Data Desensitization Skill (v3)

能力概述

對任意格式的資料執行隱私脫敏，內建中國個人隱私識別規則，支援使用者追加自定義欄位和策略。

v3 核心升級：

• 策略登錄檔（StrategyRegistry）：6 種內建策略，支援執行時註冊自定義策略
• XML 標籤名匹配：<password>secret</password> 現在也能命中
• YAML 引號保留：password: "secret" → password: "[REDACTED]"，引號不丟失
• YAML 列表項脫敏：- 手機13812345678 也會被掃描
• INI/Properties 合併基類：消除程式碼重複，保留原始分隔符（= / :）
• Log 引擎修復：custom_fields 不再遺漏
• JSON 格式保持：單行 JSON 輸出仍為單行
• 中文寬度感知：姓名脫敏 張三 → 張*，視覺對齊更準確

支援的檔案格式

格式自動檢測：根據副檔名自動選擇引擎，也可用 --format 強制指定。

工作流程

Phase 1：分析資料與需求

1. 判斷使用者輸入的資料型別（文本片段 / 檔案路徑）。
2. 如為檔案，自動檢測格式（支援 10+ 種副檔名）。
3. 確認是否有自定義欄位要求（如使用者說"把 company_id 也脫敏"）。
4. 如使用者未指定策略，採用預設規則（見 references/desensitize_rules.md）。

在分析時，讀取 references/desensitize_rules.md 以瞭解完整的內建規則和欄位關鍵詞對映。

Phase 2：選擇執行方式

根據資料規模和複雜度，選擇以下兩種方式之一：

方式 A：呼叫指令碼（推薦，適合檔案和大量資料）

使用 scripts/desensitize.py 指令碼處理。系統 Python 命令為 python3。

常用命令示例：

# 脫敏自由文本
python3 ~/.workbuddy/skills/data-desensitization/scripts/desensitize.py \
  --text "手機：13812345678，郵箱：user@example.com"

# 自動脫敏 JSON 檔案（含文本值正則掃描）
python3 ~/.workbuddy/skills/data-desensitization/scripts/desensitize.py \
  --file /path/to/data.json --auto --show-hits

# 脫敏 YAML 配置檔案
python3 ~/.workbuddy/skills/data-desensitization/scripts/desensitize.py \
  --file /path/to/config.yaml --fields "password:remove,api_key:remove" --show-hits

# 脫敏 XML 檔案（標籤名 + 屬性雙重匹配）
python3 ~/.workbuddy/skills/data-desensitization/scripts/desensitize.py \
  --file /path/to/data.xml --auto --output data_masked.xml

# 脫敏 Markdown（程式碼塊保護）
python3 ~/.workbuddy/skills/data-desensitization/scripts/desensitize.py \
  --file /path/to/readme.md --auto --show-hits

# 脫敏日誌檔案
python3 ~/.workbuddy/skills/data-desensitization/scripts/desensitize.py \
  --file /path/to/app.log --auto --output app_masked.log

# 脫敏 INI 配置（保留原始分隔符）
python3 ~/.workbuddy/skills/data-desensitization/scripts/desensitize.py \
  --file /path/to/settings.ini --fields "db_password:remove"

# 僅欄位名匹配，關閉正則掃描
python3 ~/.workbuddy/skills/data-desensitization/scripts/desensitize.py \
  --file /path/to/data.json --auto --no-regex --show-hits

# Dry Run：僅檢視哪些欄位會被命中
python3 ~/.workbuddy/skills/data-desensitization/scripts/desensitize.py \
  --file /path/to/data.json --auto --dry-run

# 列出所有支援的格式
python3 ~/.workbuddy/skills/data-desensitization/scripts/desensitize.py --list-formats

# 列出所有脫敏策略
python3 ~/.workbuddy/skills/data-desensitization/scripts/desensitize.py --list-strategies
本技能來自小蔥技能站7w4.net。

指令碼引數速查：

方式 B：內聯處理（適合小段文本或簡單結構）

當用戶貼上的資料量很小（< 50行 / < 3KB），直接在回覆中完成脫敏並展示結果，無需呼叫指令碼。

內聯處理規則（按優先順序）：

1. 手機號 → 138****5678（前3後4）
2. 身份證 → 1101**********1234（前4後4）
3. 郵箱 → u***@e***.com
4. 銀行卡號 → 6222********7890（前4後4）
5. 密碼/Token → [REDACTED]
6. 姓名 → 張*（保留姓氏）
7. IP 地址 → ***.***.***.***
8. 地址 → 上海市***

