YouTube 影片筆記

自製工具一鍵去識別化多格式文件並以編碼表還原

YTGet 編輯室工程師下班有約觀看 2.2萬觀看原片

原片說明

點擊 https://surfshark.com/deanlin 或用優惠碼 DEANLIN 以獲得額外 4 個月 Surfshark 服務！ 📌 參考資源：資料去識別化工具：https://deanlin.net/data-deidentification GitHub 原始碼：https://github.com/dean9703111/data-deidentification ========================= ❝有規定但沒工具，資料外洩怪誰？❞ 上傳敏感資料給 AI 前，一定先做去識別化的動作！但是這件事很容易因為檔案太多、格式不一、操作瑣碎被忽略。所以我設計了一款工具讓大家免費使用： ⓵ 支援 Word/Excel/PDF/TXT 等多種格式 ⓶ 文件自動去識別化後，可手動增加/取消 ⓷ 最多可以批量處理 10 個檔案 ⓸ 可下載 CSV 編碼，將去識別化的檔案還原 ⓹ 純前端網站，檔案不會外流，無資安問題 🧑‍💻 作者資訊：林鼎淵的 FB：https://www.facebook.com/deanlinbao 林鼎淵的 Medium：https://dean-lin.medium.com/ 📑 影片章節： 0:00 AI 使用資訊安全 4:23 為什麼需要去識別化 5:53 自動遮蔽、還原、自訂規則 9:27 我如何設計這個工具 12:17 AI 做事，人承擔責任 #資料去識別化 #個資保護 #ChatGPT #Claude #AI資安 #資訊安全 #VibeCoding #Surfshark #工程師下班有約

把公司合約丟進 ChatGPT 之前，你有沒有想過那些姓名、電話、統編可能正被拿去訓練模型？鼎淵這支影片直接點破一件事：很多人以為 PDF 畫個白框就遮住了，結果框起來複製貼上，答案還在。他自己做了一個免費工具來解決這個問題，還把關閉 AI 訓練設定的步驟一個一個帶你點。

影片時間軸

00:00鼎淵開場，說明企業內訓常收到沒去識別化的檔案
01:00示範關閉 ChatGPT 與 Claude 的模型訓練設定
01:30拆解冒充高階主管的釣魚信件手法
02:09介紹自製去識別化工具，支援多格式與批量處理
04:37回顧手動處理的痛點：Word 逐字取代、Excel 漏工作表、PDF 白框
05:55實際操作工具，示範自動遮蔽、手動增減與下載編碼表
08:16把去識別化後的合約丟給 AI 修改，再用編碼表還原
09:29分享 Vibe Coding 的設計思路與部分保留功能的由來
12:19結尾四點提醒，強調去識別化不等於匿名化

手動去識別化的三個漏洞

鼎淵把大家土法煉鋼的痛點講得很清楚。Word 用取代功能一個一個換，換到後面就漏；Excel 處理完第一個工作表，後面幾個忘記；PDF 最慘，畫白框看起來遮住了，框起來複製貼上答案還在。這些不是笨，是檔案太多、操作太碎，有心做也容易出錯。他補一句自己收到這些檔案還好，因為有簽保密協議，但直接丟給 AI 情況就不一樣了。

工具怎麼用，編碼表為什麼不能丟

實際操作那段才是重點。拖進檔案後，姓名、統編、電話會變成方括號加類別，滑鼠移過去能看到原文。預設是部分保留，留下姓氏、電話前幾碼、地址的縣市，方便統計；要全遮也行。自動偵測一定會有誤判，所以預覽階段要自己看過一輪，抓錯的點一下就能取消。下載時會拿到兩個檔案，一個是去識別化檔案，一個是 CSV 編碼表，這兩個是一組的，編碼表沒存好，未來就還原不回來。

部分保留是上課上出來的

他原本的版本只有全遮，後來講了幾堂課才發現問題：身分證前兩碼要看地區跟性別，地址的縣市行政區要做分析，全部變成編碼就回推不了。所以後來加上部分保留，依類別決定遮到什麼程度。他也老實說 AI 給的第一版只有去識別化，不能還原，是他自己操作一段時間後才發現合約改完總不能手動填回去，才請 AI 加上編碼表。這段比任何業配都誠實。