificadores obvios, pero el contexto aún puede delatar a alguien: "la única enfermera zurda de la planta 3" no nombra a nadie y sin embargo señala a una persona. Ocultar los datos reduce el riesgo; no lo elimina. Ocultar de más (tachar un número de pedido largo como si fuera un teléfono) es el tipo de error seguro.

En otros lenguajes

JavaScript: la misma regex funciona, y replace también acepta una función.

const EMAIL = /[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Za-z]{2,}/g;
const PHONE = /\+?\(?\d[\d\s().-]{6,}\d/g;
function redact(text) {
  text = text.replace(EMAIL, "[EMAIL]");
  return text.replace(PHONE, m => (m.match(/\d/g).length >= 9 ? "[PHONE]" : m));
}

Go: el paquete regexp tiene ReplaceAllStringFunc.

phone := regexp.MustCompile(`\+?\(?\d[\d\s().-]{6,}\d`)
out := phone.ReplaceAllStringFunc(text, func(m string) string {
    n := 0
    for _, c := range m { if c >= '0' && c <= '9' { n++ } }
    if n >= 9 { return "[PHONE]" }
    return m
})

Resumen

  • Ocultar los datos cambia los detalles personales por marcadores antes de que el texto salga de tu dispositivo.
  • Las expresiones regulares describen la forma de un texto; re.sub sustituye cada coincidencia.
  • Pasar una función a re.sub te permite decidir coincidencia a coincidencia, por ejemplo contando los dígitos.
  • Ocultar los datos reduce el riesgo pero no hace anónimo el texto; el contexto aún puede identificar a las personas.
Tu turno

Escribe una función redact(text, names=()) que devuelva una cadena nueva en la que:

  1. cada dirección de correo se sustituya por [EMAIL];
  2. cada número de teléfono se sustituya por [PHONE]. Trata como número de teléfono cualquier tramo que empiece con un + o un ( opcionales, luego un dígito, que continúe con dígitos, espacios, puntos, guiones o paréntesis, que termine en un dígito y que contenga al menos 9 dígitos. Los tramos con menos dígitos (fechas como 2026-10-30, horas, precios) se quedan como están;
  3. cada nombre de names se sustituya por [NAME], sin distinguir mayúsculas y minúsculas, pero solo como palabra entera (el nombre Ann no debe cambiar "Annual").
Sustituye primero los correos, luego los teléfonos y luego los nombres. Todo lo demás del texto debe quedar exactamente igual. Ejecutar redact dos veces debe dar el mismo resultado que ejecutarlo una. Al final, imprime redact("Call Maya on +44 7700 900123 or maya@shopa.example", ["Maya"]).

¿Has visto un problema en esta lección? Avísanos · Preguntar sobre esta lección

Este ejercicio se abre pronto

Termina la lección anterior y esta se desbloquea. Todo el curso es gratis, no hace falta cuenta, y puedes leer esta lección ahora mismo.