智能自动脱敏工具 · 全景指南

1能力总览

该技能是一个被动库——需要显式调用才生效，不会自动拦截对话。它提供三个入口方法：

2文本脱敏规则 desensitize_text

源码写死 5 条正则，按固定顺序执行：手机 → 身份证 → 邮箱 → 银行卡 → IP。 这是唯一在自由文本里能自动识别的类型集合。

🎯 实时感知演示（浏览器内复刻上述规则，无需安装）

在下面粘贴任意文本，点击"脱敏"，即可看到各类型被对应颜色高亮并遮盖。规则与 Python 实现一致（顺序与重叠处理相同）。

3JSON 脱敏规则 desensitize_json

与文本不同，JSON 模式按字段名命中（大小写不敏感 + 子串匹配），再按值的形态选遮蔽方式。因此它能在文本模式之外，再多脱好几类。

3.1 默认命中字段名（源码第 135–144 行）

3.2 值的遮蔽逻辑（_mask_value，第 180–220 行）

命中字段后，按值的"长相"选遮蔽方式——如果值本身就是手机/邮箱/身份证/银行卡/IP，就用对应类型化遮盖；否则：

• 值形如纯数字且 ≤12 位 → 金额遮蔽 ***.**
• 长度 ≤ 2 → *（全遮，如短姓名、密码）
• 长度 ≤ 4 → 首字 + **（如 张三 → 张**）
• 更长 → 首字 + ** + 尾字（通用占位）

3.3 容错

传入非合法 JSON 时，自动回退为 desensitize_text 处理。注意：该方法只接受JSON 字符串，直接传 dict 会报错。

4图像脱敏 desensitize_image_base64

这是"文字与图像都支持"的核心。把图片（base64）交给 DeepLearningDesensitizer，对检测到的敏感区域做高斯模糊。

4.1 处理流程

4.2 文字脱敏

用 EasyOCR（优先）或 PaddleOCR（备选）检测文字框，对每个框做高斯模糊，模糊半径 = blur_strength // 6（默认强度 51 → 半径约 8.5）。

4.3 人脸脱敏

优先用 OpenCV Haar 级联分类器检测人脸并模糊；若没有 OpenCV，会回退到 _simple_face_blur——而该方法实际直接返回原图（不做任何处理），即"无 opencv 时人脸不脱敏"。

4.4 例子

5工作流程（检测 → 脱敏 → 复检）

要让"脱敏起作用"可被感知，关键是在调用处把脱敏前 / 脱敏后 + 命中统计亮出来。推荐使用随技能附带的 desensitize_demo.py 闭环：

1. 检测（预扫描）：用同样的 5 条正则扫描原文，标出敏感实体并计数（重叠去重，更长优先，等长按类型优先级）。
2. 脱敏：调用 SmartDesensitizer().desensitize_text / _json，产出遮盖后的文本。
3. 复检（再扫描）：对脱敏结果再做一次正则扫描，确认残留为 0——这是最硬核的"生效证据"。
4. 输出对照：终端彩色前后对比 + 统计；或生成 HTML 左右对照报告。

终端输出样例

[检测] 原文敏感信息: 5 处  {手机1, 身份证1, 邮箱1, 银行卡1, IP1}
【脱敏前】…13812345678…110101199003071234…（敏感词彩色高亮）
【脱敏后】…138****5678…110101********1234…
[复检] 脱敏后残留: 0 处  ✅ 已全部清除
[结果] 本次已脱敏 5 处敏感信息 🛡️

6边界与坑（务必知悉）

7示例对照

7.1 文本

7.2 JSON

# 输入
{"name":"李四","phone":"13900001111","id_card":"110101199001011234",
 "email":"li@x.com","password":"mypass123","bank_card":"6222021234567890123",
 "address":"北京市海淀区中关村大街1号","salary":"25000"}

# 输出（字段名命中 + 值形态遮蔽）
{"name":"李**","phone":"139****1111","id_card":"110101********1234",
 "email":"l***@x.com","password":"*****","bank_card":"****0123",
 "address":"北*******************","salary":"***.**"}

7.3 图像（描述，本地未运行）

输入含证件照的截图 → 输出同一张图，但姓名文字框、人脸区域、手机号文字框均被高斯模糊为色块，背景保持清晰。详见第④节。

8使用与感知

8.1 直接调用技能

import sys; sys.path.insert(0, "~/.workbuddy/skills/image-text-desensitization")
from smart_desensitize_skill import SmartDesensitizer
d = SmartDesensitizer()
d.desensitize_text("我的手机号13812345678")        # 文本
d.desensitize_json('{"phone":"13812345678"}')         # 传 JSON 字符串
d.desensitize_image_base64(img_b64)                   # 图片（需额外依赖）

8.2 感知工具 desensitize_demo.py（随本工作区提供）

# 文本
python desensitize_demo.py "我的手机号13812345678，身份证110101199003071234"
# JSON
python desensitize_demo.py -j '{"name":"李四","phone":"13900001111"}'
# 生成左右对照 HTML 报告
python desensitize_demo.py "..." --html report.html

该工具已修复：① 正则重叠导致的计数虚高（去重后贴近真实实体数）；② 自动初始化在 cwd 落文件的问题（try/finally 自动清理）。