跳到主要内容

PII 处理

问题​

什么是 PII？数据分析中如何正确处理 PII？

答案​

PII 定义​

PII（Personally Identifiable Information）是指能够直接或间接识别特定个人的信息。

类型示例
直接标识符姓名、身份证号、手机号、邮箱
间接标识符IP 地址、设备 ID、Cookie ID
敏感 PII银行卡号、密码、医疗记录、生物识别
准标识符年龄 + 性别 + 邮编（组合可能识别个人）

PII 处理流程​

PII 扫描​

import re

# 简单的 PII 扫描规则
PII_PATTERNS = {
    '手机号': re.compile(r'1[3-9]\d{9}'),
    '身份证': re.compile(r'\d{17}[\dXx]'),
    '邮箱': re.compile(r'[\w.+-]+@[\w-]+\.[\w.]+'),
    '银行卡': re.compile(r'\d{16,19}'),
    'IP地址': re.compile(r'\d{1,3}\.\d{1,3}\.\d{1,3}\.\d{1,3}'),
}

def scan_pii(text: str) -> dict:
    """扫描文本中的 PII"""
    results = {}
    for pii_type, pattern in PII_PATTERNS.items():
        matches = pattern.findall(text)
        if matches:
            results[pii_type] = matches
    return results

# 扫描 SQL 查询结果中的 PII
sample_data = "用户张三，手机 13812345678，邮箱 alice@gmail.com"
print(scan_pii(sample_data))
# {'手机号': ['13812345678'], '邮箱': ['alice@gmail.com']}

数据分析中的 PII 处理建议​

场景处理方式
用户行为分析使用哈希后的 user_id
导出报告聚合数据，不含个人信息
A/B 测试使用匿名标识符分桶
数据建模特征工程时去除 PII 列
共享给第三方静态脱敏 + 审批
BI 看板动态脱敏，角色控制
红线行为
  • ❌ 将含 PII 的数据导出到个人电脑
  • ❌ 在群聊/文档中共享含 PII 的截图
  • ❌ 使用真实 PII 作为测试数据
  • ❌ 未脱敏就将数据共享给外部

常见面试问题​

Q1: 如何判断一个字段是否是 PII？​

答案： 判断标准：该字段单独或与其他字段组合后能否识别到特定个人。

  • 手机号 → 直接识别 → PII
  • 年龄 → 单独不可识别 → 非 PII
  • 年龄 + 邮编 + 性别 → 组合可能识别 → 准标识符

Q2: 如何建立 PII 合规检查机制？​

答案：

  1. 数据目录标注：在元数据中标记 PII 字段
  2. 自动扫描：定期扫描数据仓库中的 PII
  3. 审批流程：访问 PII 数据需走审批
  4. SQL 审计：记录包含 PII 字段的查询
  5. 培训教育：定期对数据使用者进行合规培训

相关链接​