個人資料脫敏審查（privacy-audit）
用途
對本地技能包、程式碼庫、資料目錄執行個人資料脫敏合規審查，產出分級問題清單與標準審查報告。基於中國法域：《個人資訊保護法》（主席令第91號）、《資料安全法》、《網路安全法》（2025修正）、GB/T 35273-2020、GB/T 45574-2025（2025-11-01 實施）、GB/T 43697-2024、《個人資訊保護合規審計管理辦法》（2025-05-01 施行）等。審查從嚴：凡無明確依據允許的處理一律按「不得」執行。
適用場景：AI 技能/程式碼/文件發佈前安全檢查、資料集對外分享前脫敏核驗、日誌與配置洩漏排查、合規審計報告產出。 定位區分：本技能是「審查/審計」（發現 + 分級 + 整改建議 + 依據索引），不是「脫敏執行器」。需要直接遮罩/替換資料的場景請使用脫敏工具類技能；本技能負責在事前判定「該不該發、哪裡違規、依據哪條法規」。 商業化定位（v1.2.0）：面向「AI 技能/應用發佈前合規自查」場景，支援扣子等對話式平台使用（使用者上傳附件/貼上文字即可掃描，無需本地目錄），可作為付費技能上架。
觸發詞
- 脫敏審查 / 隱私審查 / 隱私合規檢查 / 合規審查 / 隱私保護稽核 / privacy audit / desensitization audit
- 敏感資訊掃描 / PII 掃描 / PII scan / 敏感欄位檢測 / 個人資訊掃描 / 資料洩漏排查
- 掃描這個目錄有沒有個人資訊 / 掃描這個技能有沒有個人資訊
- 身分證號掃描 / 檢查程式碼裡有沒有手機號 / 程式碼裡有沒有身分證號 / 銀行卡號洩漏檢查
- 倉庫裡有沒有硬編碼金鑰 / 日誌裡有沒有明文密碼 / 上傳檔案有沒有敏感資訊
- 這個技能有沒有洩漏隱私 / 這個技能能不能發佈 / 分享前要不要脫敏 / 資料集脫敏核查
- 脫敏整改建議 / 出一份合規審查報告 / 發佈前安全檢查 / 上架前合規審查
環境準備
# 依賴：Python 3.8+，純標準庫，無第三方依賴
export SKILL_DIR=~/.workbuddy/skills/privacy-audit # 技能安裝路徑
export TARGET_DIR=/path/to/待審查目錄 # 待審查目錄（程式碼/技能/資料）
export REPORT_DIR=/path/to/報告輸出目錄 # 建議在掃描目錄之外，避免自我命中
執行流程
第一步：L1 自動掃描（先機器，後人工）
# 單目錄掃描 + JSON 報告
python3 "$SKILL_DIR/scripts/privacy_audit.py" "$TARGET_DIR" \
--rules "$SKILL_DIR/scripts/欄位檢測正則庫.json" \
--json "$REPORT_DIR/audit_result.json"
# v1.1.0 批次目錄掃描（多個目錄合併審計）+ HTML 可視化報告
python3 "$SKILL_DIR/scripts/privacy_audit.py" "$TARGET_DIR_A" "$TARGET_DIR_B" \
--rules "$SKILL_DIR/scripts/欄位檢測正則庫.json" \
--json "$REPORT_DIR/audit_result.json" \
--html "$REPORT_DIR/audit_result.html"
- 掃描 17 類敏感欄位：身分證號 / 手機號 / 銀行卡號 / 信箱 / IP / 精確地址 / 精確定位座標 / 醫師署名 / 醫院機構名 / 密碼明文 / 醫療健康資訊 / 未成年人資訊 / 車牌號 / 護照號 / 微信號 / QQ 號 / 統一社會信用代碼（v1.1.0 新增）
- 檢測 5 類硬編碼憑證：SkillHub key / GitHub token / OpenAI key / 騰訊雲 SecretId / COS 臨時憑證
