原文 · 仅审核员可见
「把给新客户蔚蓝生物的报价方案定一下，联系人陈曦 13966668888」
MISSION CONTROL · 数据安全组件
数据海关
DATA SANITIZATION GATEWAY · 数据脱敏网关
部署在您的内网与云端大模型之间的一道安全关口。所有发往大模型的内容，先经检测、脱敏、（可选）人工审核再放行； 客户名单、供应商、报价等真实业务数据从未离开您的环境，而 AI 的推理能力完整保留。
真值不出网
敏感实体从未以明文离开您的环境；API Key、Token 等凭证零出境。不依赖任何厂商"不用于训练"的承诺——数据根本到不了那里。
推理不受损
可逆假名化保留完整的业务结构与数据关系——AI 看到的仍是"客户 × 报价 × 交期"的真实世界，照样做分析、写方案、跑流程。
每一步可验证
每一笔出境调用逐笔留痕：脱掉了什么、为什么、发去了哪。审计可查、效果可演示、合规可举证——安全不靠口头承诺。
01 · TRUST BOUNDARY
信任边界：一条清晰的线
整个架构只有一条规则：可信区存真值，不可信区只接触假名。您的员工、界面与数据库永远在边界内侧持有真实数据； Agent 与云端大模型在边界外侧，全程只与占位符打交道。数据海关守在边界上，检查每一次出境，还原每一次回写。
可信区：真值所在
数据海关：出境检查
不可信区：云端大模型
回写还原
存真值，出口脱敏数据库与您的界面永远持有真实数据，脱敏只发生在流向 Agent / 大模型的出口。信任边界只有一条线，不会渗漏。
稳定假名 [CUST_01]同一实体在全部对话中恒为同一占位符，跨消息、跨会话的推理与指代仍然成立——AI 的记忆连贯，却从不认识您的客户。
映射库即机密假名 ↔ 真值的对照关系加密存储在您的内网，按组织隔离、访问留痕，支持按实体删除以满足个保法删除权。
02 · DETECTION PIPELINE
三级检测流水线：确定性在前，语义兜底
每一条出境内容依次经过三层检查：正则与凭证模式守住已知格式，组织词典守住您自己的客户与供应商名单， 本地小模型兜底识别自然语言里的未知敏感信息。前两击毫秒级完成，全程在您的机器上运行。
原始内容
对话 · 任务 · 文件
1
正则 · 凭证扫描
PII 与密钥模式
毫秒级 · 确定性
2
组织词典
客户 · 供应商 · 代号
检出率最高的一层
3
本地模型语义层
识别未知敏感信息
仅本机运行 · 可断网
假名化出境
统一占位符
映射写入加密库
STAGE A · 毫秒级
正则 / 凭证扫描
- 手机号、身份证、银行卡、邮箱等 PII 模式
- API Key、Token、私钥等凭证模式：命中即拒绝出站
- 支持自定义正则：工号、客户编号、内部编码
STAGE B · 检出率最高
组织词典
- 您最清楚什么是机密：客户名单、供应商、产品代号
- 支持别名归一："阿里 / 阿里巴巴 / Alibaba"同一假名
- Aho-Corasick 引擎，十万词条一次扫描命中
STAGE C · 语义兜底
本地小模型
- 识别自然语言中的未知敏感信息（UIE / 7B 级模型）
- 只监听本机回环，可拔外网运行，可组织级开关
- 评估集驱动：Recall ≥ 95% 方可发布
03 · LIVE DEMO
脱敏前后，一目了然
完整走一遍数据海关的闭环：您的员工输入真值 → 大模型只见假名 → AI 带占位符回写 → 自动还原为真值。 业务结构全程保留——AI 依然知道"有客户、有报价、有供应商、有交期"，但它永远猜不出那是谁。
交互式脱敏演示
BOARD CHAT · 真实场景示例
STEP 1 · 输入
原始消息 · 可信区内
「@pm 把给客户阿里巴巴的新报价定一下：120 万/台，供应商富士康交期延到 45 天。联系人王芳，电话 13812345678。」
STEP 2 · 出境
发往云端 · 大模型所见
等待脱敏 …
STEP 3 · 回写
大模型输出 · 含占位符
