Mask / Hash PII

ภาพรวม

การส่งไฟล์ให้ทีมอื่นหรือผู้ให้บริการภายนอกมักไม่จำเป็นต้องเปิดเผยชื่อ เบอร์โทร หรือเลขบัตร แต่ก็ยังต้องเชื่อมข้อมูลระหว่างตารางให้ได้ เทคนิคนี้ให้สามวิธี ตั้งแต่ปิดบางส่วนเพื่อให้ยังอ่านออกบ้าง ไปจนถึงแปลงเป็นค่าแฮชที่เชื่อมข้อมูลได้แต่ย้อนกลับไม่ได้

เมื่อไหร่ควรใช้

• ส่งไฟล์ให้ทีมการตลาด ผู้รับเหมา หรือผู้ให้บริการวิเคราะห์ข้อมูล
• เตรียมชุดข้อมูลตัวอย่างสำหรับการทดสอบหรือการอบรม

เมื่อไหร่ไม่ควรใช้

• คอลัมน์ที่ไม่จำเป็นต้องส่งไปด้วยเลย — ลบทิ้งด้วย remove_column ปลอดภัยกว่า
• เข้าใจว่าการแฮชคือการเข้ารหัส — ค่าที่เดาได้ เช่น เบอร์โทรซึ่งมีความเป็นไปได้จำกัด สามารถไล่สุ่มย้อนกลับได้ถ้าไม่ใส่ salt

หลักการทำงาน

1. mask เก็บตัวอักษรท้ายไว้ตาม keepLast แล้วแทนที่ส่วนที่เหลือด้วย * โดยนับเป็นอักขระ ไม่ใช่ไบต์ ข้อความไทยจึงไม่เพี้ยน
2. redact แทนค่าทั้งช่องด้วย [REDACTED] เหมาะเมื่อไม่ต้องใช้ค่านั้นอีกเลย
3. hash_sha256 แปลงเป็นค่าแฮช ค่าเดียวกันให้ผลเดียวกันเสมอ จึงยัง join ข้ามตารางได้ และตัดความยาวได้ด้วย hashLength
4. ถ้าไม่ใส่ salt ระบบจะเตือน เพราะค่าที่เดาได้จะถูกไล่สุ่มย้อนกลับได้ ให้ใช้ salt ที่เก็บเป็นความลับและใช้ค่าเดิมทุกครั้งที่ต้องการให้ join ติด
5. ค่าว่างยังเป็นค่าว่าง ไม่ถูกแทนด้วยข้อความใด

Parameters

โค้ด Python / JavaScript

import hashlib
import json

def mask_pii(value, method='mask', keep_last=4, salt='', hash_length=64):
    if value is None:
        return None
    text = str(value)
    if method == 'redact':
        return '[REDACTED]'
    if method == 'hash_sha256':
        # ค่าเดียวกันได้แฮชเดียวกันเสมอ จึงยัง join ข้ามตารางได้ และ salt ทำให้ไล่สุ่มย้อนกลับไม่ได้
        return hashlib.sha256((salt + text).encode('utf-8')).hexdigest()[:hash_length]
    characters = list(text)
    keep = min(keep_last, len(characters))
    return '*' * (len(characters) - keep) + ''.join(characters[len(characters) - keep:])

values = ['สมชาย ใจดี', 'Poom', None]
result = {
    'mask': [mask_pii(v) for v in values],
    'redact': [mask_pii(v, 'redact') for v in values],
}
print(json.dumps(result, ensure_ascii=False))

ตัวอย่างการใช้งาน

ก่อนส่งไฟล์ลูกค้าให้เอเจนซี ให้ใช้ mask_pii กับคอลัมน์ phone แบบ mask เก็บสี่ตัวท้ายไว้เพื่อให้ทีมบริการยืนยันตัวตนทางโทรศัพท์ได้ และใช้ hash_sha256 พร้อม salt กับคอลัมน์ email เพื่อให้ยัง join กับรายงานผลแคมเปญได้ บันทึก salt ไว้ในที่ปลอดภัยเพราะต้องใช้ค่าเดิมในรอบถัดไป

เทคนิคที่เกี่ยวข้อง

ใช้ remove_column เมื่อไม่ต้องใช้คอลัมน์นั้นเลย ใช้ validate_email และ validate_thai_id ก่อนเพื่อให้ค่าที่จะแฮชอยู่ในรูปแบบเดียวกัน ไม่อย่างนั้นค่าเดียวกันจะได้แฮชคนละค่า

• Remove Column
• Validate Thai National ID
• Validate / Normalize Email

ลองใช้กับ Dataset ของคุณ