一、概述

数据脱敏(Data Masking),又称数据漂白、数据去隐私化或数据变形。

定义

指对某些敏感信息通过脱敏规则进行数据的变形，实现敏感隐私数据的可靠保护。在涉及客户安全数据或者一些商业性敏感数据的情况下，在不违反系统规则条件下，对真实数据进行改造并提供测试使用，如身份证号、手机号、卡号、客户号等个人信息都需要进行数据脱敏。

脱敏规则

可以包括但不限于：

替换：例如将身份证号的部分数字替换为“*”或随机数。

随机化：例如生成与真实数据格式相符但与原始数据无关的新数据。

固定模式脱敏：例如保留电话号码的区号和最后几位，其余部分替换。

加密：对数据进行不可逆或可逆加密，仅在必要时解密。

假名化：用虚构的名字替换真实姓名。

二、数据脱敏开发

这里直接使用python代码开发，使用fastmcp框架。

server.py

from fastmcp import FastMCP
import re

mcp = FastMCP("desensitize", port=9000)


class DataMasker:
    def __init__(self):
        pass

    def mask_phone_number(self, phone_number):
        """
        对手机号码进行脱敏处理，将中间四位替换为 *
        """
        if len(phone_number) == 11:
            return phone_number[:3] + "****" + phone_number[7:]
        return phone_number

    def mask_email(self, email):
        """
        对邮箱地址进行脱敏处理，只显示邮箱名前两位和域名
        """
        if "@" in email:
            username, domain = email.split("@")
            return username[:2] + "****@" + domain
        return email

    def mask_id_card(self, id_card):
        """
        对身份证号码进行脱敏处理，只显示前四位和后四位
        """
        if len(id_card) == 18:
            return id_card[:4] + "**********" + id_card[14:]
        return id_card

    def mask_address(self, address):
        """
        对地址进行脱敏处理，模糊化门牌号和房间号
        例如，将 "1栋" 替换为 "**栋"，"101室" 替换为 "***室"
        """
        # 使用正则表达式
        desensitized_address = re.sub(r"(\d+)栋", r"**栋", address)
        desensitized_address = re.sub(r"(\d+)室", r"***室", desensitized_address)
        return desensitized_address


@mcp.tool()
def desensitize_text(text: str) -> str:
    """
    脱敏文本信息
    """
    masker = DataMasker()
    # 匹配手机号
    phone_pattern = r"\d{11}"
    phones = re.findall(phone_pattern, text)
    for phone in phones:
        masked_phone = masker.mask_phone_number(phone)
        text = text.replace(phone, masked_phone)

    # 匹配邮箱
    email_pattern = r"[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}"
    emails = re.findall(email_pattern, text)
    for email in emails:
        masked_email = masker.mask_email(email)
        text = text.replace(email, masked_email)

    # 匹配身份证号
    id_card_pattern = r"\d{18}"
    id_cards = re.findall(id_card_pattern, text)
    for id_card in id_cards:
        masked_id_card = masker.mask_id_card(id_card)
        text = text.replace(id_card, masked_id_card)

    # 匹配地址
    address_pattern = r"([\u4e00-\u9fa5]+省)?([\u4e00-\u9fa5]+市)?([\u4e00-\u9fa5]+区)?([\u4e00-\u9fa5]+街道)?(\d+[\u4e00-\u9fa5]+)?(\d+[\u4e00-\u9fa5]+)?"
    addresss = re.findall(address_pattern, text)

    # 如果没有找到地址，返回原始文本
    if not addresss:
        return text

    # 对每个匹配的地址进行脱敏处理
    for address_parts in addresss:
        # 将匹配的地址部分组合成完整的地址
        address = "".join([part for part in address_parts if part])
        if address:
            # print("address",address)
            masked_address = masker.mask_address(address)
            text = text.replace(address, masked_address)

    return text


if __name__ == "__main__":
    mcp.run(transport="sse")