PrivacyGuard 案例：为中文专业文档建立本地隐私处理闭环

问题不只是“找出姓名”

法律、科研和其他专业文档中，敏感信息分散在正文、表格、页眉页脚和附件里。姓名、机构、地址、联系方式可以被规则识别，但同一对象可能有多种写法，扫描文档也可能根本没有可靠文本层。若工具只输出一份替换后的文件，使用者很难判断是否遗漏。

PrivacyGuard 的目标不是承诺绝对匿名，而是建立一个本地、可复核、失败时会阻断的处理闭环。原始材料留在本机，系统明确展示发现了什么、替换了什么、哪些页面或字段需要人工确认。

从解析完整性开始

当前工作流面向 TXT、Markdown、EML、DOCX 和具有文本层的 PDF。文件进入识别之前先检查解析是否完整；扫描 PDF 需要逐页 OCR 覆盖，不能把空白解析结果当作“没有敏感信息”。编码错误、页数不一致或偏移无效都会进入阻断状态。

这一设计看似保守，却是隐私工具最重要的可靠性基础。系统不知道的部分必须暴露出来，不能用顺利完成的进度条掩盖。

人工复核位于关键路径

规则与模型给出候选实体，使用者确认哪些内容需要处理，并为同一实体建立一致别名。统一假名化不仅减少泄露风险，也让后续分析仍能理解对象之间的关系。生成结果后，系统再次扫描待发送版本，检查是否残留敏感字段或出现无效替换。

人工复核不是对自动化的妥协，而是专业文档处理中不可省略的责任边界。工具负责降低查找和替换成本，人负责确认语义与授权。

安全通过不等于内容正确

PrivacyGuard 处理的是材料进入后续工具之前的隐私边界。它不能证明法律分析、科研判断或模型回答正确，也不能替代组织内部的数据制度。隐私链路、事实核验和专业审核需要分别验收。

这个案例带来的方法论是：把解析完整性、人工确认、失败阻断和发送前复检写成系统状态。只有过程可见、结果可追踪、异常不会静默通过，隐私保护才不只是一个口号。