# 【AI 陷阱 EP3】資料別直接丟 AI！Word、Excel、PDF、TXT 一鍵去識別化

- 作者：林鼎淵（Dean Lin）
- 網址：https://deanlin.net/blog/202610/ai-traps-ep3-data-anonymization/
- 發布：2026-10-15
- 主題：AI 實戰
- 標籤：資訊安全、AI 資安、資安、去識別化、Vibe Coding
- 摘要：這幾年做企業內訓的時候，我會請客戶提供內部的「去識別化資料」，這樣我才能根據公司實際狀況設計課程。

[https://youtu.be/Mx7d0nSF61k](https://youtu.be/Mx7d0nSF61k)

這幾年做企業內訓的時候，我會請客戶提供內部的「去識別化資料」，這樣我才能根據公司實際狀況設計課程。

但實際收到檔案時，通常裡面還是會殘留一些比較敏感的資訊，比如「姓名、電話、Email、身分證字號、地址…」

我知道承辦人員已經很努力了，**只是當檔案太多、操作又很瑣碎時，就算有心去做，也很容易漏掉。**

就像一份 Excel 有多個工作表時，可能處理完第一個，後面的就忘記了。

而 PDF 更麻煩，因為檔案無法直接編輯，所以有些人會用白框遮擋，但其實被遮擋後文字依舊可以被複製。

其實我收到這些檔案還好，因為合作時有簽署保密協議。

> 但如果是直接丟給 AI，情況就不一樣了

**你上傳的資料，是有可能會被 AI 拿去訓練模型而導致外洩。**

> 完整的 Demo，可以觀看 YT 喔 👉
> 對 AI 應用感興趣的朋友，歡迎按下訂閱按鈕，未來我計畫分享一系列 AI 工具的應用教學。

[YouTube 影片：【AI 陷阱 EP3】資料別直接丟 AI！Word、Excel、PDF、TXT 一鍵去識別化 | 資訊安全 | Vibe Coding | AI 資安 | ChatGPT | Claude](https://www.youtube.com/watch?v=Mx7d0nSF61k)

> 這邊先帶大家看一下 ChatGPT 與 Claude 如何關閉這個設定。

ChatGPT 可以點擊左下角頭像，選擇設定，切換到資料控制的分頁後，將「協助改善所有人的模型體驗」切換成關閉。

而 Claude 也是點擊左下角頭像，選擇設定（Settings），切換到隱私權（ Privacy）分頁後，將「Help improve our AI models」切換成關閉。

> 建議大家檢查一下自己的帳號，因為預設是開啟的。

### 駭客常用的釣魚手法

不過就算把設定關閉，也不代表上傳的資料就安全了，**因為你的帳號有可能被駭客盜用**。

最常見的手法，就是冒用你公司的 CEO、技術長這些高階主管；用他們的頭像，以及相同的 Email 前綴，以填寫 Google 表單的名義寄信給你。

你點連結後，可能會看到一個非常像 Google 的登入畫面。

> 此時只要不小心輸入了帳號密碼，你的帳號就被盜了。

駭客掌握帳號後，除了可以直接登入你的信箱外，還可透過它登入其他應用程式，比如進入 AI 工具瀏覽對話紀錄。

假如你提供的敏感資料完全沒有去識別化，那對駭客來說真的就是得來全不費功夫。

所以建議大家除了要給帳號加上多重驗證要素外，把敏感資料上傳給 AI 前，也要做到去識別化的動作。

### 去識別化工具分享

這邊分享一個我設計的[免費去識別化工具](https://deanlin.net/data-deidentification/)：

1. 支援 Word、Excel、PDF、TXT 等多種格式
2. 可以一次處理 10 個檔案
3. 能辨識並隱藏姓名、身分證、電話、地址等常見隱私資訊
4. 發現有辨識錯誤或遺漏的地方，也能手動增加或取消
5. 工具以純前端網頁設計，所以檔案從頭到尾，都不會離開你的電腦
6. 在 AI 處理完後，還能還原回來

  [https://deanlin.net/data-deidentification/](https://deanlin.net/data-deidentification/)

