ARTICLE · 1364804
用于文档脱敏的WorkBuddy技能,内置工程项目脱敏策略

有朋友找你要一份过去的文档参考一下。你翻了翻手里的资料,觉得哪一份都不合适,里面都有敏感信息,发出去不合适。
怎么办?你需要一个脱敏工具!
我们做了这么一项技能。除去常见的脱敏策略(中文姓名、身份证号、固定电话、手机号码、地址、电子邮箱、密码、车牌号、银行卡号),还针对工程相关的信息,进行了专门的处理。
工程名称、地点、时间、人员,这些有特指含义的信息,一律脱敏。
另外,我们对写在文档属性里的作者、最后修改人、创建时间、修订号,也采用了抹除处理。
这样出来的文档,才敢往外发。
支持的格式
输入文档包括 md / txt / csv / json / html、docx / xlsx / pptx、PDF(文字型 + 扫描型)等多种格式。
通用脱敏规则
中文姓名:只显示第一个汉字,其余用 2 个星号代替,如 刘**。 身份证号:保留前 1 位和后 2 位,如 5***************11。 固定电话:保留前 4 位和后 2 位,如 0288*****22。 手机号码:保留前 3 位和后 4 位,如 132****5917。
其他不再一一列举。
针对工程项目的脱敏规则
- 抹特指、留通名
如 xxxxxxxxx 管道扩建工程(xxxxx 干线、xxx 支线、xx 支线)x 标段。 遵循清单计价规范的部分不脱敏:工程量、清单代码这类标准内容,照原样保留。
针对 Excel 文件的特殊处理
工作表名常带地名。如:甲县、乙县脱敏后都变成 xx,Excel 里原有的公式就会断链或出错。
针对这种情况,技能给每个词单独指定掩码,比如:一个用 x4,一个用 x5。同时核对工作表标签、属性里的表名列表、公式引用三者是否一致,杜绝脱敏后公式混乱。
针对扫描型(图片)PDF 的特殊处理
PDF 分两种走法。文字型页面拿得到每个字的位置,抹掉原文,原位写回掩码。但扫描型页面,整页就是一张图。
技能调用 OCR 识别图片文字,一旦发现敏感词或图章,就把原图抠出来,清空页面内容流、让旧对象被回收,再插入涂白后的图。回填的掩码单独定位写入。
最后基于处理后的像素重新跑一遍 OCR校验,确保不出错。
输出成果
技能安装后,由python脚本完成脱敏工作,保证稿件安全。技能运行几乎不花费WorkBuddy积分。
技能运行完成后,会在同目录输出一份脱敏后的文档,和一份 report.md报告脱敏规则运行的具体情况。
如何获得这项技能
在 WorkBuddy 的技能窗口搜索 "文档脱敏与去标识化",或 "officedoc-tuoming",找到后安装即可。
也可以直接点这个地址:打开分享页安装
https://www.workbuddy.cn/share/asset?shareCode=xXJbKLFHqXTwDIyM5EAeDG&sig=V5oTuqspZgh0rMpJ
关注修闲馆,闲度岁月,静赏山河















































































