Proteção de Redação de PII
Antes do texto do usuário chegar a um modelo, log ou tabela de análise, você deve remover informações de identificação pessoal (PII). Para um produto focado em privacidade, isso não é um ajuste opcional, é o portão que mantém e-mails, números de telefone e números de cartão fora de lugares onde eles nunca devem estar. A técnica é correspondência de padrões com expressões regulares, substituindo cada correspondência com um placeholder tipado.
Três padrões comuns te levam quase até o fim:
- Email: algo como
name@host.tld-> substitua por[EMAIL]. - Phone: um número de 10 dígitos, possivelmente agrupado com espaços, traços, pontos ou um código de país inicial ->
[PHONE]. - Card: 16 dígitos em quatro grupos de quatro, separados por espaços ou traços opcionais ->
[CARD].
Mascare o padrão mais longo e específico primeiro (o cartão de 16 dígitos) para que um padrão de telefone mais ganancioso não o consuma. Conforme você substitui, registre qual types você encontrou, para que os chamadores possam auditar o que foi limpo. Texto limpo retorna intocado com uma lista vazia.
import re
EMAIL = re.compile(r"\b[A-Za-z0-9._%+\-]+@[A-Za-z0-9.\-]+\.[A-Za-z]{2,}\b")Você executaria isso no caminho de entrada de qualquer modelo. Por exemplo, antes de entregar texto para um motor no dispositivo, você faria safe, _ = redact(user_text) e enviaria safe, nunca a string bruta. A chamada do modelo em si é ilustrativa; o redator é a parte que você constrói e avalia. Conheça seus limites antes de confiar nele: padrões de dígitos produzem falsos positivos (um número de pedido como "#2026071234" parece um número de telefone) e perdem o que eles não descrevem (nomes, endereços de rua, números de conta escritos com espaços). Redação por Regex é uma primeira passagem barata; um sistema real adiciona um reconhecedor de entidades e, acima de tudo, envia ao modelo apenas os campos que a tarefa precisa.
Construa redact(text). Retorne uma tupla (masked_text, types) onde masked_text tem cada e-mail, telefone e cartão substituído por seu placeholder, e types é uma sorted lista dos tipos de entidade distintos encontrados (de "card", "email", "phone"). Texto limpo retorna inalterado com [].
Escreva redact(text) retornando (masked_text, types). Substitua cada e-mail por [EMAIL], número de telefone por [PHONE], e cartão de 16 dígitos por [CARD]; types é a lista ordenada de tipos distintos encontrados entre "card", "email", "phone". Uma string com um e-mail e um telefone retorna ambos mascarados e ['email', 'phone']; texto limpo volta inalterado com []; uma mistura de PII diferente gera um conjunto de tipos diferente.
Viu um problema nesta lição? Reporte-o · Pergunte sobre esta lição
Este exercício abre em breve
Termine a lição anterior para que esta seja desbloqueada. O curso inteiro é gratuito, não precisa de conta, e você pode ler esta lição agora mesmo.
Este navegador está bloqueando cookies para learn.floati.life, então as lições que você terminou aqui não podem abrir em ordem. Permita cookies para este site e recarregue.