等待大模型输出 …
STEP 4 · 还原
自动还原 · 员工所见
等待回写还原 …
回写内容已自动还原——真实数据从输入到使用，从未离开您的环境
映射库（仅存于您的内网 · AES-GCM 加密） — 大模型永远无法看到这张表
[CUST_01]→阿里巴巴
[SUP_01]→富士康
[PER_01]→王芳
[PII_01]→138****5678
金额默认保留明文——数值推理离不开真实数字；敏感的是"谁 × 什么价"的绑定关系，实体假名化后绑定已断开。金融级客户可选「保密系数缩放」或「金额假名化」策略。占位符使用纯 ASCII 格式并附带保留指令，防止大模型翻译或改写导致还原失败。
04 · FILE SANITIZATION
文件脱敏：Excel 报价单实战
文档不是大段文本——批注、修订记录、文档属性、透视缓存都是隐藏泄露点。数据海关把文档解析成结构化片段， 过同一套三级流水线：Excel 单元格级处理、Word 批注与修订清理、PDF 真删除式遮盖。 数字默认保留（AI 还要算账），真正脱敏的是"谁 × 什么价"的绑定关系。
报价单-Q3.xlsx
原始文件 · 可信区内
| 客户 | 型号 | 单价(万) | 数量 | 金额(万) | 供应商 | 交期(天) |
|---|---|---|---|---|---|---|
| 阿里巴巴 | A100 | 120 | 5 | 600 | 富士康 | 45 |
| 蔚蓝生物 | H200 | 95 | 3 | 285 | 立讯精密 | 30 |
| 腾讯科技 | A100 | 118 | 2 | 236 | 富士康 | 45 |
脱敏产物 · 大模型所见
等待脱敏 …
数值策略 · 实时切换
保留明文（默认）
保密系数缩放 ×1.37
金额假名化
一致性跨全文档富士康在第 1、3 行都是 [SUP_01]——跨行、跨 sheet、跨文档的指代完整，AI 的汇总与对比分析不受影响。
数字留给 AI 算账单价金额默认保留，毛利、总价、趋势照算；金融客户切「系数缩放」或「金额假名化」——点上方三种策略实时对比。
元数据一并清理制表人、电话、文档属性里的公司名同样脱敏——客户安全团队必查、同类产品常漏的地方。
Word（.docx）
Run 重组替换，批注与修订记录清理，文档属性元数据清空。
PDF（文本型）
逻辑文本重组后检测；保版式版 = 真删除遮盖 + 占位符叠加，复制粘贴也拷不走原文。
PDF（扫描型）
OCR + 模糊匹配兜底识别误差，标注低置信度，默认强制人工审核。
05 · QUALITY ASSURANCE
质量保障：可验证，而非可承诺
我们不承诺 100%——任何这么承诺的同行都在撒谎。我们做的是另一件事：把能确定的部分做到 100%， 把不能确定的部分用评估集度量出来、用人工兜住，并且让每一项指标都可被您复算。
100%
确定性保障
格式 PII（正则）+ 已知实体（您的词典）。手机号、身份证、在册客户与供应商——程序保障，不存在概率。
≥95%
工程极限 · 可度量
未知实体的语义检出。以带标注评估集按「格式 × 类型 × 检测层」三维度量，CI 门禁不达标不发版。
人工兜底
诚实边界
语义推断类泄露理论上不可解。高风险通道默认人工审核、扫描件强制人审——写进白皮书，不遮掩。
支柱一
评估集驱动
- 黄金评估集：4 种格式 × 实体类型 × 对抗样本
- 三维指标：格式 × 类型 × 检测层分别统计 P/R
- 每次发版附评估报告，交给您的安全团队复算
支柱二
确定性优先
- 审核确认的新实体自动汇入词典，确定性覆盖持续扩大
- 模型输出必须过偏移 / 类型 / 回读三重程序校验
- 不允许模型自由改写文本，替换确定性可复现
支柱三
解析保真
- 抽取-回写一致性测试纳入 CI（run 重组、span 映射）
- 结构化版与保版式版双通道比对，不一致即告警
- 批注 / 修订 / 透视缓存 / 元数据逐项用例覆盖
