- PII 是什么
PII = Personally Identifiable Information，个人身份信息 / 个人可识别信息。
指任何能单独或结合其他信息识别到某个具体自然人的数据。常见包括：
类别 例子
直接标识 姓名、身份证号、护照号、手机号、邮箱、银行卡号
间接标识 生日、性别、邮编、IP 地址、设备 ID、车牌号
敏感属性 病历、宗教信仰、生物特征、精确位置
账号类 用户名、客户 ID、社交账号
关键点：能定位到"这个人是谁"或"能联系到这个人"，就属于 PII。
不同法规定义略有差异：
GDPR 用 personal data，范围更宽。
中国《个人信息保护法》用 个人信息，还包括"可识别性"。
美国各州法（如 CCPA）用 PII / personal information。
- 脱敏是什么
脱敏（Data Masking / De-identification）= 对敏感数据做处理，使其不再暴露原始真实值，但仍保留一定使用价值。
核心目标：
防泄漏：即使数据被看到/泄露，也无法还原到个人。
保可用：数据还能用于测试、分析、展示、日志排查。
脱敏不是简单"删掉"，因为很多场景还需要数据格式、统计特征、关联关系。
- 常见脱敏方法
① 遮蔽 / 掩码（Masking）
保留部分字符，其余用 * 等替代。
text
手机号：13812345678 → 138****5678
身份证：110101199001011234 → 110101********1234
邮箱：zhangsan@example.com → z****@example.com
② 替换（Substitution）
用假值替换真值，格式保持一致。
text
姓名：张三 → 李四
手机号：13812345678 → 13900000000
③ 泛化（Generalization）
降低精度，保留区间。
text
生日：1990-01-01 → 1990年代
邮编：100081 → 1000**
年龄：27 → 20-30
④ 哈希（Hashing）
用哈希值代替原值，常用于关联分析。
text
user_id: 12345 → a94f3c...
注意：普通哈希可被彩虹表反推，敏感场景要加盐（salted hash）或 HMAC。
⑤ 加密（Encryption）
可逆，密钥持有者能还原。适合需要还原的场景，但不算严格脱敏。
⑥ 假名化（Pseudonymization）
用代号替换身份，映射表单独保管。
text
张三 → USER_001
GDPR 认为假名化后仍属个人数据，但风险降低。
⑦ 差分隐私 / 加噪
在统计结果里加噪声，保护个体，常用于数据发布。
⑧ 令牌化（Tokenization）
用无意义 token 替换敏感值，真实值存在安全令牌库。
text
卡号 6222...1234 → tok_9f8a7b
- 脱敏 vs 匿名化
容易混，区别很重要：
脱敏 / 假名化 匿名化
可否还原 通常可逆或部分可逆 不可逆
是否仍算个人信息 多数法规下仍算 不再算
用途 测试、日志、展示、分析 数据发布、共享
风险 有重识别风险 理论上无
严格说，真正不可逆、无法重识别的才叫匿名化；日常说的"脱敏"范围更宽，常包含可逆处理。
- 为什么需要 PII 脱敏
合规：GDPR、PIPL、CCPA、HIPAA 等要求最小化暴露。
安全：降低数据泄露损失，日志/测试库不存真值。
开发测试：用生产数据做测试，但不能用真 PII。
数据分析：共享数据集时保护个体。
日志与监控：避免把手机号、身份证写进日志。
- 典型应用场景
日志脱敏：打印用户信息时自动打码。
测试环境：从生产库抽数据时脱敏。
数据共享/开放：对外发布数据集。
前端展示：页面只显示尾号。
AI/LLM 场景：送进模型前先去除 PII，防泄露给第三方。
客服系统：坐席只能看到部分信息。
- 和前面几个概念的联系
你前面问的 grounding check、contextvar + SQL 谓词，其实和 PII 脱敏经常出现在同一套系统里：
contextvar 携带当前用户/租户 → 决定谁能看哪些数据。
SQL 谓词 做行级权限过滤 → 限制数据范围。
PII 脱敏 在数据真正输出/落日志/送模型前 → 把敏感字段遮蔽。
grounding check 保证回答有依据，不编造。
合起来就是一条数据安全与质量流水线：
权限过滤（能看什么）→ 脱敏（看到的是什么形态）→ 事实检查（说的是否有依据）。
- 一句话总结
PII 脱敏就是：对能识别到具体个人的信息（姓名、手机号、身份证、邮箱等），用遮蔽、替换、泛化、哈希等方式处理，使其不再直接暴露真实身份，同时尽量保留数据的可用性，用于合规、安全和测试等场景。
如果你是在看某个具体系统（比如日志、LLM 网关、数据平台）的 PII 脱敏设计，可以把那段贴出来，我帮你分析它用了哪种脱敏策略、有没有重识别风险。