سرفصل‌ها درس 89 از 156 · هوش مصنوعی خصوصی
هوش مصنوعی خصوصی

پیش از خروج حذفش کنید

چرا مهم است گاهی واقعاً به یک هوش مصنوعی ابری نیاز دارید، یا یک تیکت پشتیبانی، یا فایل لاگی که با همکاری به اشتراک گذاشته شود. پنهان‌سازی یعنی اول جزئیات شخصی را بیرون بکشید، تا آنچه دستگاهتان را ترک می‌کند بخش مفید باشد، نه بخش خصوصی. یک پنهان‌ساز کوچک می‌سازید که واقعاً می‌توانید از آن استفاده کنید.

ماژیک سیاه

پیش از به اشتراک گذاشتن یک سند، مردم با یک ماژیک سیاه کلفت روی نام‌ها و شماره‌ها می‌کشیدند. پنهان‌سازی در کد همان ایده است: تکه‌های شخصی را پیدا کنید و با جایگزینی مثل [EMAIL] عوض کنید، تا خواننده همچنان بداند چیزی آنجا بوده بی‌آنکه بفهمد چه.

پنهان‌سازی: جایگزین کردن بخش‌های حساس یک متن با جایگزین‌ها پیش از به اشتراک گذاشتن متن.

دادهٔ شخصی: هر چیزی که به یک شخص واقعی اشاره کند، مثل نام، نشانی ایمیل، شماره‌تلفن یا شماره‌حساب.

یک ابزار تازه: عبارت‌های منظم

برای پیدا کردن «هر چیزی که شبیه ایمیل است»، به راهی برای توصیف یک شکل از متن نیاز داریم، نه یک متن دقیق. این همان کاری است که یک عبارت منظم (به‌اختصار regex) انجام می‌دهد. ماژول داخلی re پایتون آن‌ها را مدیریت می‌کند.

عبارت منظم: یک زبان الگوی کوچک برای توصیف شکل متن. \d یعنی «یک رقم»، + یعنی «یک یا چند تا از چیز قبلی»، و [A-Za-z] یعنی «یک حرف».

این‌ها تنها تکه‌هایی‌اند که امروز لازم دارید:

تکهمعنینمونهٔ تطابق
\dیک رقم7
\sیک فاصله (یا تب، یا خط تازه)
[abc]هر یک از نویسه‌های درونb
+یک یا چند تا از تکهٔ قبلی\d+ با 2026 جور است
{6,}شش یا بیشتر از تکهٔ قبلی\d{6,} با 1234567 جور است
?تکهٔ قبلی اختیاری است\+? با یک علامت مثبت یا هیچ جور است
\bمرز واژه (آغاز یا پایان یک واژه)\bAnn\b از «Annual» می‌گذرد

دو تابع کار را انجام می‌دهند. re.sub(pattern, replacement, text) متن تازه‌ای برمی‌گرداند که در آن هر تطابق جایگزین شده است. و به جای یک جایگزین ثابت می‌توانید یک تابع بدهید: پایتون آن را برای هر تطابق فراخوانی می‌کند و هر چه برگرداند به کار می‌برد. این اجازه می‌دهد برای هر تطابق جداگانه تصمیم بگیرید.

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

r"..." جلوی الگو یک رشتهٔ خام است: به پایتون می‌گوید به بک‌اسلش‌ها دست نزند تا regex آن‌ها را ببیند. re.compile یک الگو را به شیئی قابل استفادهٔ دوباره تبدیل می‌کند؛ می‌توانید رشتهٔ الگو را مستقیماً هم به re.sub بدهید.

