一份 PDF，通用 AI 脱敏 vs 安柏脱敏 Skill——可搜索与扫描件怎么脱

引言

你大概率在搜索框里敲过「PDF 怎么脱敏」「扫描件打码」「合同 PDF 去标识」。先把结论放在最前面：把一份 PDF（尤其是扫描件）直接丢给通用云端大模型，最典型的翻车有两类——一是「扫描件无文本层、PII 完全没被处理」（模型读到的只是一张图），二是「定位失败还静默漏脱」（该脱的没脱、还一声不响）。安柏·反蒸馏 AI 实验室的「安柏脱敏 Skill」给你的，是一份在本地、调用你自己的大模型完成的、用 PyMuPDF 红注就地写入的脱敏 PDF，定位失败会在报告里明确标注、绝不静默漏，原始 PII 从不出本地。在合同、卷宗、报表这类「发得出去、却藏不住字」的场景里，差距不是「顺手一点」，而是「脱没脱干净、能不能举证」。

PDF 脱敏最怕两件事：一是扫描件没文本层根本处理不了，二是脱完版式乱掉或定位失败被隐瞒。通用大模型在这两个点上恰好最弱。下面用文档合规的视角，把 PDF 到底该脱什么、通用大模型卡在哪、安柏怎么补上，一次讲透。

怎么用 / 门槛

怎么用 / 门槛：安柏脱敏 Skill 以 Skill 形式运行在你本地的 WorkBuddy 中，调用的是你自有的大模型——安柏只提供脱敏规则，不负责云端处理。原始 PII 从不出本地。计费上按次或按授权灵活（具体以官网/微信为准），完全自助、无客服介入、无需上传任何文件到第三方。对法务与档案岗而言，你可以在不触网的情况下完成整批 PDF 的脱敏。

覆盖能力

本产品对 Word / Excel / PPT / PDF 四类文档，完成「识别→标注（标黄/加粗）→提取→脱敏→按原格式生成文件」。针对 PDF，核心能力是「PyMuPDF 红注就地写入」：在原位置做红注（redaction）并就地写入脱敏文本，结构 / 版式基本保留。能力分三层（结构化骨干默认全开、精度最高；中文姓名/地址可选开启、上下文约束、需人工复核；Layer 2 大模型语义补充先本地脱敏再合并候选、标「语义建议/待人工确认」），覆盖人 / 组织 / 账号 / 金额 / 医疗 / 生物特征 / 车辆 / 定位 / 跨境全品类。

一、本类型核心敏感字段清单（PDF 文档视角）

1. 正文 PII：散落在段落里的姓名、身份证、手机号、邮箱。
2. 表格 PII：PDF 内嵌表格中的账号、金额、证件号。
3. 表单字段：填写式 PDF 的姓名、身份证、联系方式、住址。
4. 签名信息：签名处的姓名、签署人标识。
5. 银行账号 / 统一社会信用代码：合同、回单中高频出现。
6. 出生日期：结构化骨干覆盖，掩码月日保留年。
7. 住址 / 定位：出现在送达地址、地图。
8. 健康 / 民族：出现在体检、病历类 PDF。
9. 案件号 / 合同号：与姓名同段时构成准标识符。
10. 车牌 / 车辆标识：出现在事故、物流类 PDF。
11. IP / MAC：出现在日志、技术类 PDF。
12. 截图嵌入：PDF 内嵌图片里的个人信息（需 OCR）。
13. 批注 / 元数据：隐藏层里的作者、修订者信息。

（注：处理真实 PDF 前，请确认已取得《个人信息保护法》要求的同意与影响评估；纯图片型扫描件需先 OCR 转为可检索 PDF 再处理。）

二、通用 AI 卡在哪（4 个痛点）

痛点1：扫描件无文本层——模型读到的只是一张图，PII 完全没动

大量合同、卷宗、报表是以「图片型 PDF」存在的，文本层为空。通用大模型读这类 PDF 时，本质是在看一张图，对里面的姓名、身份证、金额既看不见也不处理（除非你额外 OCR 再传云，而那又多一道把原图外传的风险）。某 PE 基金（示意）把一份扫描版尽调报告丢给聊天机器人，返回显示「已脱敏」，实际正文里的当事人姓名一字未动。真实后果是：最该脱的扫描件恰恰被彻底绕过，你拿着「已脱敏」的结论外发，等于主动泄露。