支柱四
运行时监控
- 命中率趋势突变告警（词典失效 / 文档类型变化）
- 还原失败率 < 0.1%，超限即告警
- 审核调整率逐月跟踪，反升即复盘
~95%程序自动处理正则 + 词典 + 本地模型，毫秒级出境
~5%人工审核兜底新实体与高风险通道，真人过目
回流调整自动回写新实体 → 词典 · 误判 → 白名单 · 样本 → 评估集
审核调整率 · 逐月下降 = 程序持续变强的直接证据示例曲线
06 · HUMAN REVIEW GATE
真人审核：提交云端前的最后一道保险
全自动是默认，人工审核是可选的加强保险。多 Agent 系统消息是高频数据流，逐条人审等于让系统停摆—— 所以我们审"新"不审"旧"：只有首次出现的未知实体才需要您点头；确认一次，终身自动。 不满意，可以补充配置重跑，或手动圈选调整后再放行。
已知内容：全自动
新实体：真人把关
放行后才可出境
off
全自动，无人工关卡。适合词典与规则已调优的成熟客户。
默认 · 推荐
new_entities
仅首次出现的新实体挂起审核，已知映射自动放行。稳态 95%+ 零摩擦。
on_hit
任何命中敏感检测的内容都需人工过目。适合高敏感行业上线初期。
all
全部出境内容逐条审核。极端合规场景；会显著拖慢 Agent 响应。
≥95%
稳态自动放行率
<30min
审核决策时长中位数目标
4 级
审核模式 · 按风险分级
100%
审核决定留痕可审计
07 · EMPLOYEE EXPERIENCE
员工视角：最好的安全是无感
员工不用学、不用配、不用改习惯——他们看到的永远是真实数据。 数据海关的全部复杂度，都藏在信任边界的另一侧。员工与它的唯一交集，是消息旁一个安静的小盾牌。
「华东 Q3 项目」board chat
员工所见 · 无任何占位符
林
林岚 · 销售
@dev 把给阿里巴巴的报价更新到 115 万/台，今天下班前同步给法务
数据海关保护中
陈
陈曦 · 客户经理
腾讯科技那边在催合同进度了安全审核中
AI
Dev · Agent
收到，已更新阿里巴巴的报价并同步法务。
陈曦的消息已通过安全审核 ✓ 并送达 Agent
01
零占位符泄漏
员工在任何界面都看不到 [CUST_01]。AI 回写在入库前自动还原为真值——他们甚至不知道"替身"存在过。
02
零学习成本
不用注册新系统、不用改工作习惯、不用理解任何概念。数据海关的全部复杂度留给系统与管理员。
03
挂起有反馈
万一触发人工审核：状态、预计时长、放行 / 拦截结果都有下文——消息绝不无声消失。
08 · MANAGEMENT CONSOLE
海关工作台：一切可视化
安全不该是黑盒——这正是我们弃用"黑匣子"命名的原因。数据海关提供完整的可视化工作台， 从配置、审核到审计，您的安全团队看得见、管得住、查得回。点击左侧菜单，逐页查看真实界面。
数据海关 · DSG
总览
审核队列3
词典管理
规则配置
脱敏预览
审计日志
映射库
1,284
今日出境调用
23.4%
脱敏命中率
3
待审队列
97.8%
自动放行率
出境调用趋势 · 近 7 天单位：百次
最新告警
14:32高危凭证模式命中（sk-***），已拒绝出站并通知管理员
13:15待审发现新实体「蔚蓝生物」，已进入审核队列
09:47系统语义层模型重启，期间自动降级为规则+词典模式
待审列表 · 3
| 编号 | 内容 | 触发原因 | 状态 |
|---|---|---|---|
| #R-1042 | 消息 · board chat | 含新实体 [CUST_07] | 待审 |
| #R-1041 | 文件 · 报价单-Q3.xlsx | 12 处命中 | 待审 |
| #R-1040 | 消息 · 任务派发 | — | 已放行（有调整） |
审核详情 · #R-1042
脱敏后 · 大模型所见
「把给新客户[CUST_07]的报价方案定一下，联系人[PER_03] [PII_04]」
