LLM-敏感信息打码组件说明-人工智能平台 PAI(PAI)-阿里云帮助中心

LLM-敏感信息打码（DLC）组件主要用于将敏感信息打码，例如将邮箱地址字符替换成[EMAIL]，手机/电话号码替换成[TELEPHONE]或[MOBILEPHONE]，身份证号码替换成[IDNUM]。输入的OSS数据文件（JSONL格式，示例）需符合：每一行是一个合法的JSON对象，文件由多行JSON对象组成，整个文件本身不是合法的JSON对象。

支持的计算资源

DLC

算法说明

敏感信息包括以下匹配项：

手机号码：匹配以下正则表达式的字符串将被替换成[MOBILEPHONE]。
- r'(?<!\d)(1(3[0-9]|4[579]|5[0-3,5-9]|6[6]|7[0135678]|8[0-9]|9[89])\d{8})(?!\d)'
- r'(?<!\d)(1[\d]{2}-\d{4}-\d{4}\D|\D1\d{10}\D|\D1[\d]{2} \d{4} \d{4})(?!\d)'
- r'(?<!\d)(1[3-9]\d{9})(?!\d)'
座机号码：匹配以下正则表达式的字符串将被替换成[TELEPHONE]。
- r'(?<!\d)(\(?0\d{2,3}[-\s)]?\d{7,8})(?!\d)'
邮箱：匹配以下正则表达式的字符串将被替换成[EMAIL]。
- r'[a-zA-Z0-9_.+-]+@[a-zA-Z0-9-]+.[a-zA-Z0-9-.]+'
身份证：匹配以下正则表达式的字符串将被替换为[IDNUM]。
- r'(?<!\d)([1-6]\d{5}[12]\d{3}(0[1-9]|1[12])(0[1-9]|1[0-9]|2[0-9]|3[01])\d{3}(\d|X|x))(?!\d)'
- r'(?<!\d)([1-9]\d{5}[12]\d{3}(0[1-9]|1[012])(0[1-9]|[12][0-9]|3[01])\d{3}[0-9xX])(?!\d)'

例如邮箱打码：

处理前

当前字段值弹窗显示该字段存储了一段 Select2 Malay 翻译插件的 JavaScript 代码，其中 Author 行包含作者邮箱地址（xxx@gmail.com），属于需要脱敏处理的敏感信息。

处理后

/**
 * Select2 Malay translation.
 *
 * Author: Kepoweran &lt;[EMAIL]&gt;
 */
(function ($) {
    "use strict";
    // ...
})(jQuery);

配置组件

在Designer工作流页面添加LLM-敏感信息打码（DLC）组件，并在界面右侧配置相关参数：

参数类型	参数		是否必选	描述	默认值
字段设置	目标处理字段		是	要处理的字段名称。	无
字段设置	数据输出OSS目录		否	处理后数据的OSS存储目录。如果为空，使用工作空间默认路径。	无
执行调优	多进程个数		否	设置进程数。	8
	选择资源组	公共资源组	否	选择节点规格（CPU或GPU实例规格）、节点数量、专有网络。	无
	选择资源组	专有资源组	否	选择CPU核数、内存、共享内存、GPU卡数、节点数量。	无
	最大运行时长		否	组件最大运行时长，超过这个时间，作业会被kill。	无