Phase 3：輸出結果

1. 脫敏後的資料：完整展示脫敏結果。
2. 命中摘要：列出被脫敏的欄位/規則及數量。
3. 策略說明（可選）：如使用者詢問，解釋各欄位採用的策略及原因。
4. 輸出檔案：如使用者提供了檔案路徑，說明脫敏後文件的儲存位置。

支援的脫敏策略

策略登錄檔支援執行時擴充套件：通過 STRATEGY_REGISTRY.register(name, fn) 新增自定義策略。

預設隱私欄位覆蓋範圍

內建自動識別以下欄位（文本正則和欄位名雙重檢測）：

• 通訊類：手機號、固話、郵箱
• 證件類：身份證、護照、駕照（通用18位格式）
• 金融類：銀行卡號、賬號、薪資收入
• 憑證類：密碼、金鑰、Token、API Key（預設 remove）
• 位置類：家庭地址、IP 地址
• 人員類：姓名、使用者名稱
• 時間類：生日、出生日期

詳細規則和欄位關鍵詞對映見 references/desensitize_rules.md。

格式特殊處理

JSON：雙重脫敏 + 格式保持

• 欄位名匹配 + 文本值正則掃描
• 單行保持：原始 JSON 為單行時，輸出仍為單行
• 空值（""、null）不觸發脫敏

XML：標籤名 + 屬性 + 文本

• 標籤名匹配：<password>secret</password> → <password>[REDACTED]</password>
• 屬性匹配：<user phone="13812345678"/> → phone 欄位命中
• 引號型別保留：原始用雙引號就保留雙引號

YAML：引號保留 + 列表項

• 引號包裹保留：password: "secret" → password: "[REDACTED]"
• 列表項脫敏：- 手機13812345678 也會被掃描
• 中文 key：使用者: 形式的 key 正常解析
• 行級解析，無需 PyYAML 依賴

Markdown：程式碼塊保護

正文區域的隱私資訊會被脫敏，但程式碼塊（```圍欄和行內程式碼）內容保持原樣。

INI/Properties：分隔符保留

• 保留原始分隔符（= 或 :）
• 註釋行和空行原樣保留
• 程式碼結構合併為 _KvLineEngine 基類

日誌：格式保留

逐行正則掃描，保留時間戳、日誌級別等結構資訊。custom_fields 邏輯已修復。

常見場景處理

場景1：使用者貼上一段含隱私的文本

→ 直接使用內聯方式處理，展示脫敏前後對比。

場景2：使用者上傳/指定 JSON 檔案

→ 呼叫指令碼 --file xxx.json --auto --show-hits，輸出脫敏結果。

場景3：使用者要求對 YAML 配置脫敏

→ 呼叫指令碼 --file config.yaml --auto --show-hits。

場景4：使用者要求對特定欄位脫敏

→ 解析使用者指定欄位，構建 --fields 引數，呼叫指令碼。

場景5：使用者要求脫敏後儲存新檔案

→ 在原檔名末尾追加 _masked，使用 --output 引數寫入。

場景6：使用者說"只脫敏手機和郵箱，不要改其他的"

→ 使用 --no-auto --fields "phone:mask,email:email_mask" 關閉自動檢測，僅處理指定欄位。

場景7：使用者上傳日誌檔案

→ 呼叫指令碼 --file app.log --auto --output app_masked.log。

場景8：使用者上傳 Markdown 文件

→ 呼叫指令碼 --file doc.md --auto，程式碼塊自動保護。

場景9：使用者上傳 XML 資料

→ 呼叫指令碼 --file data.xml --auto，標籤名+屬性雙重匹配。

注意事項

• 脫敏操作不可逆，執行前可先執行 --dry-run 確認影響範圍。
• 處理敏感檔案時，建議在告知使用者後再寫入磁碟。
• 超大檔案（> 100MB）建議先詢問使用者是否分批處理。
• 如使用者需要可逆加密（而非不可逆脫敏），說明這超出本 Skill 範圍，建議使用對稱加密方案。
• XML 引擎使用正則解析，超複雜巢狀 XML（如 SOAP 訊息）建議先用文本模式預覽。
• YAML 引擎為純 Python 實現，不支援多行字串摺疊、錨點引用等高階特性。

這個 Skill 質量不錯，功能齊全，支援多種檔案格式的智慧脫敏，能自動識別手機號、身份證、郵箱等常見隱私資訊，處理中文資料也比較友好。對於日常隱私保護需求來說足夠用了。不足之處是極端複雜的資料結構可能支援有限，大檔案處理能力一般。如果你只是普通辦公使用，它完全能勝任；如果要處理專業級資料安全場景，可能還需要更完善的方案。