PII Sanitization（PII 脱敏）

PII Sanitization（个人身份信息脱敏）是数据隐私保护的关键步骤，旨在防止敏感信息在数据发布、分析或模型训练中泄露。PII包括直接标识符（如姓名、电话）和准标识符（如邮编、生日）。技术手段包括基于规则的正则表达式、基于NER的机器学习模型（如spaCy、BERT）以及生成式替换。在AI领域，它用于构建合规的训练数据集、联邦学习中的本地脱敏，以及LLM输出过滤。挑战在于平衡脱敏效果与数据可用性，并应对多语言和上下文依赖的PII。