Contents ...

「AI輔助文件去識別化系統」上線，歡迎試用並回饋意見

2026/10/27 19:38

迴響0

推薦0

引用0

🔒 「AI輔助文件去識別化系統」上線，歡迎試用並回饋意見

這幾個月到各縣市的社福與心理機構分享時，最常被問到的幾乎都是：「把個案資料交給 AI，真的安全嗎？」這個問題背後，是第一線工作者很實際的處境：社工訪視回來的逐字稿、心理師晤談後的個案紀錄，本來就是一天裡最耗時的工作之一，AI 明明能幫上忙，卻又擔心一不小心，個案的名字、電話與住址就跟著送了出去。於是不少人只能二選一：不用 AI，繼續熬夜整理紀錄；或是自己一個字一個字地刪掉名字，刪完仍不放心。

颱風假的週末，我為了完成〈擔心 AI 洩漏個案隱私，該怎麼辦？〉這篇長文，順便查了一些資料，才發現公開的資源裡，能處理繁體中文的類似工具似乎很少，有的也不太適合逐字稿這種口語、帶著錯字的文字。既然如此，我就順手用 Claude Code，把原本用在「AI社工紀錄輔助系統」裡的遮蔽技術搭成一個獨立的網頁，也做了些測試，發現效果還不錯，召回率超過97%以上。所以現在把它公開，開放給所有助人工作者試用，也想聽聽大家實際用起來的感受或需要改善的地方。

🔗 系統網址：https://hssai-privacymask.phys.nthu.edu.tw/（導覽列有「使用說明」與「技術說明」）

📖 相關長文：〈擔心 AI 洩漏個案隱私，該怎麼辦？〉https://blog.udn.com/dawweiwang/192663455

💬 意見回饋：下載結果後有選填問卷，也歡迎來信 aifr.general@gmail.com

⚙️ AI可以怎麼幫上忙

例如剛做完家訪、手上有一份逐字稿的社工，想請 AI 協助整理成訪視紀錄，卻不想讓個案的真實姓名與住址離開自己的手。只要把文字貼進來（或上傳 .txt、Word、PDF、Excel 檔），系統會找出姓名、小名、地址、學校與機構、電話、證號、日期等可識別資訊，換成代號後再下載；等 AI 寫好了，還可以用對照表把代號換回原本的內容，不必一個個手動改回來。心理師的情形也類似：晤談後的個案紀錄，或想和 AI 討論的個案敘事，同樣含有當事人的姓名、學校、家人與住處。只處理繁體中文，每次最多 3 萬字（約一小時的會談逐字稿）。同一套技術也已用在「AI社工紀錄輔助系統」：社工產生訪視紀錄、處遇計畫與家系圖時，系統會在送出前自動遮蔽、產生後再還原，操作流程不變；「校園輔導/諮商AI增能平台」裡的「個案分析輔助系統」也已加上這項功能，心理師輸入個案敘事時，系統會在送出前自動遮蔽、回覆後再還原。

用起來分四步：

1. 加入資料：貼上文字或選擇檔案，按「開始偵測個資」。

2. 決定要保留什麼：九個類別預設全部遮蔽；例如教學用途想保留日期，可以單獨改為保留。

3. 親自看過一遍：全文以顏色標出系統偵測到的每一處，點一下就能在遮蔽與保留之間切換，漏掉的地方可以反白補上。畢竟最後把關的，還是使用者自己。

4. 下載：結果存成 .txt 或 Word；之後若要還原，另設密碼下載加密的對照表。

🧩 設計時想到的幾件事

助人工作者要的，不只是把名字蓋掉。逐字稿和新聞、公文不同，充滿「阿明他媽」「林阿嬤」這類稱謂、念出來的電話號碼，還有語音辨識的錯字；遮蔽之後，AI 還得讀得懂，寫出來的紀錄也要能用。因此本系統先以固定規則找出格式固定的號碼與日期，再請開源模型 Gemma 4 31B 判斷人名、小名、地名與機構，兩者的結果合併；設計上偏向多標，漏標比誤標更需避免。換成代號時，特別顧及兩件事：

1. 讓 AI 仍讀得懂：「王小明」換成〔人物A〕，「青松國小」換成〔學校A（國小）〕，同一個人全文用同一個代號，AI 知道誰是誰、那是一所國小。

2. 讓時間關係不亂：有「日」的日期不換成代號，而是整份文件一起挪動 2 至 6 週（7 的倍數，星期幾不變），AI 仍能推算年齡、年級與事件先後；只有年份或年月的不動。下載結果裡的日期不是真實日期，用對照表還原才會移回。

還原同樣在瀏覽器裡完成，AI 改寫過的文字也能還原。對照表以使用者自訂的密碼加密，內含原本的個資，請與遮蔽後的結果分開保存；密碼無法找回。

🗺️ 資料會到哪裡

本系統不是完全在使用者電腦內運作的工具，偵測所需的文字會離開使用者的電腦。

・讀檔、換代號、日期平移、對照表與還原，都在使用者的瀏覽器內完成，對照表從不經過伺服器。

・文字會先送到本站伺服器（國立清華大學），其中人名、地名等的判斷主要交給國網中心的 AI 平台；該平台無法使用時，改由清華大學校內伺服器上的同一個模型處理。兩處都在台灣境內；國網中心平台自身的資料處理方式，我們不代為說明，請以該平台的公開規範為準。

・本站處理完立即丟棄，不存檔、不記錄內容；系統紀錄只有字數、各類個數與處理時間等統計，不含內容。

📊 先用虛構資料試試看

我們先做了初步測試，資料是虛構、由我們自行設計的，結果僅供參考。測試用了 70 份虛構的社工訪視逐字稿與心理師紀錄（約 28 萬字），刻意放入口語念出的電話、小名、錯字等真實逐字稿常見的寫法，其中 30 份在調整規則時刻意不看。以每個個資片段計算，找出的比例約 97% 至 99.7%，被誤標的一般詞約 0.1% 至 1.7%。作為對照，中研院 CKIP 這類以新聞等正式文字訓練的實體辨識工具，在同一批資料上找出人名、地名與機構的比例約 32% 至 66%，原因見技術說明頁。比例數字看不出的是：一份逐字稿有數十處個資，只要漏掉一處，整份就不算乾淨，這也是下載前仍須自己檢查的原因。