本地离线脱敏方案：面向法律与合规场景的敏感信息处理实践

一、问题不是“是否使用AI”，而是“什么材料可以进入AI”

律师和法务使用AI辅助处理文档，已经不是新鲜事。改合同、总结证据、整理时间线、提取争议焦点、生成庭审提纲，这些工作在一定条件下确实能够提升效率。但效率提升的同时，有一个动作经常被忽略：文件上传前、文本粘贴前，原始材料是否已经完成脱敏。

法律材料通常不是普通文本。里面可能包含客户姓名、身份证号、手机号、住址、银行卡号、病历、工资信息、案号、证人信息、家庭成员信息、企业名称、合同金额、印章、签名、指印、二维码。这些内容一旦直接进入第三方AI工具，后续可能面临一系列难以回答的问题：

• 平台是否保存了文件或对话记录；
• 内容是否进入日志、缓存、检索链路或人工排查流程；
• 团队内部是否有人能够访问这些材料；
• 客户是否明确同意将原始材料交由第三方系统处理；
• 一旦出现异常，能否准确追溯影响范围。

这些问题并非只存在于某一家平台。任何将原始法律材料提交给外部系统的行为，都会引入类似的不可控因素。近年来，已有公开报道显示，用户在使用在线AI翻译或润色功能时，曾意外收到他人提交的原始简历信息，其中包含姓名、电话、邮箱、工作经历等真实内容。这类事件并不能说明所有在线工具都会出现同样问题，但它揭示了一个关键事实：提交给在线系统的原文，本身就是风险源。

对法律与合规场景而言，更稳妥的做法不是依赖平台承诺，而是在源头处理风险。也就是说，先把不应出现的信息处理掉，再将脱敏后的材料交给AI或外部系统。

二、手工脱敏为什么不够可靠

很多从业者在处理法律材料时，会先截图、画黑框、打马赛克，再把处理后的图片或文档发送给AI。这种操作方式能够解决一部分视觉层面的问题，但在实际业务中并不足够可靠。

1. 材料数量增加时容易遗漏

一份证据包中，可能同时混有Word文档、PDF文件、扫描件、聊天截图和照片。敏感信息不一定集中在正文中，也可能出现在页眉、页脚、批注、水印、图片内部或附件截图里。例如，手机号可能存在于正文段落中，也可能嵌在一张聊天记录的截图里；身份证号可能出现在合同首页，也可能藏在扫描件的边角。材料数量越多、格式越杂，人工查找遗漏的概率就越高。

2. 视觉遮挡并不等于数据删除

很多PDF文件在视觉上看已经遮住了敏感信息，比如用黑色矩形覆盖了身份证号区域。但如果该PDF只是在上层绘制了一个不透明图形，而没有删除底层文字，那么使用复制、搜索、文本提取工具时，原文仍然可能被读取。上传给AI系统后，底层文字是否会被解析，取决于系统对PDF的处理方式。如果系统读取了整个文本层，视觉遮挡将完全失效。

因此，仅仅“看起来遮住了”并不意味着数据已被真正移除。可靠的脱敏需要对文档内容层进行处理，而不是只改变显示效果。

3. 缺少系统化的复核与记录

手工脱敏后，很难进行系统化复核。哪些位置被修改了，哪些同名实体漏掉了，哪些误处理需要恢复，哪些文件已经完成脱敏，哪些尚未处理，这些问题在截图和临时文件中都难以管理。特别是在多人协作场景下，如果缺少统一的处理记录，后续审计和责任划分会变得更加困难。

脱敏工具的核心价值，不只是自动识别和打码，而是把识别、复核、替换、脱敏、导出和留痕放在同一个流程中，让每一步都有迹可循。

三、本地离线脱敏的基本思路

对于经常处理敏感材料的律师、法务、合规和风控人员来说，一个更合理的工作方式是使用本地离线运行的桌面脱敏工具。这类工具的核心边界很明确：脱敏处理全部在本机完成，所有材料数据不需要上传到云端识别。

1. 常见使用场景

在实际工作中，本地脱敏工具通常用于以下场景：

• 将合同、证据、阅卷材料交给AI总结前，先隐藏真实身份信息；
• 对外提供案件材料或卷宗副本前，批量处理当事人、证人和企业信息；
• 在内部共享或跨团队协作前，对原始材料进行必要的清洗；
• 将脱敏后的文件用于培训、案例研究或对外宣讲，避免真实信息扩散。

在这些场景中，脱敏工具的作用不是替代人工判断，而是将常见的识别与替换工作自动化，同时保留人工复核入口。

3. 识别与替换的常见类型

法律与合规场景中的敏感信息，通常可以分为以下几类：

• 身份信息：姓名、身份证号、护照号、社保号等；
• 联系方式：手机号、座机号、邮箱地址、通讯地址等；
• 财务信息：银行卡号、账户信息、工资数额、合同金额等；
• 医疗信息：病历内容、诊断结果、用药记录等；
• 案件信息：案号、法庭名称、法官姓名、代理人信息等；
• 组织信息：企业名称、统一社会信用代码、关联公司信息等；
• 图像信息：印章、签名、指印、二维码、人脸照片等。

不同类型的信息，需要采用不同的处理策略。例如，手机号和身份证号通常可以通过正则表达式识别；姓名和企业名称需要借助命名实体识别；印章和签名则往往需要结合图像检测与人工确认。