這篇文章我會分成三個部分：

### ① 為什麼需要去識別化

從資訊安全的角度分享去識別化的重要性，以及過去手動處理的痛點與風險

### ② 去識別化工具實戰 Demo

示範工具在實務應用上的使用場景：「資料去識別化、與 AI 協作、還原資料」

### ③ 在 AI 時代，打造客製化的工具

分享製作工具時的設計思路，大家了解後可以根據自己的需求來優化功能

## ① 為什麼需要去識別化

許多公司都會要求員工把敏感資料上傳給 AI 前，要先去識別化；但又沒有提供對應的工具，所以很多人是用土法煉鋼的方式，純手搓。

### 手動去識別化的問題

以 Word 來說，我發現許多人是用「取代」的功能一個一個換，但要取代的內容一多就很容易漏。

而且除非你有設計對照表，否則改完後就回不去了。

另外 Excel 最常見的疏漏，就是第一個工作表處理完了，但後面幾個就忘了

至於 PDF 更麻煩，很多人會直接畫一個白框蓋上去；表面上看起來是遮掉了，但如果框選起來複製貼上，你會發現資料還在。

### 安全的去識別化工具

前面的痛點，是讓大家了解**手動處理是一件繁瑣，且漏洞百出的方案**。

資料去識別化這個任務，其實我們是可以透過工具處理的。

如果在網路搜尋「去識別化工具」，你會看到有許多現成的服務可以使用。

但提醒一下大家，除非你了解服務背後使用的技術架構；否則你原本的目標是去識別化，結果卻直接把機敏資料送給對方。

所以我不敢推薦別人製作的工具，因為萬一推薦錯了，就會產生資安危機

因此我乾脆自己做一個，這樣企業在提供資料給我的時候，就能透過這個工具，更輕鬆地處理敏感資料。

講課時，也能直接示範給學員看如何使用，並培養資訊安全的意識。

## ② 去識別化工具實戰 Demo

這邊我就直接跟大家示範這款工具的操作方式。

網址：[https://deanlin.net/data-deidentification/](https://deanlin.net/data-deidentification/)

### STEP 1｜上傳檔案

打開網頁後，你可以直接把檔案拖進來；工具支援 Word、Excel、PDF、Markdown 等多種常見格式，最多可以同時處理 10 個檔案。

> 如果是信件或對話紀錄，也可以直接貼上文字

如果你只是想嘗試這款工具如何使用，我也有內建不同格式的範例，這邊我先以 Word 格式的合約來跟大家示範。

### STEP 2｜看預覽

點擊「載入」後你可以看到，預覽的排版跟原本的 Word 幾乎是一樣的，被辨識為敏感資料的部分，會換成方括號加上類別。

像公司、統編、姓名、電話、電子郵件，都被隱藏起來了。

如果想看原始資料，滑鼠移過去就會直接顯示。

預設是「部分保留」，會留下姓氏、電話前幾碼、地址的縣市行政區，這些可能會拿來統計的部分。

如果不需要統計，可以把「部分保留」改成「全部隱藏」，這樣所有敏感資訊就會全部轉為編碼。

### STEP 3｜人工調整

不過自動偵測一定會有誤判，所以建議大家在預覽階段先瀏覽一下。

比如你如果認為銀行帳戶屬於敏感資訊，但沒有被隱藏，可以用滑鼠圈起來，選好類別，就能手動隱藏。

而抓錯，或認為不需要隱藏的，點一下標記，按「取消去識別化」，就會恢復原文。

如果想檢視這份文件有多少內容被去識別化，也可以直接「展開偵測清單」快速瀏覽：

### STEP 4｜下載

確認一切都符合預期後，點擊上方的「下載」，你就會獲得兩個檔案，一個是去識別化的文件，另一個是 CSV 編碼表。

這兩個檔案是一組的，如果 CSV 編碼表沒有好好保存，未來資料會無法順利還原。

### STEP 5｜上傳 AI

完成資料去識別化後，我們就能放心地提供給 AI 了。

比如把 Word 上傳給 ChatGPT，請他協助確認合約細節，比如跟他說：

```
我是甲方，請從法務角度確認合約中是否有不利於甲方的條款，如果有，請給出合適的處理方案，並直接從原本 Word 契約書裡面調整，調整的部分用紅字標注

