PII检测

一句话解释

PII检测就是通过算法从文本、图片或数据库中自动找出属于个人身份的信息，比如姓名、手机号、身份证号、银行卡号、住址等，并标记或遮蔽这些内容。

为什么会被关注

随着《个人信息保护法》和GDPR等法规的实施，企业处理用户数据时必须确保敏感信息不被泄露。PII检测能快速定位违规存储或传输的个人信息，降低法律风险。

同时，数据泄露事件频发，自动化检测比人工筛查效率高上百倍，能实时监控数据平台，防止内鬼或黑客窃取PII。

核心逻辑

PII检测通常采用正则表达式匹配预设模式（如身份证18位数字格式），再结合机器学习模型识别非标准写法。先进的系统还会通过命名实体识别（NER）从非结构化文本中提取人名、地址等信息。

检测完成后，系统会自动进行分级标记，例如高敏（身份证、银行卡）、中敏（手机号、邮箱）、低敏（姓名），并支持脱敏操作，如替换为星号或虚拟数据。

常见场景

企业在使用API传输用户数据前，通过PII检测检查是否存在未脱敏的敏感字段，防止接口泄露。

数据中台在汇聚业务系统数据时，自动扫描所有表字段，识别并标记包含PII的列，方便后续脱敏处理。

客服对话记录、邮件附件、图片截图中的身份证号或合同签名，也能通过OCR + NLP 的PII检测模型识别并预警。

容易混淆的点

PII检测不同于数据加密：检测只是识别和定位敏感信息，不改变数据本身；加密是保护手段，两者通常配合使用。

PII检测也不等于数据脱敏：脱敏是在检测之后对敏感内容进行变换，检测是脱敏的前置步骤，但很多产品将两者集成在一起。

注意区分“PII检测”和“敏感数据发现”：后者范围更广，包括商业机密、系统密钥等，PII检测特指个人身份信息。