Скрыть, прежде чем отправить
Почему это важно Иногда облачный ИИ действительно нужен, или обращение в поддержку, или лог-файл, которым надо поделиться с коллегой. Маскирование данных означает сначала убрать персональные подробности, чтобы с устройства уходила полезная часть, а не личная. Вы построите небольшой маскировщик, которым действительно можно пользоваться.
Чёрный маркер
Прежде чем поделиться документом, люди проводили по именам и номерам толстым чёрным маркером. Маскирование в коде - та же идея: найти персональные кусочки и заменить их меткой вроде [EMAIL], чтобы читатель знал, что что-то там было, но не узнал, что именно.
Маскирование: замена чувствительных частей текста метками, прежде чем текстом поделятся.
Персональные данные: всё, что указывает на реального человека, например имя, адрес почты, номер телефона или номер счёта.
Новый инструмент: регулярные выражения
Чтобы найти "всё, что похоже на адрес почты", нужен способ описать форму текста, а не один точный текст. Именно это делает регулярное выражение (сокращённо regex). Встроенный в Python модуль re с ними работает.
Регулярное выражение: небольшой язык шаблонов для описания формы текста. \d означает "одна цифра", + - "одно или больше того, что перед ним", а [A-Za-z] - "одна буква".
Сегодня вам понадобятся только эти части:
| Часть | Означает | Пример совпадения |
|---|---|---|
\d | одна цифра | 7 |
\s | один пробел (или табуляция, или перевод строки) | |
[abc] | любой один из символов внутри | b |
+ | одно или больше предыдущей части | \d+ совпадает с 2026 |
{6,} | шесть или больше предыдущей части | \d{6,} совпадает с 1234567 |
? | предыдущая часть необязательна | \+? совпадает со знаком плюс или ни с чем |
\b | граница слова (начало или конец слова) | \bAnn\b пропускает "Annual" |
Работу делают две функции. re.sub(pattern, replacement, text) возвращает новый текст, где каждое совпадение заменено. А вместо фиксированной замены можно передать функцию: Python вызывает её для каждого совпадения и использует то, что она вернёт. Так можно решать для каждого совпадения отдельно.
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"..." перед шаблоном - это сырая строка: она говорит Python не трогать обратные косые черты, чтобы их увидел regex. re.compile превращает шаблон в объект, который можно использовать повторно; можно и передать строку шаблона прямо в re.sub.
Самое хитрое: номера телефонов
Номера телефонов бывают разной формы: +44 7700 900123, (555) 010-4477, 555.010.9988. Свободный шаблон ловит их все, но заодно ловит и даты вроде 2026-10-30. Хитрость в двух шагах: сначала свободное совпадение, затем подсчёт цифр в функции. В большинстве полных номеров телефонов 9 или больше цифр, а в такой дате - 8, поэтому в этом уроке наше правило - "9 или больше цифр". Если в совпадении слишком мало цифр, верните его без изменений. Настоящим маскировщикам нужно больше аккуратности, потому что в некоторых странах номера короче.
Распространённое заблуждение
"Маскирование делает текст анонимным." Оно убирает очевидные идентификаторы, но контекст всё равно может выдать человека: "единственная медсестра-левша в отделении 3" никого не называет, но указывает на одного человека. Маскирование снижает риск, но не убирает его. Чрезмерное маскирование (скрыть длинный номер заказа, будто это телефон) - безопасный вид ошибки.
На других языках
JavaScript: тот же regex работает, а replace тоже принимает функцию.
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: в пакете regexp есть 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
})
Итоги
- Маскирование заменяет персональные подробности метками, прежде чем текст покинет устройство.
- Регулярные выражения описывают форму текста;
re.subзаменяет каждое совпадение. - Если передать в
re.subфункцию, можно решать для каждого совпадения отдельно, например подсчитывая цифры. - Маскирование снижает риск, но не делает текст анонимным; контекст всё ещё может выдать людей.
Напишите функцию redact(text, names=()), которая возвращает новую строку, где:
- каждый адрес почты заменён на
[EMAIL]; - каждый номер телефона заменён на
[PHONE]. Считайте номером телефона любую последовательность, которая начинается с необязательного+или(, затем цифры, продолжается цифрами, пробелами, точками, дефисами или скобками, заканчивается цифрой и содержит не меньше 9 цифр. Последовательности с меньшим числом цифр (даты вроде2026-10-30, время, цены) остаются как есть; - каждое имя из
namesзаменено на[NAME]без учёта регистра, но только как целое слово (имяAnnне должно менять "Annual").
redact должен давать тот же результат, что и одинарный. В конце выведите redact("Call Maya on +44 7700 900123 or maya@shopa.example", ["Maya"]).
Заметили проблему в этом уроке? Сообщите о ней · Спросить об этом уроке
Это упражнение откроется скоро
Закончи предыдущий урок, чтобы открылся этот. Весь курс бесплатный, аккаунт не нужен, и ты можешь прочитать этот урок прямо сейчас.
Этот браузер блокирует cookies для learn.floati.life, поэтому завершенные здесь уроки не могут открыться по порядку. Разрешите cookies для этого сайта и перезагрузите страницу.