4. 脱敏强度与可逆性选择

脱敏操作并非一概而论。根据使用目的不同，可以选择不同的脱敏强度：

• 可逆脱敏：适用于处理过程仍需要保留还原能力的情况。例如，用映射表替换真实姓名，后续可以根据映射表恢复原名。这种方式适合内部加工流程，但要求映射表本身必须严格管理。
• 不可逆脱敏：适用于对外交付或无法保证映射表安全的场景。例如，将姓名替换为“当事人A”，将手机号替换为“138**0000”。替换后的内容无法恢复，但能够消除直接识别风险。
• 内容移除：对于完全不需要保留的字段，可以直接删除。例如，合同附件中的身份证复印件图片，在脱敏版本中可以整页移除。

选择哪种方式，取决于材料去向、使用目的和合规要求，而不是简单地统一处理。

四、关键环节：复核、导出与台账管理

自动化识别只能作为起点，不能作为终点。一个可靠的脱敏流程需要在自动处理之后加入人工复核，并在导出阶段形成完整的处理记录。

1. 人工复核的必要性

任何自动识别算法都存在误报与漏报。例如，在合同文本中，企业名称可能与普通名词相似；在聊天记录截图中，手机号可能被换行或多余字符打断；在扫描件中，手写内容可能无法被准确识别。因此，自动识别后的结果应当以可视化方式呈现给使用者，让使用者逐项确认。

一个合理的设计是：系统列出所有识别到的敏感实体，并标注其类型和所在位置；使用者可以逐条确认、撤销或补充。复核完成后，系统再根据确认结果生成最终脱敏文件。

2. 脱敏后的文本结构保持

脱敏不应破坏文本的基本结构。例如，在合同协议中，替换后的姓名仍应保持原有的语序和格式，避免出现句子不通顺、表意不清的情况。对于案件材料，脱敏后的版本应能够继续用于总结、检索和逻辑分析，否则脱敏反而会降低后续工作的有效性。

3. 导出文件的类型与用途

脱敏后的文件通常需要导出为新的副本，以区别于原始文件。常见导出形式包括：

• 文本格式，用于直接粘贴到AI对话窗口或本地分析工具；
• PDF格式，用于对外发送或存档，但需确保底层文本已被替换；
• 图片格式，用于展示或汇报，但需注意图片中不应残留原始敏感信息；
• 带标注的复核报告，用于内部确认和审计。

无论采用哪种形式，导出文件本身不应包含未经脱敏的原始数据。

4. 台账与留痕

在法律合规场景中，仅仅完成脱敏还不够，还需要知道“什么时候、对哪些文件、做了哪些处理”。因此，脱敏工具应当支持生成处理记录，至少包括：

• 原始文件名称或摘要标识；
• 处理时间；
• 处理人；
• 识别到的敏感信息类型与数量；
• 采用的脱敏方式；
• 导出的文件名称与哈希值。

这些记录可以帮助团队在事后追溯处理过程，也可以作为内部合规管理的依据。需要注意的是，台账本身也属于敏感材料的一部分，应存放在本地并纳入权限管理。

五、本地离线方案的优势与边界

1. 优势

将脱敏处理放在本地离线环境，最大的价值在于降低数据流转环节。文件不需要离开本机，识别与替换过程不受网络环境影响，也不存在被云端留存或记录的问题。对于法律和合规场景，这种架构天然更符合“最小暴露”原则。

同时，本地处理意味着用户可以完全控制处理节奏和输出结果。对于敏感案件材料，不必担心因为网络不稳定或服务不可用而影响工作进度。

2. 边界

本地离线脱敏并非万能。它的主要限制在于：

• 识别能力依赖本地模型：相比在线服务，本地工具的模型更新频率和泛化能力可能较弱；
• 复杂版面处理有限：对于严重倾斜、手写、低分辨率或强烈变形的扫描件，识别效果可能下降；
• 仍需人工判断：自动识别无法完全替代法律人对敏感信息的专业判断，尤其在涉及语境和案件背景时。

因此，本地脱敏工具更适合作为法律与合规工作流中的前置环节，而不是孤立使用的最终方案。它应当和文件管理、权限控制、AI使用规范等机制结合起来，共同构成敏感材料处理体系。

六、建立“先脱敏，再处理”的操作习惯

对于律师和法务而言，真正有效的风险控制不是完全放弃AI工具，而是在使用前形成固定的操作习惯。一个相对稳妥的流程是：

1. 识别材料类型：确认文件是否包含客户、当事人、第三方或内部敏感信息；
2. 本地脱敏处理：在离线环境中完成识别、替换和复核；
3. 关键项人工确认：对识别结果进行逐项确认，必要时补充遗漏；
4. 导出脱敏版本：生成与原始文件分离的脱敏副本；
5. 再交由AI或外部系统处理：仅提交脱敏后的内容；
6. 保存处理台账：记录处理过程，便于追溯与审计。

这个流程并不复杂，却能显著降低原始法律材料被不必要扩散的风险。

脱敏的核心不是追求“零风险”，而是把可控与不可控的边界划清楚。在线系统会不会出问题，往往不是使用者能够完全控制的。但哪些原文可以被提交，哪些信息可以被暴露，却是使用者可以在本地提前决定的。对法律与合规场景而言，这恰恰是最关键的一步。