Silabus Pelajaran 89 dari 156 · AI Pribadi
AI Pribadi

Sensor sebelum keluar

Kenapa ini penting Kadang kamu memang butuh AI cloud, atau tiket dukungan, atau file log yang dibagikan ke rekan kerja. Menyensor berarti membuang detail pribadi lebih dulu, supaya yang meninggalkan perangkatmu adalah bagian yang berguna, bukan bagian yang pribadi. Kamu akan membangun penyensor kecil yang benar-benar bisa kamu pakai.

Spidol hitam

Sebelum membagikan dokumen, dulu orang mencoret nama dan nomor dengan spidol hitam yang tebal. Menyensor dalam kode adalah ide yang sama: temukan bagian pribadinya dan ganti dengan placeholder seperti [EMAIL], supaya pembaca tetap tahu ada sesuatu di sana tanpa tahu apa.

Penyensoran: mengganti bagian sensitif dari sebuah teks dengan placeholder sebelum teks itu dibagikan.

Data pribadi: apa pun yang menunjuk ke orang sungguhan, seperti nama, alamat email, nomor telepon, atau nomor rekening.

Alat baru: regular expression

Untuk menemukan "apa pun yang terlihat seperti email", kita butuh cara mendeskripsikan bentuk teks, bukan satu teks yang persis. Itulah yang dilakukan regular expression (disingkat regex). Modul bawaan re di Python menanganinya.

Regular expression: bahasa pola kecil untuk mendeskripsikan bentuk teks. \d berarti "satu digit", + berarti "satu atau lebih dari hal sebelumnya", dan [A-Za-z] berarti "satu huruf".

Inilah satu-satunya potongan yang kamu butuhkan hari ini:

PotonganArtinyaContoh yang cocok
\dsatu digit7
\ssatu spasi (atau tab, atau baris baru)
[abc]salah satu karakter di dalamnyab
+satu atau lebih dari potongan sebelumnya\d+ cocok dengan 2026
{6,}enam atau lebih dari potongan sebelumnya\d{6,} cocok dengan 1234567
?potongan sebelumnya opsional\+? cocok dengan tanda plus atau tidak ada apa-apa
\bbatas kata (awal atau akhir sebuah kata)\bAnn\b melewati "Annual"

Dua fungsi melakukan pekerjaannya. re.sub(pattern, replacement, text) mengembalikan teks baru dengan setiap kecocokan diganti. Dan alih-alih pengganti yang tetap, kamu bisa memberikan sebuah fungsi: Python memanggilnya untuk setiap kecocokan dan memakai apa pun yang dikembalikannya. Itu membuatmu bisa memutuskan per kecocokan.

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"..." di depan pola adalah raw string: ia memberi tahu Python untuk membiarkan backslash apa adanya supaya regex bisa melihatnya. re.compile mengubah pola menjadi objek yang bisa dipakai ulang; kamu juga bisa langsung memberikan string polanya ke re.sub.

Yang rumit: nomor telepon

Nomor telepon datang dalam banyak bentuk: +44 7700 900123, (555) 010-4477, 555.010.9988. Pola yang longgar menangkap semuanya, tetapi juga menangkap tanggal seperti 2026-10-30. Triknya dua langkah: cocokkan dengan longgar, lalu hitung digitnya di dalam sebuah fungsi. Sebagian besar nomor telepon lengkap punya 9 digit atau lebih, sementara tanggal seperti ini punya 8, jadi di pelajaran ini kita memakai "9 digit atau lebih" sebagai aturan. Kalau sebuah kecocokan punya terlalu sedikit digit, kembalikan tanpa diubah. Penyensor sungguhan butuh lebih banyak kehati-hatian, karena sebagian negara memakai nomor yang lebih pendek.

Kesalahpahaman umum

"Menyensor membuat teks anonim." Ia membuang penanda yang jelas, tetapi konteks masih bisa membongkar seseorang: "satu-satunya perawat kidal di bangsal 3" tidak menyebut nama siapa pun tetapi menunjuk ke satu orang. Menyensor menurunkan risiko; ia tidak menghilangkannya. Terlalu banyak menyensor (menghitamkan nomor pesanan yang panjang seolah-olah nomor telepon) adalah jenis kesalahan yang aman.

Di bahasa lain

JavaScript: regex yang sama berfungsi, dan replace juga menerima sebuah fungsi.

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: paket regexp punya 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
})

Ringkasan

  • Menyensor mengganti detail pribadi dengan placeholder sebelum teks meninggalkan perangkatmu.
  • Regular expression mendeskripsikan bentuk teks; re.sub mengganti setiap kecocokan.
  • Memberikan fungsi ke re.sub membuatmu bisa memutuskan per kecocokan, misalnya dengan menghitung digit.
  • Menyensor mengurangi risiko tetapi tidak membuat teks anonim; konteks masih bisa mengidentifikasi orang.
Giliranku

Tulis fungsi redact(text, names=()) yang mengembalikan string baru di mana:

  1. setiap alamat email diganti dengan [EMAIL];
  2. setiap nomor telepon diganti dengan [PHONE]. Anggap sebagai nomor telepon setiap rangkaian yang dimulai dengan + atau ( opsional, lalu sebuah digit, berlanjut dengan digit, spasi, titik, tanda hubung atau kurung, berakhir dengan digit, dan mengandung setidaknya 9 digit. Rangkaian dengan digit lebih sedikit (tanggal seperti 2026-10-30, waktu, harga) tetap seperti aslinya;
  3. setiap nama di names diganti dengan [NAME], tanpa mempedulikan huruf besar atau kecil, tapi hanya sebagai kata utuh (nama Ann tidak boleh mengubah "Annual").
Ganti email dulu, lalu telepon, baru nama. Sisanya di teks harus tetap sama persis. Menjalankan redact dua kali harus memberikan hasil yang sama dengan menjalankannya sekali. Di akhir, cetak redact("Call Maya on +44 7700 900123 or maya@shopa.example", ["Maya"]).

Ada masalah di pelajaran ini? Laporkan · Tanya tentang pelajaran ini

Latihan ini akan segera dibuka

Selesaikan pelajaran sebelumnya agar pelajaran ini terbuka. Seluruh kursus ini gratis, tidak butuh akun, dan kamu bisa baca pelajaran ini sekarang.