在處理個人識別資訊（PII）的開發流程中，「及格線」通常被定義為對直接識別字的徹底屏蔽。然而，真正實作過敏感資料遮罩工具的開發者都知道，這條線遠比想像中難以跨越。當我們試圖自動化這項任務時，我們不只是在編寫程式，更是在建構一套嚴密的資訊架構。

本文將分享從實作一個涵蓋七類識別字（身分證、保單號、姓名、電話、Email、地址、帳號）的遮罩工具中，所獲得的技術洞察。這不僅是關於 Regex 的優化，更是一次關於系統邊界與防禦邏輯的深度反思。

重點一：特徵精確度（Specificity）——為什麼「先窄後寬」是唯一的生存之道？

在掃描敏感資料時，正規表示式（Regex）的執行順序決定了分類的精確度。如果缺乏優先級邏輯，系統會陷入「寬樣式收編窄樣式」的災難。

我們必須將「特徵精確度」高的樣式排在前面。例如：

• 身分證字號： 結構極嚴（1 碼字母 + 9 碼數字）。
• 保單號碼： 同樣精確（2 碼字母 + 8 碼數字）。
• 銀行帳號： 它是最寬鬆的「捕鼠器」，通常定義為 10 至 14 碼純數字。

若將帳號樣式放在首位，這組寬鬆的規則會優先「吃掉」原本屬於電話或身分證的數字部分，導致資料屬性歸類錯誤。

> 測試邏輯的核心： 「0912345678 必須歸電話，不得被帳號樣式收編。」

為了確保系統穩定，開發者必須遵循「先窄後寬」原則：先由結構嚴謹的識別字打頭陣，最後才讓寬鬆的長數字串殿後處理。

重點二：當防禦機制「吃掉」了自己的標記——NFKC 正規化的反噬

在開發過程中，最令人印象深刻的失敗案例發生於「冪等性（Idempotency）」測試。為了防止使用者利用全形字元（如全形數字或＠）繞過偵測，我們在 Day 6 就建立了一道防禦防線：NFKC 正規化（Normalization），將所有異體字統一轉為標準半形。

諷刺的是，這道防線在 Day 25 卻意外導致了測試失敗。原因在於：第一版的遮罩符號使用了全形星號「＊」。

> 斷言失敗代碼片段：

> assert once == twice
E AssertionError: assert '客戶＊稱謂已遮罩＊…' == '客戶*稱謂已遮罩*…'

當系統執行第二次遮罩時，工具會再次執行 NFKC 正規化，結果把第一次遮罩產生的「全形星號（＊）」轉換成了「半形星號（*）」，導致兩次執行結果不一致。

解決方案與架構啟發： 我們最終選擇使用全形括號「【】」作為遮罩符號。這類符號在 NFKC 正規化下具有高度穩定性，不會因為重複掃描而變形。在修正此問題並補強地址樣式的「邊界吞字」缺陷（如：解決地址尾端空格處理不當導致「文化路 10 號」門牌號碼裸奔的 Edge Case Boundary Error）後，系統最終成功通過了全套 212 個測試案例。

重點三：不僅要遮罩，還要「回頭再掃一次」的逆向測試

「遮完不驗等於沒遮。」作為資訊架構師，我們不能僅依賴正面表列的遮罩邏輯。我們實作了 verify_masked 函式，這是一種程式化的「逆向測試」：在完成遮罩後，系統必須立即進行重掃驗證，且結果必須為「零命中」。

一個成熟的自動化工具必須達成以下三大驗收指標：

1. 冪等性（Idempotency）： 無論執行幾次遮罩，產出結果必須完全一致。
2. 重掃零殘留： 遮罩後的內容不應再觸發任何正規表示式樣式，確保沒有殘留片段。
3. 全形變體不繞過： 確保全形數字或符號在正規化後能被正確捕捉並屏蔽。

重點四：承認工具的「反能力」——定義誠實的邊界

開發者往往傾向於宣稱工具無所不能，但真正的專業在於明確定義「工具做不到的事」。我們在設計中提出了一個核心原則：「能力邊界即測試的斷言邊界 (The Capability Boundary is the Assertion Boundary)」。

為了避免給予使用者虛假的安全感，我們刻意將以下內容排除在自動化之外：

• 無稱謂全名（如：王小明）： Regex 抓取純姓名極不可靠，假裝抓得到比承認抓不到更危險。這類風險應交由人工把關。
• 準識別字（如：68 歲、榕城分行、金額 6,000 萬）： 這些資訊本身不具備唯一識別性，但組合起來可能具備風險。我們選擇讓這些資料原樣通過，因為自動化工具不應越權處理需要情境判斷的風險評估。

承認工具的「反能力」，並將其文件化與測試化，才是負責任的風險管理。

結語：從「怎麼遮」到「給多少」的思考轉變

透過打造這套工具，我們從技術面守住了 PII 的「及格線」。然而，技術遮罩終究是事後的補救措施。

身為架構師，我們應該從更高層次思考：與其糾結於如何遮罩已經產生的資料，不如從源頭落實 「資料最小化原則 (Data Minimization)」。與其將整包數據丟給 AI 模型後再來擔心隱私洩漏，不如在傳輸前就盤點每一欄位的必要性。

在追求效能的洪流中，我們應該時常反問自己：「模型真的需要這欄資料嗎？」