一、概述
数据脱敏(Data Masking),又称数据漂白、数据去隐私化或数据变形。
定义
指对某些敏感信息通过脱敏规则进行数据的变形，实现敏感隐私数据的可靠保护。在涉及客户安全数据或者一些商业性敏感数据的情况下，在不违反系统规则条件下，对真实数据进行改造并提供测试使用，如身份证号、手机号、卡号、客户号等个人信息都需要进行数据脱敏。
脱敏规则
可以包括但不限于：
替换：例如将身份证号的部分数字替换为“*”或随机数。
随机化：例如生成与真实数据格式相符但与原始数据无关的新数据。
固定模式脱敏：例如保留电话号码的区号和最后几位，其余部分替换。
加密：对数据进行不可逆或可逆加密，仅在必要时解密。
假名化：用虚构的名字替换真实姓名。
二、数据脱敏开发
这里直接使用python代码开发，使用fastmcp框架。
server.py
from fastmcp import FastMCP import re mcp = FastMCP("desensitize", port=9000) class DataMasker: def __init__(self): pass def mask_phone_number(self, phone_number): """ 对手机号码进行脱敏处理，将中间四位替换为 * """ if len(phone_number) == 11: return phone_number[:3] + "****" + phone_number[7:] return phone_number def mask_email(self, email): """ 对邮箱地址进行脱敏处理，只显示邮箱名前两位和域名 """ if "@" in email: username, domain = email.split("@") return username[:2] + "****@" + domain return email def mask_id_card(self, id_card): """ 对身份证号码进行脱敏处理，只显示前四位和后四位 """ if len(id_card) == 18: return id_card[:4] + "**********" + id_card[14:] return id_card def mask_address(self, address): """ 对地址进行脱敏处理，模糊化门牌号和房间号 例如，将 "1栋" 替换为 "**栋"，"101室" 替换为 "***室" """ # 使用正则表达式 desensitized_address = re.sub(r"(d+)栋", r"**栋", address) desensitized_address = re.sub(r"(d+)室", r"***室", desensitized_address) return desensitized_address @mcp.tool() def desensitize_text(text: str) -> str: """ 脱敏文本信息 """ masker = DataMasker() # 匹配手机号 phone_pattern = r"d{11}" phones = re.findall(phone_pattern, text) for phone in phones: masked_phone = masker.mask_phone_number(phone) text = text.replace(phone, masked_phone) # 匹配邮箱 email_pattern = r"[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+.[a-zA-Z]{2,}" emails = re.findall(email_pattern, text) for email in emails: masked_email = masker.mask_email(email) text = text.replace(email, masked_email) # 匹配身份证号 id_card_pattern = r"d{18}" id_cards = re.findall(id_card_pattern, text) for id_card in id_cards: masked_id_card = masker.mask_id_card(id_card) text = text.replace(id_card, masked_id_card) # 匹配地址 address_pattern = r"([u4e00-u9fa5]+省)?([u4e00-u9fa5]+市)?([u4e00-u9fa5]+区)?([u4e00-u9fa5]+街道)?(d+[u4e00-u9fa5]+)?(d+[u4e00-u9fa5]+)?" addresss = re.findall(address_pattern, text) # 如果没有找到地址，返回原始文本 if not addresss: return text # 对每个匹配的地址进行脱敏处理 for address_parts in addresss: # 将匹配的地址部分组合成完整的地址 address = "".join([part for part in address_parts if part]) if address: # print("address",address) masked_address = masker.mask_address(address) text = text.replace(address, masked_address) return text if __name__ == "__main__": mcp.run(transport="sse")
运行代码
python3 server.py
三、数据脱敏测试
打开Cherry Studio客户端，添加MCP服务器
添加智能体
将智能体添加到助手
开启MCP
聊天窗口，输入用户信息：
我的手机号是13812345678，我的邮箱是test@example.com，我的身份证号是123456789012345678，我的地址是北京市海淀区中关村大街1栋101室
可以看到返回的json，已经做了脱敏处理。
但是客户端返回的信息，有点不全。这是因为AI模型做了处理。因为AI模型认为这些敏感信息返回不安全，做了2次加工。
不过不影响，最终结果还是做了数据脱敏处理即可。
