Programma Les 89 van 156 · Privé AI
Privé AI

Redigeer voordat het vertrekt

Waarom dit ertoe doet Soms heb je echt een AI in de cloud nodig, of een supportticket, of een logbestand dat je met een collega deelt. Maskeren betekent eerst de persoonlijke details eruit halen, zodat wat je apparaat verlaat het nuttige deel is en niet het privédeel. Je bouwt een kleine maskeerder die je echt zou kunnen gebruiken.

De zwarte stift

Voordat ze een document deelden, gingen mensen vroeger met een dikke zwarte stift over namen en nummers. Maskeren in code is hetzelfde idee: vind de persoonlijke stukjes en vervang ze door een plaatshouder zoals [EMAIL], zodat de lezer nog weet dat er iets stond, zonder te weten wat.

Maskeren: gevoelige delen van een tekst vervangen door plaatshouders voordat de tekst gedeeld wordt.

Persoonsgegevens: alles wat naar een echt persoon wijst, zoals een naam, e-mailadres, telefoonnummer of rekeningnummer.

Een nieuw gereedschap: reguliere expressies

Om "alles wat eruitziet als een e-mailadres" te vinden, hebben we een manier nodig om een vorm van tekst te beschrijven, niet één exacte tekst. Dat doet een reguliere expressie (afgekort regex). De ingebouwde module re van Python regelt ze.

Reguliere expressie: een kleine patroontaal om de vorm van tekst te beschrijven. \d betekent "één cijfer", + betekent "één of meer van het ding ervoor", en [A-Za-z] betekent "één letter".

Dit zijn de enige stukjes die je vandaag nodig hebt:

StukjeBetekentVoorbeeld van een match
\déén cijfer7
\séén spatie (of tab, of nieuwe regel)
[abc]één van de tekens erbinnenb
+één of meer van het vorige stukje\d+ matcht 2026
{6,}zes of meer van het vorige stukje\d{6,} matcht 1234567
?het vorige stukje is optioneel\+? matcht een plusteken of niets
\been woordgrens (begin of eind van een woord)\bAnn\b slaat "Annual" over

Twee functies doen het werk. re.sub(pattern, replacement, text) geeft een nieuwe tekst terug waarin elke match vervangen is. En in plaats van een vaste vervanging kun je een functie meegeven: Python roept die voor elke match aan en gebruikt wat ze teruggeeft. Zo kun je per match beslissen.

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

De r"..." voor het patroon is een raw string: die vertelt Python de backslashes met rust te laten, zodat de regex ze ziet. re.compile maakt van een patroon een herbruikbaar object; je kunt de patroonstring ook rechtstreeks aan re.sub geven.

De lastige: telefoonnummers

Telefoonnummers komen in veel vormen: +44 7700 900123, (555) 010-4477, 555.010.9988. Een ruim patroon vangt ze allemaal, maar vangt ook datums zoals 2026-10-30. De truc bestaat uit twee stappen: match ruim, en tel dan de cijfers in een functie. De meeste volledige telefoonnummers hebben 9 of meer cijfers, terwijl een datum zoals deze er 8 heeft, dus in deze les gebruiken we "9 of meer cijfers" als regel. Heeft een match te weinig cijfers, geef hem dan ongewijzigd terug. Echte maskeerders vragen meer zorg, omdat sommige landen kortere nummers gebruiken.

Een veelvoorkomende misvatting

"Maskeren maakt tekst anoniem." Het haalt de duidelijke identificatoren weg, maar de context kan iemand nog steeds verraden: "de enige linkshandige verpleegkundige op afdeling 3" noemt niemand en wijst toch naar één persoon. Maskeren verlaagt het risico; het haalt het niet weg. Te veel maskeren (een lang ordernummer zwart maken alsof het een telefoonnummer is) is de veilige soort fout.

In andere talen

JavaScript: dezelfde regex werkt, en replace accepteert ook een functie.

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: het pakket regexp heeft 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
})

Samenvatting

  • Maskeren vervangt persoonlijke details door plaatshouders voordat tekst je apparaat verlaat.
  • Reguliere expressies beschrijven de vorm van tekst; re.sub vervangt elke match.
  • Een functie aan re.sub meegeven laat je per match beslissen, bijvoorbeeld door cijfers te tellen.
  • Maskeren verkleint het risico maar maakt tekst niet anoniem; context kan mensen nog steeds identificeren.
Jij bent aan de beurt

Schrijf een functie redact(text, names=()) die een nieuwe string teruggeeft waar:

  1. elk elk e-mailadres wordt vervangen door [EMAIL];
  2. elk telefoonnummer wordt vervangen door [PHONE]. Behandel elke reeks die begint met een optionele + of (, dan een cijfer, doorgaat met cijfers, spaties, punten, streepjes of haakjes, eindigt met een cijfer, en bevat minstens 9 cijfers als een telefoonnummer. Reeksen met minder cijfers (data zoals 2026-10-30, tijden, prijzen) blijven zoals ze zijn;
  3. Elke naam in names wordt vervangen door [NAME], waarbij hoofdletters of kleine letters worden genegeerd, maar alleen als een heel woord (de naam Ann mag "Annual" niet veranderen).
Vervang eerst e-mails, dan telefoonnummers, dan namen. Alles wat overblijft in de tekst moet precies hetzelfde blijven. Het twee keer uitvoeren van redact moet hetzelfde resultaat geven als het één keer uitvoeren. Print aan het einde redact("Call Maya on +44 7700 900123 or maya@shopa.example", ["Maya"]).

Een probleem ontdekt in deze les? Meld het · Vraag naar deze les

Deze oefening opent binnenkort

Maak de les ervoor af voordat deze wordt ontgrendeld. De hele cursus is gratis, geen account nodig, en je kunt deze les nu lezen.