Программа курса Урок 89 из 156 · Приватный ИИ
Приватный ИИ

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:

ЧастьОзначаетПример совпадения
\dодна цифра7
\sодин пробел (или табуляция, или перевод строки)
[abc]любой один из символов внутриb
+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
\bграница 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.sub заменяет каждое совпадение.
  • Если передать в re.sub функцию, можно решать для каждого совпадения отдельно, например подсчитывая цифры.
  • Маскирование снижает риск, но не делает текст анонимным; контекст всё ещё может выдать людей.
Твоя очередь

Напишите функцию redact(text, names=()), которая возвращает новую строку, где:

  1. каждый адрес почты заменён на [EMAIL];
  2. 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 вроде 2026-10-30, время, цены) остаются как есть;
  3. каждое имя из names заменено на [NAME] без учёта регистра, но только как целое слово (имя Ann не должно менять "Annual").
Сначала заменяйте адреса почты, затем телефоны, затем имена. Всё остальное в тексте должно остаться в точности тем же. Двойной запуск 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.