data_masking

数据脱敏工具。对结构化数据中的敏感字段进行字符遮蔽脱敏，保留字段位置并用遮蔽字符替换手机号、身份证、姓名、邮箱、银行卡等内容。当用户提到数据脱敏、隐私保护、敏感字段遮蔽、PII 处理等需求时使用此 skill。与 privacy_token_remover 区分开：本 skill 负责字段级遮蔽，不负责删除文本中的隐私标识，也不负责生成假数据。

Data Masking 数据脱敏 Skill

功能概述

本 skill 用于对结构化数据中的敏感信息进行脱敏处理，使用字符遮蔽模式（如 138****5678）。如需用假数据替换敏感信息，请使用 data_faker。

触发条件

当用户请求以下任务时，应使用此 skill：

数据脱敏
隐私保护
敏感信息处理
数据匿名化
PII（个人可识别信息）处理

核心参数说明

必需参数

--input：输入文件路径
--output：输出文件路径
--masking_rules：脱敏规则，格式为 字段名:脱敏类型

可选参数

--mask_char：脱敏替换字符，默认 *

输入文件格式

支持 CSV、TSV、Excel 等结构化数据。

使用方法

python scripts/run_data_masking.py \
  --input data.csv \
  --output masked.csv \
  --masking_rules "phone:phone,idcard:idcard,name:name"

python scripts/run_data_masking.py \
  --input data.csv \
  --output masked.csv \
  --masking_rules "email:email" \
  --mask_char "#"

输出示例

[OK] Data masking completed!
   Input file: data.csv
   Output file: masked.csv
   Total rows: 1000
   Masking rules applied:
     - phone: phone (1000 values masked)
     - idcard: idcard (1000 values masked)
     - name: name (1000 values masked)
   Mode: mask (char: *)

脱敏效果示例

原始值	脱敏后
`13812345678`	`138****5678`
`110101199001011234`	`110101********1234`
`张三`	`张*`
`test@example.com`	`te**@example.com`
`user@example.com`	`us**@example.com`

环境要求

pip install pandas openpyxl

注意事项

脱敏规则格式必须正确：字段名:脱敏类型
字段名必须存在于数据中
脱敏后的数据不可逆，请备份原始数据
建议在测试环境验证脱敏效果后再处理生产数据