مورد دشوار: شماره‌تلفن‌ها

شماره‌تلفن‌ها شکل‌های بسیاری دارند: +44 7700 900123، (555) 010-4477، 555.010.9988. یک الگوی شل همه را می‌گیرد، اما تاریخ‌هایی مثل 2026-10-30 را هم می‌گیرد. ترفند دو گام است: شل تطبیق دهید، سپس در یک تابع ارقام را بشمارید. بیشتر شماره‌تلفن‌های کامل 9 رقم یا بیشتر دارند، در حالی که تاریخی مثل این 8 رقم دارد، پس در این درس «9 رقم یا بیشتر» را قاعدهٔ خود قرار می‌دهیم. اگر یک تطابق رقم‌های خیلی کمی دارد، آن را بدون تغییر برگردانید. پنهان‌سازهای واقعی به دقت بیشتری نیاز دارند، چون بعضی کشورها شماره‌های کوتاه‌تری دارند.

یک تصور نادرست رایج

«پنهان‌سازی متن را ناشناس می‌کند.» شناسه‌های آشکار را حذف می‌کند، اما زمینه هنوز می‌تواند کسی را لو دهد: «تنها پرستار چپ‌دست بخش 3» نام هیچ‌کس را نمی‌برد و با این حال به یک نفر اشاره می‌کند. پنهان‌سازی خطر را کم می‌کند؛ از بین نمی‌برد. پنهان‌سازی بیش از حد (پاک کردن یک شمارهٔ سفارش طولانی گویی شماره‌تلفن است) نوع امن اشتباه است.

در زبان‌های دیگر

جاوااسکریپت: همان regex کار می‌کند و replace هم یک تابع می‌پذیرد.

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: بستهٔ regexp تابع ReplaceAllStringFunc را دارد.

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
})

خلاصه

  • پنهان‌سازی جزئیات شخصی را پیش از خروج متن از دستگاهتان با جایگزین‌ها عوض می‌کند.
  • عبارت‌های منظم شکل متن را توصیف می‌کنند؛ re.sub هر تطابق را جایگزین می‌کند.
  • دادن یک تابع به re.sub اجازه می‌دهد برای هر تطابق جداگانه تصمیم بگیرید، برای مثال با شمردن ارقام.
  • پنهان‌سازی خطر را کم می‌کند اما متن را ناشناس نمی‌کند؛ زمینه هنوز می‌تواند افراد را شناسایی کند.
نوبت شما

تابعی به نام redact(text, names=()) بنویسید که رشتهٔ تازه‌ای برمی‌گرداند که در آن:

  1. هر نشانی ایمیل با [EMAIL] جایگزین شده است؛
  2. هر شماره‌تلفن با [PHONE] جایگزین شده است. هر رشته‌ای را شماره‌تلفن بدانید که با یک + یا ( اختیاری آغاز شود، سپس یک رقم، با رقم‌ها، فاصله‌ها، نقطه‌ها، خط تیره‌ها یا پرانتزها ادامه یابد، با یک رقم تمام شود و دست‌کم 9 رقم داشته باشد. رشته‌هایی با رقم‌های کمتر (تاریخ‌هایی مثل 2026-10-30، زمان‌ها، قیمت‌ها) همان‌طور می‌مانند؛
  3. هر نام در names با [NAME] جایگزین شده است، بدون توجه به بزرگی یا کوچکی حروف، اما فقط به‌صورت یک واژهٔ کامل (نام Ann نباید «Annual» را تغییر دهد).
اول ایمیل‌ها، سپس تلفن‌ها، سپس نام‌ها را جایگزین کنید. بقیهٔ متن باید دقیقاً همان بماند. دو بار اجرای redact باید همان نتیجهٔ یک بار اجرا را بدهد. در پایان، redact("Call Maya on +44 7700 900123 or maya@shopa.example", ["Maya"]) را چاپ کنید.

مشکلی در این درس دیدید؟ گزارشش کنید · دربارهٔ این درس بپرسید

این تمرین به‌زودی باز می‌شود

درس پیش از آن را تمام کنید تا این یکی باز شود. کل دوره رایگان است، حساب کاربری لازم نیست، و می‌توانید همین الان این درس را بخوانید.