Remova ou substitua dados pessoais evidentes antes de enviar texto a um assistente de chat com IA e revise tanto o texto mascarado quanto o relatório de detecção para encontrar o que foi deixado para trás. Este tutorial usa um pequeno exemplo sintético e mantém o arquivo original inalterado.
A tradução foi feita com IA. Confira o código, as unidades e os valores junto com o original. A revisão por falantes nativos de cada idioma ainda não foi concluída. English
Para quem éPara quem quer fazer uma verificação prática antes de enviar a uma IA textos de trabalho que possam conter nomes, endereços de e-mail ou números de telefone.
Este exemplo é totalmente sintético. Os nomes, endereços de e-mail, números de telefone, informações de empresa e o conteúdo da mensagem foram inventados para o tutorial. O objetivo é praticar a remoção de dados pessoais evidentes antes de o texto sair do seu ambiente local.
Salve o texto a seguir como message.txt. Ele contém dois nomes, dois endereços de e-mail, dois números de telefone e uma referência deliberadamente ambígua que uma regra simples de mascaramento não detectará.
Project review notes
Alice Kim asked us to send the revised table to alice.kim@example.com.
If the file is delayed, call Alice at 010-1234-5678.
Bob Lee will review the second draft. His email is bob.lee@example.com and his office number is 02-345-6789.
The final approval should also be checked with A. Kim before Friday.
Você pode perguntar a um assistente de IA como projetar regras de mascaramento sem enviar o documento sensível real. Descreva as categorias e use exemplos inventados.
Uma resposta útil deve distinguir identificadores estruturados de linguagem não estruturada. Endereços de e-mail e números de telefone costumam apresentar padrões reconhecíveis. Nomes de pessoas são mais difíceis: palavras comuns podem ser nomes, podem aparecer iniciais ou diferentes sistemas de escrita, e a mesma pessoa pode ser mencionada de várias formas.
Para este exemplo sintético, use uma pequena lista aprovada para nomes e expressões regulares para e-mails e telefones. Essa abordagem é intencionalmente mais restrita do que um detector geral de dados pessoais.
| Tipo de dado | Regra | Marcador |
|---|---|---|
| Nome completo | Substituir apenas os nomes exatos aprovados Alice Kim e Bob Lee | [NAME_1], [NAME_2] |
| Detectar padrões comuns com parte local, @ e domínio | [EMAIL_1], [EMAIL_2] | |
| Telefone | Detectar os dois formatos de telefone presentes neste exemplo | [PHONE_1], [PHONE_2] |
| Outro texto | Manter inalterado para revisão manual | Sem substituição automática |
Marcadores consistentes ajudam a manter compreensíveis as referências repetidas sem preservar o identificador original. O script abaixo atribui o mesmo marcador às ocorrências repetidas do mesmo valor detectado.
O script Python a seguir lê message.txt, aplica as regras aprovadas e grava os resultados em uma nova pasta outputs. Ele também cria um relatório replacements.csv com cada valor original detectado e seu marcador. O script para se outputs já existir e nunca sobrescreve message.txt.
import csv
import re
import sys
from pathlib import Path
INPUT = Path("message.txt")
OUTPUT_DIR = Path("outputs")
MASKED_FILE = OUTPUT_DIR / "message_masked.txt"
REPORT_FILE = OUTPUT_DIR / "replacements.csv"
KNOWN_NAMES = ["Alice Kim", "Bob Lee"]
EMAIL_RE = re.compile(
r"\b[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Za-z]{2,}\b"
)
PHONE_RE = re.compile(
r"(?<!\d)(?:010-\d{4}-\d{4}|02-\d{3}-\d{4})(?!\d)"
)
def make_replacer(kind, mapping, rows):
def replace(match):
original = match.group(0)
if original not in mapping:
placeholder = f"[{kind}_{len(mapping) + 1}]"
mapping[original] = placeholder
rows.append(
{
"type": kind,
"original": original,
"replacement": placeholder,
}
)
return mapping[original]
return replace
def mask_known_names(text, mapping, rows):
for name in KNOWN_NAMES:
if name not in text:
continue
if name not in mapping:
placeholder = f"[NAME_{len(mapping) + 1}]"
mapping[name] = placeholder
rows.append(
{
"type": "NAME",
"original": name,
"replacement": placeholder,
}
)
text = text.replace(name, mapping[name])
return text
def main():
if not INPUT.is_file():
sys.exit(f"Input file not found: {INPUT}")
if OUTPUT_DIR.exists():
sys.exit(f"Stop: {OUTPUT_DIR} already exists. Review or rename it first.")
original = INPUT.read_text(encoding="utf-8")
rows = []
name_map = {}
email_map = {}
phone_map = {}
masked = mask_known_names(original, name_map, rows)
masked = EMAIL_RE.sub(make_replacer("EMAIL", email_map, rows), masked)
masked = PHONE_RE.sub(make_replacer("PHONE", phone_map, rows), masked)
OUTPUT_DIR.mkdir()
MASKED_FILE.write_text(masked, encoding="utf-8")
with REPORT_FILE.open("x", encoding="utf-8", newline="") as target:
writer = csv.DictWriter(
target,
fieldnames=["type", "original", "replacement"],
)
writer.writeheader()
writer.writerows(rows)
print(f"Unique names masked: {len(name_map)}")
print(f"Unique emails masked: {len(email_map)}")
print(f"Unique phones masked: {len(phone_map)}")
print(f"Masked copy: {MASKED_FILE}")
print(f"Replacement report: {REPORT_FILE}")
if __name__ == "__main__":
main()
Coloque mask_personal_data.py ao lado de message.txt e execute python mask_personal_data.py. Para este exemplo exato, o resultado esperado é o mascaramento de 2 nomes únicos, 2 e-mails únicos e 2 telefones únicos.
Calcule manualmente as substituições esperadas antes de confiar no resultado. O script deve registrar seis valores únicos detectados.
| Tipo | Original | Substituição |
|---|---|---|
| NAME | Alice Kim | [NAME_1] |
| NAME | Bob Lee | [NAME_2] |
| alice.kim@example.com | [EMAIL_1] | |
| bob.lee@example.com | [EMAIL_2] | |
| PHONE | 010-1234-5678 | [PHONE_1] |
| PHONE | 02-345-6789 | [PHONE_2] |
Alice Kim aparece duas vezes no texto original, mas deve usar [NAME_1] nas duas ocorrências. O relatório contém valores únicos detectados, e não uma linha para cada ocorrência.
A substituição automática é apenas a primeira etapa. Abra outputs/message_masked.txt e leia todo o resultado antes de colá-lo em qualquer lugar. Neste exemplo, o último parágrafo ainda contém A. Kim. O script não consegue saber, com base apenas na lista aprovada, que essa referência pode corresponder a Alice Kim.
Em fluxos de trabalho reais, defina o que deve ser removido com base no documento, na política aplicável e no objetivo da tarefa com IA. Quando possível, forneça apenas o mínimo de texto necessário para a tarefa em vez de mascarar um documento grande e enviá-lo por completo.
2026-09-21 · hand-checked example · Python 3.12
As explicações e os exemplos são de elaboração própria. Os comportamentos e conceitos relacionados podem ser consultados nas fontes oficiais abaixo.