- 退出碼（可接入 CI 閘門）：
0=通過；1=高危命中（禁止發佈）；2=中敏感命中（需人工確認） --json：結構化報告（含 scanned_roots/summary/verdict/findings，CI 可消費）；--html：自包含可視化報告（總覽卡片 + 分級分佈圖 + 按檔案分組命中清單，離線可看）--strict：一般級別命中也判失敗；--quiet：僅輸出結果行
對話式掃描（v1.2.0 新增，適配扣子等對話場景，無需本機目錄）：
# 單檔案掃描（使用者上傳的附件，如 .py/.md/.json/.txt 等文字檔案）
python3 "$SKILL_DIR/scripts/privacy_audit.py" --file /path/to/uploaded.py \
--rules "$SKILL_DIR/scripts/欄位檢測正則庫.json" \
--json "$REPORT_DIR/audit_result.json"
# 文字內容掃描（使用者貼上的程式碼/文字片段）
python3 "$SKILL_DIR/scripts/privacy_audit.py" --text "待審文字內容" \
--rules "$SKILL_DIR/scripts/欄位檢測正則庫.json"
# 標準輸入掃描（管道傳入）
echo "待審文字" | python3 "$SKILL_DIR/scripts/privacy_audit.py" --stdin \
--rules "$SKILL_DIR/scripts/欄位檢測正則庫.json"
第二步：L2 完整審查（六維度人工對照）
以 references/個人資料脫敏審查規範.md 為執行依據，逐維度對照：
- 識別與分類：欄位清單是否完整、敏感級別標註、組合重識別風險、未成年人特別標註
- 脫敏方式與場景：去識別化/匿名化選擇是否與敏感度匹配（不可逆優先；可逆必須金鑰管控）
- 欄位級脫敏：逐欄位核對儲存/展示/傳輸/共享四環節（重點：身分證/銀行卡必須加密儲存；介面預設遮罩；日誌不得留明文）
- 流程與檢查清單：33 項清單逐項勾選（A 前置識別 5 項 / B 儲存 6 項 / C 展示 6 項 / D 日誌 4 項 / E 共享 5 項 / F 測試 2 項 / G 技術保障 6 項）
- 違規場景排查：15 項高頻違規場景逐項排查（明文儲存、介面未遮罩、超範圍收集、自動勾選同意、強制人臉、日誌明文、洩漏未通知、開盒買賣、跨境未評估等）
- 合規依據核驗：法規名稱/文號/日期與國家標準編號以規範第六部分為準，不得改動
第三步：整改與驗證
- 高風險（P0）必須修復：移除硬編碼憑證 → 環境變數/金鑰管理；明文敏感資料 → 加密儲存 + 遮罩展示
- 修復後重跑 L1 掃描，確認退出碼降為 0（或僅剩低風險）
- 中風險（P1）建議下輪迭代修復；低風險（P2）記錄後續最佳化
第四步：輸出標準報告
以 references/審查報告模板.md 為結構產生報告：審查對象與資料畫像 → 結果總覽 → 分級問題清單（P0/P1/P2）→ 合規項核驗 → 整改優先順序 → 檢查清單對照表 → 結論與免責宣告。
依賴清單
- Python 3.8+（標準庫：argparse / json / os / re / sys）
- 無第三方依賴；可選
--json輸出結構化報告供 CI 消費
邊界與安全（紅線）
- 不構成法律意見：報告結論必須結合具體業務場景，高敏感場景建議人工複核 + 諮詢合規律師
- 報告輸出到掃描目錄之外：避免審計報告被二次掃描命中，也避免報告落進待發佈產物
- 全程本地：不呼叫任何雲端 API，不傳輸待審內容
- 二進位跳過：.zip/.png/.pdf/.docx/.xlsx/.pyc 等不掃描內容（如需掃描先解壓縮/轉文字）
- 禁止刪除：本技能只報告，不刪除、不修改任何被審檔案
踩坑內嵌（經驗教訓，勿重蹈）
| 坑 | 根因 | 方案（已內建於腳本） |
