🛡️ Local PII Extractor：個資識別與匿名化工具

GitHub Repository：https://github.com/chewu-0319/Local_PII_Extractor

個資提取與替換工具使用 spaCy NER + 正規表示式完成雙重偵測，並提供簡潔 GUI 操作介面。

---

簡介

許多使用者習慣將資料輸入至如 GPT, Grok或Claude等AI模型進行處理，但這些資料可能包含機敏資訊（例如電話號碼、身分證號、信用卡資訊等），直接上傳可能面臨個資外洩的風險。

那我就想到，如果能在上傳資料到這些大語言模型之前，先在本地自動把重要資料先移除 (手動的話會很久很麻煩)，避免資料偷偷被這些公司拿去蒐集訓練，造成個資外洩，所以就結合自己在自然語言處理領域的研究，使用NER的方式去實作。

開發 Local PII Extractor，支援中文的本地個資提取與匿名化工具，使用spaCy與正規表示式進行雙重偵測，並提供簡潔的 GUI 操作介面，讓使用者能夠在本地環境中安全地處理敏感資料。

架構

---

動機

• 資料安全性：避免將包含敏感資訊的資料上傳至雲端，降低資料外洩風險。
• 支援中文處理：現有的 PII 工具多以英文為主，缺乏對中文的良好支援。
• 易於使用：透過 GUI 介面，讓非技術背景的使用者也能輕鬆操作。

功能

• 雙重偵測機制：結合 spaCy 的自然語言處理能力與正規表示式，提升個資識別的準確性。
• 支援多種個資類型：能夠識別並處理電話號碼、身分證號、信用卡資訊等常見的敏感資訊。
• 本地處理：所有資料處理皆在本地進行，無需連接網路，保障資料隱私。
• GUI 操作介面：提供直觀的圖形介面，方便使用者進行資料上傳、處理與下載。

技術

• 程式語言：Python

• 主要套件：

  • spaCy：用於自然語言處理與實體識別(NER)。
  • re（正規表示式）：輔助識別特定格式的敏感資訊。
  • tkinter：建立 GUI 操作介面。

使用說明

1. 安裝依賴套件：

   pip install -r requirements.txt

2. 啟動應用程式：

   python main.py

3. 操作流程：

   • 啟動後，會出現 GUI 介面。
   • 點選「選擇檔案」上傳欲處理的文本檔案。
   • 點選「開始處理」，系統將自動識別並匿名化敏感資訊。
   • 處理完成後，點選「下載結果」取得處理後的檔案。

📁 專案結構

Local_PII_Extractor/
├── main.py           # 主程式，負責 GUI 與流程控制
├── utils.py          # 工具函式，包含資料處理邏輯
├── requirements.txt  # 依賴套件清單
├── README.md         # 專案說明文件
└── png/              # 存放圖片

🔍 未來規劃

• 支援更多語言：擴展對其他語言（如日文、韓文等）的支援。
• 提升識別準確率：引入更先進的 NLP 模型，提升個資識別的準確性。
• 增加批次處理功能：允許使用者一次處理多個檔案，提高效率。