识别并脱敏上传到deepseek/chatgpt的文件中的敏感信息

本文从总体上介绍一下在使用大模型过程中，关于如何正确的处理自己上传数据中的敏感信息。

本文的目录结构如下，可以直接跳到对应的章节阅读：

AI数据安全危机

DeepSeek、ChatGPT，Qwen，Claude等AI平台工具快速的被接受和使用，用户每天上传的文本数据中潜藏着大量敏感信息，大量的AI服务数据泄漏事件源于未正确处理输入数据。

• 你是否在上传数据到deepseek，chatgpt，通义千问，豆包，腾讯元宝，纳米搜索等平台之前犹豫过？
• 是否纠结如何快速的检查数据中是否存在敏感信息？
• 是否受制于如何快速轻量的对这些数据进行脱敏？
• 你是否担心数据上传到大语言模型等AI平台之后，身份证，手机号，银行卡等会被用于特殊的用途？
• 你是否担心数据不仅会被大模型平台获取，还会被诸多的插件应用获取？

如果你存在上述的问题，本文将为你提供解决的思路和方法。文件数据中最为常见的敏感信息就是姓名，手机号，身份证等，如果直接把这些数据喂给大模型，那在后续大模型更新之后会吸纳这些信息。当其他人再次询问大模型的时候，大模型则可能会回答有关你个人隐私的数据内容。因此有必要对于个人敏感的信息进行脱敏，大致的效果如下：

张三 18800188000	110105203301011234
张*    188****8000    110105***********4

敏感信息的分类

首先，敏感内容的范围非常的广泛，直接询问deepseek即可，如下：

本文不会介绍所有敏感内容的脱敏，只会总体性的介绍姓名，手机号，身份证的脱敏。如果想要了解更多内容的脱敏，详见我的专栏《脱敏Deepseek/Chatgpt等AI大模型中的敏感数据》，这里。

常见信息脱敏手段

通常来说，常见敏感信息的脱敏有如下几种方法：