假名化工具：购买前需要关注什么

如果你希望使用 AI 处理包含个人数据的文档，假名化工具必须做好四件事：在你可以接受的位置处理文件；同一个人在每份文档中都获得相同的占位符；安全存储用于还原替换内容的密钥；并且让你能够检查和更正工具找出的内容。本清单的其余部分将帮助你判断工具是否适合你的文档、团队和预算。

工具必须做到什么

根据 GDPR，假名化是指对个人数据进行处理，使其在没有额外信息的情况下无法再与某个人关联，并且这些信息被单独保存和保护（第 4(5) 条）。假名化数据仍然属于个人数据。 《GDPR 与 AI 中的假名化数据》.

对于 AI 任务，操作流程如下：将姓名、地址和号码替换为 Person_1 之类的占位符；AI 使用占位符进行处理；你这边使用密钥，在回答中将它们还原为姓名。如果你不需要还原姓名，可能需要改用匿名化或涂黑；请参见 你需要哪一种方式.

你的数据会发送到哪里

• 处理发生的位置。 要么在你的电脑上处理，要么在你上传文件后由供应商的服务器处理。后一种情况下，包含所有姓名的原始文件会在得到保护之前先发送给第三方。我们对 本地工具和在线工具的比较 列出了询问在线服务供应商的问题，也提供了一种测试桌面应用的简单方法：断开网络后尝试使用。
• 之后如何处理数据。 对于云服务：文件和结果会保留多久、存储在哪个地区，以及有哪些子处理者。对于桌面应用：它会在你的磁盘上写入什么，以及如何删除这些内容。
• 日志。 记录文档处理时间很有用，方便在客户或数据保护官提出询问时查阅。请确认日志本身不包含个人数据。

能否还原姓名

• 一致性。 同一个人在同一事务的每段文字和每份文档中都应获得相同的占位符。否则，AI 无法判断租约中的租户和电子邮件的发件人是同一个人。询问工具如何处理“Maria Lopez”“Lopez 女士”和“M. Lopez”这样的变体。
• 可逆性。 有些工具只能单向替换数据。另一些工具会保留一张表，将占位符与真实姓名对应起来，或使用密钥加密这些值，以便之后解密。
• 密钥的存放位置。 这张表或密钥就是 GDPR 定义中提到的“额外信息”。请询问它存放在哪里、是否加密、谁可以打开，以及何时删除。如果任何能访问安全副本的人也能读取密钥，那么假名化所提供的保护就很有限。

是否适用于你的文档

• 能检测的数据类型。 姓名、公司、地址、电话号码、电子邮箱地址、账户和身份证件号码、出生日期。如果你的业务涉及跨境，请检查与你打交道的国家所使用的国民身份证号码和税号。职位、昵称和罕见细节对任何检测器来说都很难识别，因此你需要手动标记其中一部分。
• 审核步骤。 检测永远不会完整。即使是广泛使用的开源检测器 Presidio，其文档也指出 无法保证它能找出所有敏感信息。在任何内容离开之前，你需要查看每个匹配项、取消勾选误报项，并补上遗漏内容。
• 文件格式。 PDF、Word、Excel、电子邮件。扫描版 PDF 和文档照片需要进行文本识别。有些工具只接受纯文本，这意味着你必须自行转换每个文件。
• 语言。 检测效果取决于语言。请使用你工作中涉及的每种语言的真实文档进行测试。

工具面向哪些用户，以及费用是多少

• 面向开发人员还是办公室用户。 库或 API 需要有人安装它、编写配套代码并让它持续运行。桌面应用只需要安装即可。它们面向不同的人群，总体而言没有谁更好。
• 定价模式。 按处理量付费（每千兆字节或每百个字符）、按用户订阅、一次性购买，或者使用免费开源软件并投入员工时间。按你实际预计的处理量计算年度成本。

四类工具

以下示例均为我们能够对照供应商文档核实的内容。功能和价格截至 2026 年 10 月。

开源开发者库

Presidio 是一个采用 MIT 许可证的框架，用于查找和去标识化个人数据。它最初由 Microsoft 开发， 现在是一个由社区运营的项目 ，隶属于 Data Privacy Stack 组织。它的匿名化工具可以 替换、遮盖、掩码、哈希处理或加密 找到的每一项数据，加密后的值可以用同一个密钥解密。另有一个独立模块使用 OCR 查找并遮盖图像中的文本。

