文件脱敏工具分类与详细介绍
文件脱敏分为本地桌面软件、浏览器本地在线工具、开源开发库、企业级商用系统、PDF专用红化工具五大类；核心区分要点：是否上传云端、是否支持扫描件OCR、是否可逆还原、批量能力、国产化适配。
术语说明：
- 遮盖脱敏（不可逆黑块）：PDF红化，永久抹除内容；
- 替换/假名化（可逆）：手机号、身份证替换为占位符，可保留映射表还原；
- 结构化脱敏：Excel/CSV按列脱敏，适合报表、台账。
一、国内本地桌面商用工具（高敏感、政务/法务优先，文件不出本机）
1. 零信脱敏（LocalMask）
- 平台：Windows，支持统信UOS、银河麒麟国产系统
- 支持格式：PDF（含扫描件图片PDF）、Word、Excel、PPT、CSV、图片、DWG图纸、TXT、Markdown
- 核心能力：离线OCR，文本+图片像素级脱敏；支持批量、自定义正则规则、按Excel指定列脱敏；代号可逆还原；清理水印、批注、元数据；适合合同、卷宗、证据、病历、招投标材料
- 适用人群：律所、法务、政务、医疗、金融，对数据不出内网要求极高
- 优缺点：安全度高，识别中文强；收费软件，价格偏高
2. WPS 365 企业版脱敏
- 平台：Windows/网页端，云文档联动
- 支持：Word/Excel/PPT/PDF、表单、企业邮箱
- 核心能力：AI识别身份证、手机号、银行卡、地址；遮盖/替换/删除；操作留痕审计、数字水印溯源、权限管控，满足等保、个人信息保护合规；仅商业高级版/旗舰版开放，个人免费WPS不带自动脱敏
- 优点：不用额外装软件，企业文档协同场景顺手；缺点：云端版本存在云存储链路风险，不适合绝对离线涉密材料
二、浏览器本地在线工具（免费轻量，不上传服务器，适合临时简单文档）
特点：全部在浏览器JS模型本地运算，文件不会上传到服务器；大多不支持扫描件PDF（仅文本层PDF）
1. Veil Translate 脱敏
- 网址：veiltranslate.com/zh/anonymize
- 格式：DOCX、XLSX、PPTX、文本PDF
- 能力：免费、免注册；识别PII，预览复核后生成脱敏副本，保留Office原格式；不支持扫描件、加密PDF、页眉页脚内嵌文字识别
- 适合：临时给文档脱敏后发给AI大模型
2. OkeyTool 文本脱敏
- 网址：okeytool.com/data-masking
- 能力：TXT多行文本、CSV简单脱敏；自定义星号长度、脱敏起始位置；适合单纯手机号、身份证批量打码，不支持Word/PDF复杂文档
三、开源工具 & 开发SDK（适合技术人员自建流程，免费、可控）
1. Microsoft Presidio（微软）
- 协议：MIT开源
- 定位：Python库，不是GUI软件，面向开发者
- 能力：识别文本PII（姓名、手机号、身份证、邮箱、地址、银行卡），支持自定义识别器；可搭配Tesseract OCR处理图片；检测和脱敏逻辑分离，支持遮盖、替换、置空、假名化
- 缺点：原生不直接支持PDF/Word解析，需要搭配PyMuPDF、python-docx二次开发；中文识别需要额外训练调优
2. File Desensitizer
- GitHub开源MCP工具，Python
- 支持Word、PDF、图片；自动识别国内身份证、手机号、银行卡；批量接口，可嵌入自研系统，支持代号映射还原
3. docs-anonymizer
- PyPI离线文档匿名化工具
- 支持docx/xlsx/pdf/txt/csv，搭配本地OCR处理扫描件；自动清理文件元数据；统一token映射，同一个人名统一替换为
[Person_1]，适合喂给AI分析后还原
4. Censor
- 开源PDF红化工具（PyMuPDF）
