这篇写给已经会用 AI 隐私数据脱敏、希望再进一步的读者。理解原理是关键：很多 AI 任务并不需要真实的敏感信息也能完成；用代号或虚构信息替换后，AI 仍能理解结构和逻辑，而真实数据不会离开你的控制。

脱敏的核心问题是“这个任务真的需要这条信息吗”。分析离职原因不需要员工姓名，检查合同条款不需要对方公司的真实名称，写客户回复不需要客户的手机号。大多数时候，答案是不需要。养成先问这个问题的习惯，比任何技术手段都更有效。

技巧 1：制作一份团队通用的脱敏规则表

制作一份团队通用的脱敏规则表，降低每个人的判断成本。这一条在团队协作中尤其有用。

技巧 2：对重复性任务

对重复性任务，可以用脚本或表格公式批量脱敏。做到这一点，结果的稳定性会明显提高。

技巧 3：让 AI 只看结构和少量虚构样例

让 AI 只看结构和少量虚构样例，真实数据在本地处理。建议先在一个小任务上试用，确认效果后再推广。

技巧 4：了解所用 AI 工具的数据政策和隐私设置

了解所用 AI 工具的数据政策和隐私设置。建议先在一个小任务上试用，确认效果后再推广。

技巧 5：对高度敏感的资料

对高度敏感的资料，考虑使用本地模型处理。这一条在团队协作中尤其有用。

一个进阶场景

举个虚构的例子：一位医生想用 AI 帮忙整理一份病例讨论的要点。他没有直接上传病历，而是把患者信息替换为“患者，中年男性”，删除了姓名、住院号和日期，只保留与讨论相关的临床信息。整理结果满足了讨论需要，也符合医院对患者隐私的规定。

有自动脱敏的工具吗？ 有一些工具和脚本可以识别常见的敏感信息，但仍需人工检查。

进阶模板

下面的模板综合了以上技巧，可以按大学生等不同场景替换内容：

脱敏规则表（在本地执行，不上传原始数据）：
| 信息类型 | 示例 | 处理方式 | 替换格式 |
| 姓名 | 张三 | 代号替换 | 人员A、人员B（同一人保持一致）|
| 手机号 | 138xxxx | 删除 | [手机号] |
| 证件号 | — | 删除 | [证件号] |
| 地址 | 某路某号 | 模糊化 | 只保留城市 |
| 金额 | 具体数字 | 视任务决定 | 保留量级或按比例缩放 |
| 公司名 | 客户公司 | 代号替换 | 公司甲、公司乙 |
对照表单独保存在本地，不随资料一起发送。

进阶使用时仍要避免

  • ✗ 以为脱敏后就可以随意使用。 ✓ 仍要遵守公司规定和相关法律法规。
  • ✗ 把对照表和资料一起发送。 ✓ 对照表只保存在本地。

可以组合的技能

  • 本地运行大模型：本地运行大模型是在自己的电脑或服务器上下载并运行开源或开放权重的模型，常见的工具有 Ollama 等。
  • 智能体安全：智能体安全是在使用能够操作工具、文件和账号的 AI 时，通过最小权限、操作确认、环境隔离、日志审计等方式控制风险。

衡量是否真的进步

一个简单的标准：同类任务需要的修改轮次是否减少，结果是否更稳定。如果答案是肯定的，说明你的隐私数据脱敏已经进阶；如果没有，回到基础步骤检查哪里写得不够具体。

相关阅读