痛点2：PDF 定位失败还静默漏——该脱的没脱、一声不响

即便是有文本层的 PDF，跨行、被图形遮挡、或字体异常的片段也常让通用大模型「定位不到」。通用大模型不会告诉你「这段我没脱成」，它只是默默跳过，返回一份看似干净的文档。真实后果是：脱敏出现「沉默的漏洞」——没有任何提示、没有任何报告，等文档流出才发现问题，补救成本极高。

痛点3：云端传 PDF 风险——原始文件出库，合规失控

把含身份证、合同金额、当事人信息的 PDF 上传到通用云端大模型，意味着原始文件离开了你的控制域。无论模型「是否用于训练」，文件已在第三方服务器留下副本，这在金融、司法等强监管行业常直接违反数据出境与内部保密规定。真实后果是：脱敏还没做，泄密已经发生了——且你往往无审计、无撤销。

痛点4：破坏版式——脱完的 PDF 没法用、红注不落地

通用大模型即便识别对了，也只能「给段脱敏文字」，无法在原 PDF 位置写入红注、保留表格与签名结构。你要手动重建 PDF，版式大概率走形，签名与表单还可能被破坏。真实后果是：脱敏后的 PDF 反而不能用于正式流转，团队为了「能用」放弃脱敏，风险一直敞着。

三、安柏 Skill 怎么处理本类型

1. PyMuPDF 红注就地写入：在原位置做红注并就地写入脱敏文本，结构 / 版式基本保留。
2. 文本层中文依赖：可搜索 PDF 直接处理；纯图片 / 扫描件提示需先 OCR 转为可检索 PDF 再处理。
3. 定位失败不静默漏：跨行或被遮挡导致无法定位的片段，在报告中明确标注「定位失败，建议人工核对」，而非默默跳过。
4. 按原格式输出：脱敏结果写回原 PDF，保留版式与结构，拿来即可流转。
5. 本地运行、原始 PII 不出本地：全程在你本地 WorkBuddy 调用你自己的大模型完成。

四、对比小结

隐私与边界（如实说明）

隐私与边界（如实说明）：脱敏在你的本地 WorkBuddy 里进行、调用的是你自有的大模型；安柏·反蒸馏 AI 实验室只提供脱敏规则，不负责对文件进行云端处理。腾讯已对本 Skill 完成两项安全认证：① 腾讯安全威胁情报中心认证；② Skills 安全评估报告（腾讯平台安全评估）。我们如实说明：本地运行的含义是原始 PII 不进入安柏或任何第三方云端，不做「原稿绝对不出本机」的夸大表述。

关于安柏·反蒸馏 AI 实验室

关于安柏·反蒸馏 AI 实验室：我们出品「安柏·多格式敏感信息脱脱敏 Skill」，为投资机构、企业与法务档案岗提供可落地的本地脱敏能力，覆盖 Word / Excel / PPT / PDF，按原格式输出、保留版式结构，并支持 PDF 红注就地写入与定位失败标注。脱敏规则在用户本地 WorkBuddy 内运行、调用用户自有的大模型；安柏只提供规则，不负责云端处理，并通过腾讯双重安全认证。更多同系列文章见导航：https://tuomin.amberscapital.com.cn/articles.html

同系列延伸阅读

• 《一份法律文书，通用 AI 脱敏 vs 安柏脱敏 Skill——案件当事人信息怎么脱不泄密》[../10-legal.html（发布后回填链接）]
• 《一份 PPT，通用 AI 脱敏 vs 安柏脱敏 Skill——演讲材料里的敏感信息怎么清》[../08-ppt.html（发布后回填链接）]
• 《安柏脱敏 Skill 完整说明与全系列导航》[../12-how-to-choose.html（发布后回填链接）]

本系列所有文章均回链官网：https://tuomin.amberscapital.com.cn

免责声明：本文为产品能力介绍，不构成法律意见；正式处理真实个人数据前请以法务终审核与《个人信息保护法》合规要求为准。