- 只做PDF不可逆涂黑，永久删除涂黑区域底层文本，避免普通PDF黑块被复制提取；适合单纯PDF红章、敏感文字抹除，无自动识别，需要手动框选
四、国外桌面离线工具（海外PII，国内身份证识别弱）
1. Philter Desktop
- Windows离线桌面，不上云
- 格式：PDF（扫描件OCR）、docx、xlsx、csv、rtf、邮件eml/msg
- 可自定义脱敏策略，批量队列处理；适合海外社保号、护照、医疗PHI；国内身份证识别效果差
2. Anoni
- Windows/Mac/Linux跨平台桌面
- 本地AI、扫描件OCR；两种模式：永久涂黑 / 可逆假名化；主打给AI预处理文档；免费基础版，高级付费；中文识别一般
3. BlurData（macOS专属）
mac原生离线App，PDF/扫描件文件夹批量识别；支持自定义正则、跨文档统一假名映射；国外证件识别强，国内证件适配弱
五、企业级商用数据脱敏系统（数据库+非结构化文档一体化，安全厂商）
1. 安恒 AiMask
- 定位：企业数据治理平台，数据库+文档混合脱敏
- 支持40+数据库（MySQL、Oracle、达梦、人大金仓）+ Word/PDF等非结构化文档；敏感数据自动扫描发现；支持仿真替换、乱序、一致性脱敏，脱敏后数据保留统计特征，用于测试、开发、数据分析；附带水印溯源、审计报表
2. 福昕数据可信平台（Data Protection Suite）
- PDF厂商福昕出品，企业SaaS/私有化部署
- 47种文档格式，PDF强项；批量文档AI脱敏、生成脱敏审计证书；面向律所、医疗病历、金融合同、AI训练数据预处理；支持私有化部署隔离内网
六、PDF专用红化工具（仅做不可逆涂黑，简单场景）
- PDF Redactor：Windows免费PDF红化软件，手动框选涂黑，重点：要使用真正删除底层文本的红化，不要简单加黑色矩形（普通黑块可以复制文字）
- Adobe Acrobat Pro 【红化工具】：专业PDF红化，标准权威；手动/搜索关键词批量红删；缺点：贵，国内账号合规风险、云端同步问题
选型对照表（快速选）
| 工具 | 离线不出网 | 扫描件OCR | 中文身份证识别 | 可逆还原 | 批量 | 适合场景 |
|---|---|---|---|---|---|---|
| 零信脱敏 | ✅ | ✅ | ✅ | ✅ | ✅ | 法务卷宗、政务、医疗高敏感文件 |
| WPS365企业 | ❌云版 ✅私有化 | ⚠️有限 | ✅ | ❌ | ✅ | 企业内部协同文档 |
| VeilTranslate | ✅浏览器本地 | ❌ | ✅基础 | ❌ | 少量 | 临时文本PDF、Office文档送AI |
| Presidio开源库 | ✅自建 | 需要搭配OCR | 需要调优 | ✅ | ✅ | 开发自建脱敏流水线 |
| 安恒AiMask | ✅私有化 | ✅ | ✅ | 策略可选 | 超大批量 | 企业数据库+文档一体化脱敏 |
| Adobe Acrobat红化 | ✅本地 | ❌ | ❌ | ❌ | 关键词批量 | 标准PDF不可逆红章、正式对外PDF |
重要避坑提醒
- 普通黑色矩形 ≠ 脱敏：直接画黑框的PDF，底层文字还在，别人复制就能拿到敏感信息；必须用「红化/永久删除内容」功能；
- 可逆假名化适合内部AI分析、数据分析；对外交付给第三方，优先不可逆红化；
- 极度敏感、涉密卷宗，优先纯本地离线软件，禁止在线工具、云端脱敏；
- 任何自动脱敏工具都有漏识别，脱敏后必须人工复核一遍，不能完全依赖AI自动识别。
如果你需要，我可以给你一份Python Presidio+Tesseract OCR本地批量脱敏脚本（适配国内身份证/手机号）。