chenchunrun/onyx-soc/data-desensitize

数据脱敏 (Data Desensitize)

核心任务

对文档/日志/代码中的敏感信息进行智能识别和替换，生成可安全分享的脱敏版本，同时保留文档的可读性和上下文关系。

脱敏流程

1. 读取原始文档
2. 识别敏感信息（见 references/sensitive-types.md）
3. 生成一致性替换（相同值 → 相同占位符）
4. 输出脱敏文档 + 映射表

敏感信息类型

详细定义见：references/sensitive-types.md

脱敏规则

一致性原则

• 相同的敏感值必须映射到相同的占位符
• 例：文档中多次出现 192.168.1.100，全部替换为 [PRIVATE_IP_1]

拓扑保留（可选）

• 同子网 IP 脱敏后仍保持同子网关系
• 例：192.168.1.100 和 192.168.1.101 → [PRIVATE_IP_1] 和 [PRIVATE_IP_2]（暗示同网段）

弱口令保留（可选）

• 常见弱口令可保留用于安全分析
• 例：123456、admin、password 保持原样

上下文感知

• 根据上下文判断是否为敏感信息
• 例：version: 1.0.0 中的数字不是 IP

输出格式

脱敏文档

直接输出脱敏后的完整文档，保持原格式（Markdown/JSON/YAML/文本）。

映射表（文档末尾注释）

<!-- DESENSITIZE_MAPPINGS
[PUBLIC_IP_1] = 8.8.8.8
[DOMAIN_1] = example.com
[EMAIL_1] = admin@example.com
-->

使用方式

单文件脱敏

用户：请脱敏这个文件 /path/to/doc.md

批量脱敏

用户：脱敏 /path/to/logs/ 目录下所有 .log 文件

指定脱敏类型

用户：只脱敏 IP 和域名，保留其他信息

带选项脱敏

用户：脱敏这个文档，保留弱口令，保持网络拓扑

并发批量处理

用户：并发脱敏这 5 个文件（或：快速批量脱敏）

当用户要求并发/并行/快速批量处理时，使用 Task 工具启动多个子代理并行处理：

• 每个子代理处理一个文件
• 主代理汇总结果和全局映射表
• 确保跨文件的一致性映射

工作流程

1. 读取文档：使用 Read 工具读取原始内容
2. 识别敏感信息：按类型识别所有敏感数据
3. 生成映射：为每个唯一敏感值分配占位符
4. 执行替换：替换所有敏感信息
5. 输出结果：

• 使用 Write 工具写入脱敏文档（原文件名加 .desensitized 后缀或 .md 格式）
• 在文档末尾添加映射表注释

示例

见：references/examples.md

注意事项

1. 不要过度脱敏：版本号、端口号、普通数字不是敏感信息
2. 保持可读性：脱敏后文档仍应易于理解
3. 处理边界情况：URL 中的域名、日志中的混合格式
4. 大文件分块：超大文件分块处理，保持映射一致性

附加资源

• 敏感类型详细定义
• 脱敏示例