LLM-敏感信息打碼(MaxCompute)
該組件主要用于大語言模型(LLM)的文本數(shù)據(jù)預處理工作,可以將敏感信息打碼,例如將郵箱地址字符替換成[EMAIL]
,手機/電話號碼替換成[TELEPHONE]
或[MOBILEPHONE]
,身份證號碼替換成[IDNUM]
。
使用限制
僅支持MaxCompute計算引擎。
算法簡介
敏感信息包括以下匹配項:
手機號碼:匹配以下正則表達式的字符串將被替換成
[MOBILEPHONE]
。r'(?<!\d)(1(3[0-9]|4[579]|5[0-3,5-9]|6[6]|7[0135678]|8[0-9]|9[89])\d{8})(?!\d)'
r'(?<!\d)(1[\d]{2}-\d{4}-\d{4}\D|\D1\d{10}\D|\D1[\d]{2} \d{4} \d{4})(?!\d)'
r'(?<!\d)(1[3-9]\d{9})(?!\d)'
座機號碼:匹配以下正則表達式的字符串將被替換成
[TELEPHONE]
。r'(?<!\d)(\(?0\d{2,3}[-\s)]?\d{7,8})(?!\d)'
郵箱:匹配以下正則表達式的字符串將被替換成
[EMAIL]
。r'[a-zA-Z0-9_.+-]+@[a-zA-Z0-9-]+.[a-zA-Z0-9-.]+'
身份證:匹配以下正則表達式的字符串將被替換為
[IDNUM]
。r'(?<!\d)([1-6]\d{5}[12]\d{3}(0[1-9]|1[12])(0[1-9]|1[0-9]|2[0-9]|3[01])\d{3}(\d|X|x))(?!\d)'
r'(?<!\d)([1-9]\d{5}[12]\d{3}(0[1-9]|1[012])(0[1-9]|[12][0-9]|3[01])\d{3}[0-9xX])(?!\d)'
例如郵箱打碼:
處理前:
處理后:
可視化配置參數(shù)
您可以在Designer中,通過可視化的方式配置組件參數(shù)。
頁簽 | 參數(shù) | 是否必選 | 描述 | 默認值 |
字段設置 | 選擇目標處理列 | 是 | 選擇要處理的列,支持選擇多個列。 | 無 |
設置輸出表生命周期 | 否 | 正整數(shù),單位為天。默認28天,28天后該組件產(chǎn)生的臨時表被回收。 | 28 | |
執(zhí)行調優(yōu) | 每個實例的cpu數(shù)目 | 否 | 設定map task每個instance的CPU數(shù)目,取值范圍為[50,800]。 | 100 |
每個實例的memory大小,單位M | 否 | 設定map task每個instance的memory大小,單位為MB,取值范圍為[256,12288]。 | 1024 | |
每個實例處理的數(shù)據(jù)大小,單位M | 否 | 設定map task每個instance的最大處理數(shù)據(jù)量,用戶可以通過控制該變量,實現(xiàn)對map端輸入的控制。單位為MB,取值范圍為[1,Integer.MAX_VALUE]。 | 256 |
相關文檔
關于Designer組件更詳細的內(nèi)容介紹,請參見Designer概述。