074_FDE数据脱敏实战：客户敏感业务数据，驻场RAG项目脱敏处理实操.docxVIP

?#FDE现场数据脱敏实战：如何在保障安全的同时保留业务语义

1.引言：FDE场景下的数据隐私困境

在字段开发工程（FieldDevelopmentEngineering,FDE）场景中，技术团队往往需要深入客户现场，处理大量的非结构化文档（合同、日志、架构图、需求文档）。随着RAG（检索增强生成）和LLM应用的普及，将这些文档“入库”成为知识增强或模型微调的标准流程。

然而，FDE现场数据通常包含高敏感信息：*个人身份信息（PII）：身份证、手机号、姓名。*商业机密（CI）：报价单、未公开的产品参数、客户内部架构、定价策略。

核心矛盾：*过度脱敏：将数据全部替换为***，导致文档语义破碎，LLM无法理解上下文（例如：“用户A联系了用户B”变成”***联系了***“，实体关系丢失）。*脱敏不足：敏感信息泄露，违反合规要求（如GDPR、个人信息保护法）。

本文将分享一套“分层脱敏+语义保留”的实战策略，旨在文档入库前实现安全与可用性的平衡。

2.脱敏策略架构设计

在文档入库（Ingestion）流水线中，脱敏应作为预处理的第一道关卡。

mermaidgraphLRA[原始文档]--B[预处理清洗]B--C[敏感实体识别NER/Regex]C--D[脱敏决策引擎]D--E[执行脱敏变换]E--