蔚蓝生物 → [CUST_07] · 新实体
来源：语义层
建议：加入词典
✓ 放行
圈选调整
补充配置重跑
拦截
| 标准名 | 类型 | 别名（归一到同一假名） | 命中 | 启用 |
|---|---|---|---|---|
| 阿里巴巴集团 | 客户 | 阿里 Alibaba Alibaba Group | 47 | |
| 富士康 | 供应商 | Foxconn 鸿海 | 32 | |
| 磐石计划 | 项目 | Project Bedrock | 8 | |
| 王芳 | 人名 | — | 15 |
审核员确认的新实体会自动汇入词典——审核过程即配置自学习。
检测流水线
① 正则 · 凭证扫描 手机号 / 身份证 / 银行卡 / API Key
② 组织词典 客户 / 供应商 / 代号 · Aho-Corasick
③ 本地模型语义层 UIE · 仅监听 127.0.0.1 · 可断外网
数值策略
● 保留明文（默认）
○ 保密系数缩放 k=1.37
○ 金额假名化
人工审核关卡
模式：new_entities（默认）
超时：240 分钟 → block
文件通道：on_hit
自定义正则 · 实时测试
EMP\d{6}
测试
命中：EMP102938
脱敏沙盒 · 不影响生产配置
输入
「供应商富士康 Q3 排产计划已收到，阿里巴巴项目优先排期，详询王芳」
脱敏结果
「供应商[SUP_01] Q3 排产计划已收到，[CUST_01]项目优先排期，详询[PER_01]」
供应商 ×1 · 词典
客户 ×1 · 词典
人名 ×1 · 语义层
耗时 6ms
| 时间 | 通道 | 命中 | 实体类型 | 审核 | 延迟 |
|---|---|---|---|---|---|
| 14:32:07 | chat_dispatch | 3 | 客户×2 金额×1 | 自动 | 38ms |
| 14:31:52 | agent_api_read | 1 | 供应商×1 | 自动 | 12ms |
| 14:30:18 | provisioning | 5 | 客户×3 人名×2 | 人审放行 | 210ms |
| 14:27:10 | file | 12 | 客户×5 金额×7 | 人审放行 | 1.2s |
| 14:25:03 | chat_dispatch | 1 | 凭证模式 | 已拒绝 | 6ms |
审计只记录哈希与命中统计，不存原文——避免二次泄露。
本页包含真值对照，访问已记入审计日志 · 仅管理员可见
| 占位符 | 类型 | 真值 | 最近命中 | 操作 |
|---|---|---|---|---|
| [CUST_01] | 客户 | 阿里巴巴 | 2 分钟前 | 删除 |
| [SUP_01] | 供应商 | 富士康 | 5 分钟前 | 删除 |
| [PER_01] | 人名 | 王芳 | 12 分钟前 | 删除 |
| [CUST_07] | 客户 | 蔚蓝生物 | 待审中 | 删除 |
删除映射后，历史内容中的占位符不可再还原——满足个保法删除权，操作二次确认并留痕。
总览——出境调用量、命中率、待审队列与最新告警，一屏掌握。
09 · PRINCIPLES & SLO
设计原则与质量承诺
八条不可妥协的架构原则，以及可度量、可验证的质量指标——写进文档，也写进交付。
分层防线可叠加，不互替
存真值，出口脱敏
凭证一律走环境变量
假名化优先于删除
规则客户可配置
全程可审计可追溯
不破坏 AI 推理能力
不承诺 100%，但承诺可验证
≥95%
评估集 Recall
（含语义层）
（含语义层）
100%
已知实体 Recall
（词典+正则）
（词典+正则）
0
凭证出站事件
（全部拦截）
（全部拦截）
<50ms
脱敏延迟 P95
（不含语义层）
（不含语义层）
100%
出境调用审计覆盖
<0.1%
回写还原失败率