पाठ्यक्रम 156 में से पाठ 89 · निजी AI
निजी AI

निकलने से पहले redact करें

यह क्यों मायने रखता है कभी-कभी आपको सचमुच एक cloud AI, या एक support ticket, या एक सहकर्मी से साझा एक log फ़ाइल की ज़रूरत होती है। Redaction का मतलब है पहले निजी विवरण हटाना, ताकि आपके device से जो निकले वह काम का हिस्सा हो, निजी हिस्सा नहीं। आप एक छोटा redactor बनाएँगे जिसे आप सचमुच इस्तेमाल कर सकें।

काला marker

एक दस्तावेज़ साझा करने से पहले, लोग नामों और संख्याओं पर एक मोटे काले marker से गुज़रते थे। code में redaction वही विचार है: निजी हिस्से ढूँढें और उन्हें [EMAIL] जैसे एक placeholder से बदलें, ताकि पाठक फिर भी जाने कि वहाँ कुछ था बिना यह जाने कि क्या।

Redaction: टेक्स्ट साझा होने से पहले उसके संवेदनशील हिस्सों को placeholders से बदलना।

निजी डेटा: कुछ भी जो एक असली व्यक्ति की ओर इशारा करे, जैसे एक नाम, email पता, फ़ोन नंबर या खाता नंबर।

एक नया औज़ार: regular expressions

"कुछ भी जो एक email जैसा दिखे" ढूँढने के लिए, हमें टेक्स्ट के एक आकार का वर्णन करने का तरीका चाहिए, एक ठीक टेक्स्ट नहीं। यही एक regular expression (छोटे में regex) करता है। Python का बना-बनाया re module उन्हें संभालता है।

Regular expression: टेक्स्ट के आकार का वर्णन करने के लिए एक छोटी pattern भाषा। \d का मतलब "एक अंक", + का मतलब "पिछली चीज़ का एक या ज़्यादा", और [A-Za-z] का मतलब "एक अक्षर"।

यहाँ बस वे टुकड़े हैं जिनकी आपको आज ज़रूरत है:

टुकड़ामतलबउदाहरण मेल
\dएक अंक7
\sएक space (या tab, या नई पंक्ति)
[abc]अंदर के अक्षरों में से कोई एकb
+पिछले टुकड़े का एक या ज़्यादा\d+ 2026 से मेल खाता है
{6,}पिछले टुकड़े के छह या ज़्यादा\d{6,} 1234567 से मेल खाता है
?पिछला टुकड़ा वैकल्पिक है\+? एक plus चिह्न या कुछ नहीं से मेल खाता है
\bएक शब्द सीमा (एक शब्द की शुरुआत या अंत)\bAnn\b "Annual" को छोड़ता है

दो functions काम करते हैं। re.sub(pattern, replacement, text) हर मेल बदलकर एक नया टेक्स्ट लौटाता है। और एक तय replacement के बजाय आप एक function दे सकते हैं: Python हर मेल के लिए उसे बुलाता है और जो वह लौटाए वह इस्तेमाल करता है। यह आपको मेल दर मेल तय करने देता है।

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

pattern के आगे का r"..." एक raw string है: यह Python को backslashes छोड़ने को कहता है ताकि regex उन्हें देखे। re.compile एक pattern को एक दोबारा इस्तेमाल लायक object में बदलता है; आप pattern string सीधे re.sub को भी दे सकते हैं।

पेचीदा वाला: फ़ोन नंबर

फ़ोन नंबर कई आकारों में आते हैं: +44 7700 900123, (555) 010-4477, 555.010.9988। एक ढीला pattern सबको पकड़ता है, पर यह 2026-10-30 जैसी तारीख़ें भी पकड़ता है। तरकीब दो क़दम है: ढीले से मिलाएँ, फिर एक function में अंक गिनें। ज़्यादातर पूरे फ़ोन नंबरों में 9 या ज़्यादा अंक होते हैं, जबकि इस जैसी एक तारीख़ में 8, इसलिए इस पाठ में हम अपने नियम के रूप में "9 या ज़्यादा अंक" इस्तेमाल करते हैं। अगर एक मेल में बहुत कम अंक हों, तो उसे बिना बदले लौटाएँ। असली redactors को ज़्यादा सावधानी चाहिए, क्योंकि कुछ देश छोटे नंबर इस्तेमाल करते हैं।

एक आम ग़लतफ़हमी

"Redaction टेक्स्ट को गुमनाम बनाता है।" यह स्पष्ट पहचानकर्ता हटाता है, पर संदर्भ फिर भी किसी को पकड़वा सकता है: "ward 3 पर एकमात्र बाएँ हाथ वाली nurse" किसी का नाम नहीं लेती और फिर भी एक व्यक्ति की ओर इशारा करती है। Redaction जोखिम घटाता है; मिटाता नहीं। ज़्यादा redact करना (एक लंबे order नंबर को एक फ़ोन मानकर मिटाना) सुरक्षित तरह की ग़लती है।

दूसरी भाषाओं में

JavaScript: वही regex काम करता है, और replace भी एक function स्वीकार करता है।

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: regexp package में ReplaceAllStringFunc है।

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
})

सार

  • Redaction टेक्स्ट के आपके device से निकलने से पहले निजी विवरणों को placeholders से बदलता है।
  • Regular expressions टेक्स्ट के आकार का वर्णन करते हैं; re.sub हर मेल बदलता है।
  • re.sub को एक function देना आपको मेल दर मेल तय करने देता है, उदाहरण के लिए अंक गिनकर।
  • Redaction जोखिम घटाता है पर टेक्स्ट को गुमनाम नहीं बनाता; संदर्भ फिर भी लोगों को पहचान सकता है।
आपकी बारी

एक function redact(text, names=()) लिखें जो एक नई string लौटाए जहाँ:

  1. हर email पता [EMAIL] से बदला जाए;
  2. हर फ़ोन नंबर [PHONE] से बदला जाए। ऐसे किसी भी run को फ़ोन नंबर मानें जो एक वैकल्पिक + या ( से शुरू हो, फिर एक अंक, अंकों, spaces, dots, dashes या कोष्ठकों के साथ जारी रहे, एक अंक पर ख़त्म हो, और जिसमें कम से कम 9 अंक हों। कम अंकों वाले runs (2026-10-30 जैसी तारीख़ें, समय, क़ीमतें) वैसे ही रहते हैं;
  3. names का हर नाम [NAME] से बदला जाए, बड़े या छोटे अक्षर नज़रअंदाज़ करते हुए, पर सिर्फ़ एक पूरे शब्द के रूप में (नाम Ann को "Annual" नहीं बदलना चाहिए)।
पहले emails बदलें, फिर फ़ोन, फिर नाम। टेक्स्ट में बाक़ी सब ठीक वैसा ही रहना चाहिए। redact दो बार चलाने से एक बार चलाने जैसा ही नतीजा आना चाहिए। आख़िर में redact("Call Maya on +44 7700 900123 or maya@shopa.example", ["Maya"]) print करें।

इस पाठ में कोई समस्या दिखी? बताएँ · इस पाठ के बारे में पूछें

यह अभ्यास जल्द खुलेगा

इससे पहले वाला पाठ पूरा करें और यह खुल जाएगा। पूरा कोर्स मुफ़्त है, कोई खाता नहीं चाहिए, और आप यह पाठ अभी पढ़ सकते हैं।