它免费、可在你自己的设备上运行，并且几乎可以根据任何处理流程进行定制。它是一套工具包，而不是一个应用： 安装 意味着需要安装 Python 软件包、下载语言模型并自行编写代码。审核界面、案件处理和文件转换都需要你自己构建。

云端数据保护服务

Google Cloud Sensitive Data Protection 可通过大量内置检测器查找敏感数据，并能用令牌替换这些数据。确定性加密和保留格式的加密会让相同的值生成相同的令牌，并且可以用密钥重新识别数据。Google 建议使用 Cloud Key Management Service 封装该密钥。该服务还可以 遮盖图像 ，用不透明方框覆盖检测结果。它 按千兆字节计费.

Amazon Comprehend 可以检测英语或西班牙语文本中的个人数据。 遮盖通过批处理作业执行 ，处理 Amazon S3 中的文件，并将每项数据替换为其类型标签（例如 [NAME]）或掩码字符，因此两个不同的人都会变成 [NAME]。它 按每 100 个字符计费.

这些服务可以处理大量数据，并在公司的云环境中运行，由公司自己的账户和合同管理。它们面向开发人员和 IT 团队。

PDF 编辑器中的遮盖

在 Adobe Acrobat Pro 中， 遮盖会用彩色方框替换文本或图像 ，保存后无法撤销。另有一个“清理”步骤可移除元数据等隐藏数据。对于要提交给法院、交易对方或监管机构的文件，这才是合适的工具。但它不适用于与 AI 的往返处理：黑色方框无法告诉 AI 谁是谁，也没有办法还原。请参阅 占位符与黑条的比较.

面向办公用户的桌面应用

ClientSafe 就是这类应用。它在 Windows 电脑上运行，并按案件保存文档，因此同一个名字在同一案件的所有文档中都会使用同一个占位符。你可以审核它找到的内容，取消勾选并非个人数据的匹配项，并标记它漏掉的内容。然后，将安全副本复制到 AI 聊天中，或保存为 Markdown 文件。之后，将 AI 的回答粘贴回来，ClientSafe 就会填入真实姓名。将占位符与姓名对应起来的表会加密保存在电脑上，直到你删除案件为止。它不是用于法院文件或发送给其他方的文件的遮盖工具。

并列对比

如何选择

• 如果你要处理数据库或处理流程中的数千条记录，而且有开发人员：选择库或云服务。
• 如果你要把文件发给公司以外的人：选择遮盖工具。
• 如果你要就客户文件询问 AI，并且需要在回答中恢复真实姓名：选择带审核步骤和姓名还原功能的桌面应用。

在决定采用之前，先用三份你熟悉的文档测试工具，并检查每种使用语言下的漏检情况。如果你的公司有数据保护官或合规负责人，在工具用于客户文件之前请他们参与评估。

常见问题

对文档进行假名化后，我可以把它发给任何 AI 工具吗？

不能自动这样做。根据 GDPR，这仍然属于个人数据；AI 工具自身的数据设置和条款仍然重要。假名化可以降低风险，但不能消除风险。

免费的开源库可以取代付费工具吗？

可以，前提是团队中有人能安装它、编写配套代码并维护它。如果没人能做到，那么这套库耗费的时间成本就会高于应用的金钱成本。

如果我只需要摘要，还需要可逆还原吗？

如果摘要中会提到具体的人，就需要：你会希望把他们的姓名填回去。如果不会提到，则单向替换就足够了。

如何快速测试工具？

找一份你知道其中所有姓名和号码的文档。用工具处理后进行对比。检查扫描页面、页眉和签名等最容易漏检的部分。

ClientSafe 可在你的电脑上将姓名、地址、电话号码和身份证件号码替换为一致的占位符，让你审核列表，并将真实姓名填回 AI 的回答中。检测并不完美，因此复制之前请先审核列表。