Chương trình học Bài 89 trên tổng số 156 · AI riêng tư
AI riêng tư

Che trước khi nó rời đi

Vì sao điều này quan trọng Đôi khi bạn thật sự cần một AI đám mây, hay một phiếu hỗ trợ, hay một tệp nhật ký chia sẻ với đồng nghiệp. Che thông tin (redaction) nghĩa là gỡ bỏ các chi tiết cá nhân trước, để thứ rời thiết bị của bạn là phần hữu ích, không phải phần riêng tư. Bạn sẽ xây một bộ che nhỏ mà bạn thật sự có thể dùng.

Cây bút dạ đen

Trước khi chia sẻ một tài liệu, người ta từng tô đè lên tên và số bằng một cây bút dạ đen dày. Che thông tin bằng mã cũng là ý tưởng đó: tìm các mẩu cá nhân và đổi chúng lấy một chỗ giữ chỗ như [EMAIL], để người đọc vẫn biết một thứ gì đó từng ở đó mà không biết đó là gì.

Che thông tin (redaction): thay các phần nhạy cảm của một văn bản bằng chỗ giữ chỗ trước khi văn bản được chia sẻ.

Dữ liệu cá nhân: bất cứ thứ gì chỉ tới một người thật, như tên, địa chỉ email, số điện thoại hay số tài khoản.

Một công cụ mới: biểu thức chính quy

Để tìm "bất cứ thứ gì trông như một email", ta cần một cách mô tả một hình dạng của văn bản, không phải một văn bản chính xác. Đó là điều một biểu thức chính quy (gọi tắt là regex) làm. Mô-đun re có sẵn của Python xử lý chúng.

Biểu thức chính quy (regular expression): một ngôn ngữ mẫu nhỏ để mô tả hình dạng của văn bản. \d nghĩa là "một chữ số", + nghĩa là "một hoặc nhiều cái phía trước", và [A-Za-z] nghĩa là "một chữ cái".

Đây là những mảnh duy nhất bạn cần hôm nay:

MảnhNghĩa làVí dụ khớp
\dmột chữ số7
\smột dấu cách (hay tab, hay dòng mới)
[abc]bất kỳ một ký tự nào bên trongb
+một hoặc nhiều mảnh phía trước\d+ khớp 2026
{6,}sáu hoặc nhiều mảnh phía trước\d{6,} khớp 1234567
?mảnh phía trước là tùy chọn\+? khớp một dấu cộng hoặc không gì
\bmột ranh giới từ (đầu hay cuối một từ)\bAnn\b bỏ qua "Annual"

Hai hàm làm việc này. re.sub(pattern, replacement, text) trả về một văn bản mới với mọi chỗ khớp bị thay thế. Và thay vì một chuỗi thay thế cố định bạn có thể truyền một hàm: Python gọi nó cho mỗi chỗ khớp và dùng bất cứ thứ gì nó trả về. Điều đó cho phép bạn quyết định từng chỗ khớp một.

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"..." phía trước mẫu là một chuỗi thô (raw string): nó bảo Python để yên các dấu gạch chéo ngược để regex thấy chúng. re.compile biến một mẫu thành một đối tượng dùng lại được; bạn cũng có thể truyền thẳng chuỗi mẫu cho re.sub.

Cái khó: số điện thoại

Số điện thoại có nhiều hình dạng: +44 7700 900123, (555) 010-4477, 555.010.9988. Một mẫu lỏng bắt được tất cả, nhưng nó cũng bắt cả ngày tháng như 2026-10-30. Mẹo là hai bước: khớp lỏng, rồi đếm các chữ số trong một hàm. Phần lớn số điện thoại đầy đủ có 9 chữ số trở lên, trong khi một ngày như thế này có 8, nên trong bài này ta dùng "9 chữ số trở lên" làm quy tắc. Nếu một chỗ khớp có quá ít chữ số, trả nó lại không đổi. Các bộ che thật cần cẩn thận hơn, vì một số quốc gia dùng số ngắn hơn.

Một hiểu lầm phổ biến

"Che thông tin làm văn bản ẩn danh." Nó gỡ các định danh hiển nhiên, nhưng ngữ cảnh vẫn có thể làm lộ ai đó: "cô y tá thuận tay trái duy nhất ở khoa 3" không nêu tên ai mà vẫn chỉ tới một người. Che thông tin làm giảm rủi ro; nó không loại bỏ rủi ro. Che quá tay (xóa trắng một số đơn hàng dài như thể nó là số điện thoại) là kiểu sai lầm an toàn.

Trong các ngôn ngữ khác

JavaScript: cùng regex đó hoạt động, và replace cũng nhận một hàm.

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: gói regexp có 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
})

Tóm tắt

  • Che thông tin đổi các chi tiết cá nhân lấy chỗ giữ chỗ trước khi văn bản rời thiết bị của bạn.
  • Biểu thức chính quy mô tả hình dạng của văn bản; re.sub thay thế mọi chỗ khớp.
  • Truyền một hàm cho re.sub cho phép bạn quyết định từng chỗ khớp, ví dụ bằng cách đếm chữ số.
  • Che thông tin làm giảm rủi ro nhưng không làm văn bản ẩn danh; ngữ cảnh vẫn có thể xác định người.
Đến lượt bạn

Viết một hàm redact(text, names=()) trả về một chuỗi mới trong đó:

  1. mọi địa chỉ email được thay bằng [EMAIL];
  2. mọi số điện thoại được thay bằng [PHONE]. Coi là số điện thoại bất kỳ chuỗi nào bắt đầu bằng một + hoặc ( tùy chọn, rồi một chữ số, tiếp tục với chữ số, dấu cách, dấu chấm, dấu gạch ngang hay dấu ngoặc, kết thúc bằng một chữ số, và chứa ít nhất 9 chữ số. Các chuỗi có ít chữ số hơn (ngày tháng như 2026-10-30, giờ, giá tiền) giữ nguyên;
  3. mọi tên trong names được thay bằng [NAME], không phân biệt hoa thường, nhưng chỉ khi là một từ trọn vẹn (tên Ann không được làm thay đổi "Annual").
Thay email trước, rồi số điện thoại, rồi tên. Mọi thứ khác trong văn bản phải giữ y nguyên. Chạy redact hai lần phải cho cùng kết quả như chạy một lần. Ở cuối, in redact("Call Maya on +44 7700 900123 or maya@shopa.example", ["Maya"]).

Bạn thấy vấn đề gì trong bài học này? Hãy báo cáo nó · Hỏi về bài học này

Bài tập này sẽ sớm mở.

Hoàn thành bài học trước đó để mở khóa bài này. Toàn bộ khóa học là miễn phí, không cần tài khoản, và bạn có thể đọc bài học này ngay bây giờ.