（5043期）Openclaw Pii Anonymizer – 本地双层脱敏，隐私零出境

本地双层脱敏，隐私零出境 双层PII脱敏管道：正则快速过滤+Qwen2.5本地模型精准识别人名，手动调用稳定可靠，自动拦截待修复。 使用说明 核心用法 OpenClaw PII Anonymizer 是一款面向本地部署的隐私保护中间件，采用「正则表达式 + 本地 LLM」的混合架构，在数据发往外部 AI 服务前自动脱敏敏感信息。 工作流程： 第一层（Regex）：毫秒级处理结构化 PII，包括 SSN、邮箱、手机号、加密货币钱包、IP 地址、文件路径等 第二层（Qwen2.5:3b）：本地 LLM 识别上下文中的真实人名，避免误伤普通词汇 输出：所有敏感信息替换为标准化 token（如 [NAME]、[SSN]） 调用方式： ✅ 手动模式（已可用）：直接执行 bash privacy-anonymize-v2.sh "$input" 获取脱敏结果 ⚠️ 自动拦截（待修复）：Hook 系统已安装但未正确触发 message:preprocessed 事件 依赖要求： Ollama 本地服务（默认 http://localhost:11434） Qwen2.5:3b 模型（1.9GB，显存 6GB+ 可运行，16GB 推荐） 标准 Unix 工具链：bash、curl、jq、sed 选型 rationale：作者测试对比后选定 Qwen2.5:3b 替代 phi3:mini，关键优势为零幻觉、不发散、指令遵循更精准，体积反而更小。 --- 显著优点 | 维度 | 表现 ||------|------|| 隐私安全性 | 100% 本地处理，原始数据不出境，符合零信任架构 || 精准度 | 双层校验降低误报；人名识别经专门优化 || 可控性 | 开源脚本，token 格式可自定义，正则规则可扩展 || 性能 | 纯正则场景 <1ms；触发 LLM 时 2-3 秒，且支持短文本短路优化 || 资源友好 | 3B 参数模型，消费级硬件可部署 | --- 潜在局限与风险 当前缺陷： 自动拦截失效：Hook 系统未按预期工作，需开发者手动集成脱敏步骤 无反向还原：[NAME] 等 token 不会自动映射回原始值，下游响应保持匿名 国际化覆盖有限：正则主要针对北美/通用格式，复杂地址、护照号等需自行扩展 LLM 延迟：人名检测环节 2-3 秒阻塞，高并发场景可能成为瓶颈 架构风险： 依赖本地 Ollama 服务的可用性，服务未启动或模型缺失会导致降级失败或报错 作者明确建议生产环境（真实客户 PII）迁移至 NemoClaw，暗示本工具定位为开发/测试阶段方案 --- 适合人群 AI 应用开发者：需要在原型阶段快速搭建隐私合规流水线 本地 LLM 爱好者：已部署 Ollama，希望扩展数据预处理能力 安全测试团队：验证 PII 脱敏策略的有效性 不适合：追求开箱即用、高并发生产环境、或不愿维护本地模型服务的用户 --- 常规风险提示 | 风险等级 | 说明 ||----------|------|| 🟡 中等 | 自动拦截功能未完成，误用可能导致 PII 意外外泄（依赖人工调用） || 🟡 中等 | Qwen2.5:3b 虽经优化，仍存在极小概率识别偏差，关键场景建议人工复核 || 🟢 低 | 本地推理杜绝了第三方 API 数据留存风险，符合 GDPR/PIPL 最小化原则 | 建议实践： 生产部署前完成自动化测试套件覆盖各类 PII 变体 监控 Ollama 服务健康状态，设置脱敏失败时的熔断机制 关注项目 Roadmap 中「Async LLM」和「Re-contextualization」进展 原始说明 Privacy pipeline for OpenClaw - Hybrid regex + Qwen2.5 LLM to scrub PII (names/emails/SSNs/phones/wallets/IPs/paths) before external AI processing. Script wo...