PII 检测与日志脱敏复核

目标与适用范围

在日志、文本和 PDF 中发现疑似个人信息，生成脱敏候选稿，校验标识符模式，并在共享前要求人工审批。
本指南将当前任务范围转化为可复核的交付结果。请保留源文件、中间产物和关键判断，让后续协作者能够理解检查了什么以及为什么这样处理。

准备证据并作出选择

• 仅处理已获授权的日志、导出、工单或文档，并按保留要求保存原始证据。

• 在遮盖或共享前明确复核政策、允许披露对象和人工审批负责人。

• 把自动结果视为排查辅助；它不能保证合规、法律充分性或完全去标识化。

• 决策点: 来源是结构化日志、普通文本还是 PDF？. 结构化日志先解析和分析，普通文档先抽取文本，PDF 只用于仍需视觉检查的复核副本。

• 决策点: 目标是识别风险，还是准备可共享副本？. 先用查找与校验工具建立暴露清单，再用遮盖和脱敏工具生成候选稿交由隐私或安全人员复核。

• 决策点: 数据是否包含受监管或高风险标识符？. 银行卡、银行标识、护照、令牌、电话、邮箱和 IP 地址都需要更严格的证据记录和人工结论。

按步骤完成工作流

1. 解析并抽取来源

把日志行、结构化记录和文档文本整理成可复核证据，同时保留原始文件或导出用于审计比对。 使用 log-parser, structured-log-analyzer, text-extractor.

2. 绘制敏感字段地图

查找直接 PII、重复模式和异常令牌值，再决定哪些内容必须遮盖或升级处理。 使用 pii-finder, multi-pattern-matcher, text-pattern-stats, jwt-decoder-security-auditor.

3. 校验高风险标识符

检查抽取出的邮箱、电话、IP、卡号、银行标识和疑似护照值，帮助复核人区分可能标识符与噪声。 使用 bulk-email-extractor, phone-number-extractor, ip-address-extractor, batch-email-validator, global-phone-validator, credit-card-validator, iban-swift-validator, passport-validator.

4. 生成脱敏候选稿

遮盖敏感文本和日志字段，准备 PDF 复核副本与匿名化报告，但不要把自动输出视为最终结果。 使用 sensitive-data-masker, log-redactor, pdf-redaction-helper, pdf-anonymizer-report.

5. 执行人工审批

将候选稿与原文比对，抽查漏报和误报，记录残余风险，并仅在负责人批准后发布。 使用 pii-finder, sensitive-data-masker, pdf-anonymizer-report.

交付前验收结果

• 脱敏前已记录来源类型、保留边界、复核人和披露对象。
• 疑似邮箱、电话、IP、支付标识、护照、银行标识和 JWT 密钥已被检测或明确排除。
• 任何脱敏输出在共享前都必须与原始证据比对并经过人工复核。
• 最终记录明确说明自动化不能保证合规或完全去标识化。

常见问题

• 这个工作流能证明文件合规或已完全匿名化吗？ 不能。它只提供排查证据和脱敏候选稿。是否符合具体政策、法律和共享场景，必须由合格的人工复核人判断。
• 为什么抽取后还要校验标识符？ 校验可以帮助区分更可能真实存在的标识符和偶然命中的模式，但格式有效仍不证明身份、归属、同意或法律状态。
• 遮盖后的结果可以马上共享吗？ 不可以。日志或 PDF 脱敏稿必须与原始证据比对并人工批准，因为自动化可能遗漏上下文、嵌入图片、罕见标识符和间接标识符。