财务数据脱敏采样

> **本地运行，零网络、免 API Key、数据不出电脑。**
> 四项诚实承诺：① 算不出就说算不出，绝不编造数字；② 高危动作强制人工确认；③ 幂等断点，绝不重复副作用；④ 全程留痕可审计。

# 财务数据脱敏采样

流程跑通之前，谁都不该拿全量真实数据去试。本包解决两件事：**抽一小撮样本**（20–50 行）和**把它脱敏到可以放心流转**。

保形的含义：姓名还是两个字、金额还是五位数、银行卡还是 19 位——数据的形状保留，真实值破坏。这样试跑能跑出真实问题，外发也不泄露。

## 输出四件套（每次运行必有）

| 文件 | 内容 |
|---|---|
| `mask_主表.csv` | 脱敏后的样本，附原始行号（可回溯到原表核对） |
| `mask_异常表.csv` | 不适用场景的说明 |
| `mask_校验表.csv` | 抽样参数、脱敏列清单、反推风险提示、人工复核声明 |
| `fin-log.jsonl` | 处理日志（追加） |

## 环境准备

```bash
PY="<python 3.8+ 路径>"   # 纯标准库
"$PY" <skill目录>/scripts/data_mask.py <文件> [参数]
```

## 用法

### 自动识别 + 预览

```bash
data_mask.py 工资表.xlsx -n 30
```

真实输出：

```
方案：工资表.xlsx | 总行=5 | 抽样=4 | 识别敏感列=6
  脱敏列：姓名(name)、应发工资(amount)、社保基数(amount)、银行卡(card)、手机号(phone)、身份证号(id)
  金额处理：×0.618
--- 脱敏样本预览（前 8 行）---
  员工编号 | 姓名 | 部门 | 应发工资 | 社保基数 | 银行卡 | 手机号 | 身份证号
  E003 | 王* | 财务部 | 13057.71 | 7106.36 | ***************0125 | 137****7000 | 4403************36
  E005 | 孙* | 技术部 | 14164.76 | 7577.36 | ***************0127 | 135****5000 | 4403************38
```

### 分层抽样 + 抗反推

```bash
data_mask.py 工资表.xlsx -n 30 --stratify 部门 --jitter --execute --operator 王五
```

`--stratify 部门` 保证每个部门都有样本；`--jitter` 给金额加 ±5% 随机扰动。

## 脱敏规则

| 类型 | 处理 | 示例 |
|---|---|---|
| 姓名 | 留首字，其余打星 | 张三 → 张* |
| 身份证 / 税号 | 留前 4 后 2 | 440301199001011234 → 4403\*\*\*\*\*\*\*\*\*\*\*\*36 |
| 银行卡 | 只留后 4 位 | 6222021234567890123 → \*\*\*\*\*\*\*\*\*\*\*\*\*\*\*0123 |
| 手机号 | 留前 3 后 4 | 13800138000 → 138\*\*\*\*8000 |
| 金额 | 按比例缩放（默认 ×0.618） | 22000 → 13596 |

**关联键不脱敏**：员工编号、单号、合同号、凭证号这类列一律原样保留（`E003` 还是 `E003`）。脱敏掉它们，样本就没法和原表勾稽了。

## 一条必须知道的风险

金额按**固定比例**缩放，所以样本内部的比例关系仍然成立——如果同表里既有总额又有明细，理论上能反推出缩放比例，再倒推真实金额。

需要更强保护就加 `--jitter`（±5% 随机扰动），比例关系会被打散。这条风险写进了校验表的"反推提示"一栏，不会藏起来。

## 安全与边界（拒绝权）

- **源文件零改动**：输出进 `_out/`，原文件一个字节都不动
- **默认预览**：不加 `--execute` 不写盘
- **识别不了就明说**：没识别出的敏感列会在输出里标注"未识别到，用 --kinds 指定"，不会假装已经脱敏
- **可复现**：`--seed` 固定随机种子，同一份输入跑两次结果一致，便于复核

## 人工复核（必读）

- 脱敏样本**不能**用于入账、付款、申报——它的金额是假的
- 外发前请自己再看一遍有没有列名里没体现的敏感字段（备注栏常常藏东西）
- 涉及薪酬、个税的数据，外发范围按公司权限规定执行

## 相邻路线转交

| 用户要做的事 | 转交给 |
|---|---|
| 先统一格式再脱敏 | `fin-table-clean` |
| 扫描全表找异常 | `fin-anomaly-scan` |
| 检查文件里有没有泄露的密钥口令 | `financial-secret-scan` |

## 自检清单

- [ ] 关联键（编号/单号）原样保留了
- [ ] 没有识别到的敏感列已用 `--kinds` 补上
- [ ] 要外发的话，已确认加过 `--jitter`

---

本 Skill 采用 BUSL-1.1 许可（源码可见，可自由使用）。

版权所有 © 2026 律令科技（深圳）有限公司（@lexord-technology）。
本技能由律令科技（深圳）有限公司开发，**财友云（caiyouyun.cn）**发布与展示。

允许个人及企业内部免费使用、复制、修改，包括内部生产环境。
未经书面许可，不得将本 Skill 或其修改版作为商业服务对外销售、转售或提供托管服务。
各版本发布之日起 4 年后自动转为 Apache License 2.0。详见随包 `LICENSE.md`。