```

等 AI 優化完後，我們拿到了新版的契約書，變更的部分都有用紅字顯示。

### STEP 6｜還原

接下來，如果你確認變更的條款都符合預期後，可以回到工具「還原」的分頁。

把 AI 處理完的檔案，跟剛剛的編碼表一起上傳；就會看到內容都被還原了，並且檔案可以順利下載。

### STEP 7｜自訂規則

那如果你覺得內建的這些規則還不夠用，想要自己新增，這個工具也有保留彈性。

這邊我點擊「換一個檔案」，用範例中客戶資料 Excel 來示範，先點擊「載入」。

你可以看到第一欄就是「客戶編號」，如果你想要把它隱藏，手動一行一行處理太慢了。

此時，可以到「偵測規則」的分頁，來新增自訂規則，如果你不知道規則要怎麼寫，可以按「複製 AI 提示詞」。

貼給你常用的 AI，再補上客戶編號長什麼樣子，AI 就會幫你把規則寫好。

把規則貼回來，按「新增規則」，接著回到去識別化頁面，你會發現整欄客戶編號都有去識別化了。

## ③ 在 AI 時代，打造客製化的工具

這個工具，其實我是用 Vibe Coding 完成的，接下來跟大家分享，我設計工具時的思路。

未來如果你也想做自己的工具，可以參考看看。

### 要不要用資料庫

首先規劃工具的時候，我會先判斷資料是否要儲存，以及「資料庫」是否為必要元素。

因為多了資料庫就代表你需要建立完整的系統架構，需要涵蓋前端、後端，以及註冊、登入、管理、維運等元素。

除了複雜度大幅上升外，資訊安全的問題也隨之而來。

以今天介紹的「去識別化工具」為案例。

如果我有設計對應的系統架構，儘管可以獲得更準確的辨識，甚至對會員進行收費。

但相對的，我就需要保障會員上傳的資料，並提供相應的售後服務。

在評估完要付出的成本與可能獲得的收益後，我最後決定採用「純前端網頁」的形式分享。

檔案只在瀏覽器裡處理，不會傳到任何伺服器，少了一整層要保護的資料。架構也單純很多，非常適合用 Vibe Coding 來做。

### 從自己的需求出發

另外大家在選擇 Vibe Coding 的主題時，建議從自己實際的需求出發，這樣功能才會想得夠細，並且有辦法判斷成果是否符合需求。

不過 AI 在完成第一個版本後，一定會有很多不夠完善的細節需要優化。

絕對不是網路上那些號稱「一個指令生成系統」那麼簡單。

### 除了去識別化還要能還原

比如 AI 給我提供的第一個版本，就只有提供去識別化的功能。

但實際上手操作一段時間後，我就發現如果去識別化後無法還原，那其實很多應用會受限。

比如合約調整完畢後，難道我要自己手動把原有資料填寫回去嗎？

所以我就請 AI 把敏感資料設計為 CSV 編碼表，讓我可以還原。

### 遮的範圍要剛剛好

但講了幾堂課後，我發現把敏感資料全部遮擋雖然解決了去識別化的問題。

但有時這些敏感資料會需要拿來統計分析，像是用身分證前兩碼看地區跟性別，或是用地址的縣市、行政區做分析。

> 全部變成編碼，就會無法回推

所以我後來又加上了「部分保留」的功能，資訊會根據不同類別進行對應的遮擋。

### 規格驅動開發

也跟大家分享我在製作這款工具時，使用的是「規格驅動開發（SDD）」的方式。

這個技巧可以讓 AI 在寫程式前，先用文字幫你把專案的細節完善，畢竟不是每個人都擅長寫專案的需求規格。

關於這個議題，過去我有拍兩隻影片分享，分別是 [OpenSpec](https://youtu.be/FeQv7mngg6Q) 與 [Spec Kit](https://youtu.be/16IIi5uNx_M) 的應用。

它們可以幫你把模糊的需求變得具體，並設計成完善的任務清單，讓我們用更省力的方式，完成有品質的成果。

## 結語：把資訊交給 AI，責任還是要自己扛

在影片的最後提醒大家幾件事：

1. 如果你發現工作中的某個流程很繁瑣，或許可以**自己 Vibe Coding 一個工具**來解決
2. 上傳敏感資料前請先去識別化，但**自動偵測可能會有誤判，還是要自己檢查一遍**
3. **編碼表可以把所有資料還原，不要跟檔案一起丟給 AI**，否則去識別化的意義就消失了
4. 去識別化，不等於匿名化，像是資料裡寫著「某縣市行政區的鋼材加工廠」；如果那個行政區剛好只有這一家鋼材加工廠，就算公司名稱遮掉了，大家還是一看就知道是誰，所以**要去識別化到什麼程度，還是要依照資料的內容，自行評估**。

> 別忘記，當你把資料交給 AI 的那一刻，責任還是要由人類來承擔。

今天分享的這套去識別化工具我有把它免費開源：

GitHub 連結：[https://github.com/dean9703111/data-deidentification](https://github.com/dean9703111/data-deidentification)

如果有功能想要新增，可以 Fork 修改成適合自己的版本；歡迎路過按個 Star，讓我知道自己的分享對大家有幫助。

  [https://github.com/dean9703111/data-deidentification](https://github.com/dean9703111/data-deidentification)

好的，今天的分享就到這邊，如果這個系列有給你啟發與幫助；別忘了按讚、訂閱，並把文章分享給需要的朋友。

  [https://www.tenlong.com.tw/products/9786264142083](https://www.tenlong.com.tw/products/9786264142083)

---

關於作者：林鼎淵（Dean Lin），台灣的生成式 AI 企業內訓講師、外商資安公司軟體專家，也是生成式 AI 創新學院發起人。出版 7 本書（包含全台第一本 ChatGPT 應用專書），兩度獲得 iThome 鐵人賽佳作，累積上百場授課與顧問經驗。（https://deanlin.net/about/）
引用時請附上原文網址：https://deanlin.net/blog/202610/ai-traps-ep3-data-anonymization/