PII Redaction للـ AI: نظّف بيانات العميل قبل ما تبعتها للنموذج
مستوى القارئ: متوسط
هتطلع من المقال ده ببوابة بسيطة تقلل البيانات الحساسة اللي بتتبعت للـ LLM، بدل ما تعتمد على الثقة أو النية الطيبة في البرومبت.
المشكلة باختصار
لو عندك بوت دعم فني بيقرأ تذاكر العملاء، التذكرة ممكن تحتوي بريد، رقم هاتف، عنوان، رقم طلب، أو آخر أربع أرقام من بطاقة. الطريقة الشائعة الغلط إنك تبعت النص كله للنموذج وتقول له: “متستخدمش البيانات الحساسة”. الطريقة دي بتفشل لأن المنع هنا داخل البرومبت نفسه، وليس قبل نقطة الخروج.
الافتراض في هذا الشرح إن عندك تطبيق Python يرسل نصوصًا قصيرة أو متوسطة إلى API نموذج لغوي، بحجم 1K إلى 20K رسالة يوميًا. الهدف ليس إخفاء كل شيء بنسبة 100%. الهدف العملي هو تقليل البيانات غير الضرورية قبل ما تغادر النظام.
مثال سريع قبل التعريف
ركز في المثال ده. عميل كتب: “أنا أحمد، بريدي ahmed@example.com ورقمي +201001112223، والطلب ORD-9931 وصل ناقص”. النموذج غالبًا لا يحتاج البريد ولا الهاتف عشان يكتب رد دعم جيد. هو يحتاج المشكلة ورقم الطلب فقط لو رقم الطلب داخلي وغير حساس عندك.
بعد التنقية، النص يبقى: “أنا [PERSON]، بريدي [EMAIL] ورقمي [PHONE]، والطلب ORD-9931 وصل ناقص”. كده النموذج يفهم السياق، لكنك قللت البيانات الشخصية الخارجة. التعريف الأدق: PII Redaction هي طبقة تكتشف الكيانات الشخصية في النص، ثم تستبدلها أو تخفيها قبل أي معالجة خارجية.
الحل: بوابة صغيرة قبل استدعاء النموذج
أفضل طريقة هنا إنك تعمل gateway قبل كود استدعاء الـ LLM. استخدم Microsoft Presidio لاكتشاف كيانات مثل البريد والهاتف والأسماء، ثم Presidio Anonymizer لاستبدالها. Presidio مبني على Analyzer لاكتشاف الـ PII وAnonymizer لإزالة أو استبدال القيم، حسب التوثيق الرسمي.
pip install presidio-analyzer presidio-anonymizer spacy
python -m spacy download en_core_web_lg
from presidio_analyzer import AnalyzerEngine
from presidio_anonymizer import AnonymizerEngine
from presidio_anonymizer.entities import OperatorConfig
analyzer = AnalyzerEngine()
anonymizer = AnonymizerEngine()
TEXT = "Customer Ahmed sent ahmed@example.com and +201001112223 about order ORD-9931"
results = analyzer.analyze(
text=TEXT,
language="en",
entities=["EMAIL_ADDRESS", "PHONE_NUMBER", "PERSON"],
)
operators = {
"EMAIL_ADDRESS": OperatorConfig("replace", {"new_value": "[EMAIL]"}),
"PHONE_NUMBER": OperatorConfig("replace", {"new_value": "[PHONE]"}),
"PERSON": OperatorConfig("replace", {"new_value": "[PERSON]"}),
}
safe_text = anonymizer.anonymize(
text=TEXT,
analyzer_results=results,
operators=operators,
).text
print(safe_text)
# Customer [PERSON] sent [EMAIL] and [PHONE] about order ORD-9931