|---|---|---|
| 座標常數/隨機長數字串被誤報為身分證/銀行卡 | 純正則只匹配「形狀」不校驗「合法性」 | 身分證 MOD 11-2 校驗碼驗證、銀行卡 Luhn 校驗，校驗不過即誤報跳過 |
| 身分證內部數字被手機號/銀行卡正則二次命中 | 正則優先級衝突 | 區間去重：命中區間完全落在更高優先級命中內 → 跳過（如 110101 開頭 6 位不會誤報手機號） |
| 長數字串（如 0.00669342162296594323 座標常數）子字串命中手機號 | 手機號正則無邊界 | 手機號正則加前後數字邊界 (?<![0-9])…(?![0-9]) |
| 審計報告寫進掃描目錄被二次命中 | 報告本身含「命中範例」 | 報告輸出到掃描目錄之外（--json 指向外部目錄） |
| Windows 下中文檔案編碼亂碼 | 檔案可能是 GBK 而非 UTF-8 | read_text 先試 UTF-8，失敗按可列印字元比例兜底解碼 |
| node_modules/.git 等大目錄拖慢掃描 | 無過濾全掃 | 內建 SKIP_DIRS（.git/pycache/node_modules/.venv/dist/build 等） |
| 正則庫 JSON 新增欄位後腳本行為不一致 | 正則庫與腳本分離導致失同步 | 正則庫 JSON 是唯一事實源，腳本動態載入；新增欄位類型先改 JSON 再跑腳本 |
| 正則庫 JSON 中的 pattern 定義文字被自身命中（如「人民醫院」字樣出現在醫院名正則裡） | 規則定義本身就是敏感詞樣本 | 屬正常現象，自審出現該命中時人工確認為 pattern 定義後忽略即可（保守方向，寧可 REVIEW 不漏報） |
| 「北京市A12345」地名+數字被誤報車牌號 | 車牌正則無邊界，子字串「京A12345」命中 | 車牌正則加前後漢字/字母數字邊界 (?<!…)(?<![一-龥])…(?![…])，結構校驗器（省+字母+長度7/8）雙保險 |
| 隨機 18 位數字串有約 1/31 機率通過統一社會信用代碼 GB 32100 校驗 | 模 31 校驗對隨機串天然放行機率 | USCC 定位「中敏感」（REVIEW 需人工確認）而非高敏感，正是為此留的兜底；負控制測試用真實非法末位 |
| 測試樣本標籤自命中（如「偽微信號: xxx」被微信號正則命中） | 標籤本身含觸發前綴+合法格式 | 屬正確行為（真實場景「微信號: xxx」就該命中）；測試樣本設計時避免在標籤中重現觸發前綴 |
evals/ 用例含虛構敏感樣本導致 preflight --strict 報 phone/email 告警 | 測試用例必須有真實形態的樣本才能測出檢測能力，而發佈門禁的敏感掃描不區分真假 | 發佈自檢時用 --waive phone --waive email --reason "evals 用例含虛構測試樣本，非真實個人資訊" 豁免並落盤留痕；.preflight-waiver.json 發佈前刪除；樣本檔案首行統一標註「虛構測試資料」 |
| 隨機 18 位數字串（如時間戳+序號）約 1/11 機率通過身分證 MOD 11-2 校驗被誤報 | 校驗碼只保證合法性不保證真實性，隨機串天然有放行機率 | 屬已知侷限：人工確認為序號/時間戳/流水號後忽略；不要為此放寬正則（寧可 REVIEW 不漏報） |
使用範例（對話模擬）
使用者：幫我審查一下 ~/projects/skill-demo 這個目錄，能不能發佈？
Agent：
1. 運行 L1 掃描：
python3 ~/.workbuddy/skills/privacy-audit/scripts/privacy_audit.py ~/projects/skill-demo \
--rules ~/.workbuddy/skills/privacy-audit/scripts/欄位檢測正則庫.json --json ~/reports/demo_audit.json
