四种方法
删除：直接去掉。最彻底，但也最容易破坏可用性，删了地址就没法做区域分析。
替换：换成同类型的假值。姓名换姓名，电话换电话。适合要保留格式的场景。
泛化：把精确值变成范围。年龄三十四改成三十到四十，地址精确到区。适合统计分析。
假名化：用一个编号代替身份，映射表单独存。适合需要关联同一人的多条记录。
| 方法 | 适合 | 代价 |
|---|---|---|
| 删除 | 字段本身没用 | 信息丢失 |
| 替换 | 要保持格式 | 可能被反推 |
| 泛化 | 统计分析 | 精度下降 |
| 假名化 | 跨记录关联 | 映射表要管好 |
三个失效案例
组合还原。姓名删了，但部门、职级、入职年份、负责区域都留着，同事一看就知道是谁。
上下文泄露。正文脱敏了，附件名是“某某公司报价单”，或者文档属性里带着作者名。
假名化没管好映射表。编号和身份的对照表存在同一个文件里，等于没脱敏。
三个案例的共同点：只处理了显式字段，没处理组合关系和周边信息。
流程：先识别，再处理
识别放在第一步。用规则加人工：正则找手机号、身份证、银行卡，人工找姓名、公司名、项目代号。
规则找不全，尤其是姓名和公司名。所以小批量一定要人工过一遍，别指望工具。
姓名识别尤其难。中文姓名没有固定格式，“张伟”可能是人名也可能是店名。
处理完做一次“陌生人测试”：把材料给一个不相关的同事，问他能不能猜出涉及谁。猜得出，说明脱敏不够。
这个测试比任何 checklist 都直接。
测试要找不熟悉这个项目的人。熟悉的人会自动补全信息，测不出问题。
脱敏之后的边界
脱敏不等于可以公开。它降低的是识别风险，不是使用授权。
内部材料脱敏后，仍然是内部材料。上传到外部服务前，还是要看条款、看级别。
还有一条：脱敏后的数据如果和原始数据存在同一个库里，等于没脱。要么物理分开，要么访问权限分开。
还有一种：脱敏后的数据和原文在同一个搜索索引里，搜一下就出来了。
还有，脱敏记录要留。谁处理的、什么规则、什么时候，出了问题能追溯。
常见问题
用 AI 自动脱敏靠谱吗？
能找出格式化的字段，姓名和公司名容易漏。让它做初筛，人工复核，别全自动。
假名化的映射表放哪？
单独存，权限单独控。和脱敏后的数据放在一起，等于没做。
脱敏后能对外发布吗？
还要看内容本身。脱敏解决身份识别，不解决事实准确性和授权问题。
同栏目继续读
安全合规数据分三级：哪份文件能传给 AI，一句话判断
数据分级看内容不看文件名：公开、内部、敏感三级。找最敏感的那一行，找到了就按敏感处理，这一条比清单好用。定级由业务和法务一起做，一个人拍板容易漏。
安全合规隐私条款只看五句话：你的数据会不会被拿去训练
几十页的隐私条款，哪五句真正管用？是否用于改进、保留多久、有没有人工查看、存哪、怎么删，缺一句就按最坏算。阅读顺序按风险排，先看训练那一条。
安全合规三类事实必须回原文：数字、条款号、人名
AI幻觉集中在三类事实：数字、条款号、人名引用。核查动作三个：只喂原文、要求标出处、材料里没有就说没有。条款号那类最像真的，也最容易蒙过去。