2. 退出碼 1 → 命中 2 處高危（GitHub token 硬編碼 + 身分證明文）→ 判定禁止發佈
3. 對照《審查規範》做 L2 六維度核對：儲存未加密、展示未遮罩、日誌含明文…
4. 輸出分級問題清單（H-1 硬編碼 token / H-2 身分證明文儲存 / M-1 日誌明文…）
5. 整改建議 + 標準報告 → 使用者修復後重跑 L1 → 退出碼 0 → 允許發佈
參考文件
references/個人資料脫敏審查規範.md：完整六維度規範（L1/L2 分層、33 項清單、15 項違規場景、18 部法規 + 6 項國標索引、附錄工具說明）——審查執行的唯一事實依據references/個人資料脫敏審查要點.md：六維度要點（法規背景與判斷維度詳解；來源檔位 官方 = 法律法規與國標，社群共識 = 公開執法/司法典型案例與行業實務）references/審查報告模板.md：L2 標準報告結構模板references/Changelog.md：版本史唯一事實源（1.0.0 → 當前版本的完整變更記錄與版本口徑說明）evals/：迴歸評測集（10 條可執行用例 +trigger_eval.json觸發詞意圖集），改動本技能後跑一次驗證沒把既有能力改壞，跑法見evals/README.md
版本與事實源
- 當前版本號以 SKILL.md frontmatter 的
version為準；發佈 tag、README 版本摘要、references/Changelog.md的當前版本條目全部與之對齊。 - 歷史變更以
references/Changelog.md為唯一事實源。SKILL.md 與 README 裡的 Changelog 都只是最近兩版的摘要 + 指向該檔案的連結，不要在各處各記一套完整版本史——三處全量並列必然漂移。 - 正文裡的
v1.1.0 新增/v1.2.0 新增是功能歸屬標註：標註該功能首次出現在哪個版本，屬歷史記錄，不隨當前版本號改動（當前版本已是 1.3.0，標註仍保留原樣）。 scripts/欄位檢測正則庫.json裡的"version": "1.1.0"是規則庫版本：獨立於技能版本，只在欄位類型/正則/校驗器實際變更時才遞增。1.2.0 只改了掃描入口（--file/--text/--stdin）未改規則，故規則庫仍為 1.1.0 —— 這是正確狀態，不是筆誤，不要「順手對齊」。
Changelog
完整版本史見
references/Changelog.md（唯一事實源），下表為最近兩版摘要。
| 日期 | 版本 | 變更類型 | 變更內容 | 來源 |
|---|---|---|---|
| 2026-09-06 | 1.3.1 | 最佳化 | 新增站內標籤（隱私保護/脫敏/PII/個人資訊保護等 6 項），功能無變化 | SkillHub 端最佳化 |
| 2026-08-29 | 1.3.0 | 最佳化 | 觸發詞覆蓋率 58% → 100%（新增 evals/trigger_eval.json 意圖集 16 條 + 觸發詞簇擴至 30 條）；description 由 444 字元收斂至 238 字元，細節下沉正文；新增 evals/ 可執行評測用例集 10 條（--run --aggregate 均分 1.00）；新增 references/Changelog.md；確立版本與版本史兩處事實源口徑 | 體檢報告整改 |
| 2026-08-19 | 1.2.0 | 新增 | 腳本新增 --text/--stdin/--file 單檔案/文字掃描入口（適配扣子對話式輸入，無需本地目錄）；定位收斂為「發佈前合規閘門」；新增商業化定位說明 | 扣子上架改造 |
（1.1.0 及更早條目見 references/Changelog.md）
免責宣告
本技能由 AI 輔助生成，僅供參考，不構成正式法律意見，不能替代具有執業資格的律師。具體合規判斷應結合業務場景諮詢專業法律人員，並以最新生效法律法規為準。