DOCUMENT INTELLIGENCE • LESSON ១៧

Redaction, Privacy និង Secure Sharing

by Sot Dimong

១៨ សីហា ២០២៦

បិទបាំង PII, បង្កើត Sanitized version និងកំណត់ Safe sharing policy សម្រាប់ឯកសារ។

រយៈពេលប្រហែល ២៥ នាទី

Document Mission • Level 4 ⚡ Document Master

0 XP

ចាប់ផ្តើម

សេចក្តីផ្តើម
ឧប្បត្តិហេតុបែកធ្លាយទិន្នន័យល្បីៗជាច្រើនលើពិភពលោក បានកើតឡើងដោយសារតែបុគ្គលិកគ្រាន់តែ យកប្រអប់ពណ៌ខ្មៅ (Black Shape) មកគូសបាំងពីលើអក្សរក្នុង PDF រួចផ្ញើឯកសារនោះចេញទៅក្រៅ។ មនុស្សណាក៏ដោយគ្រាន់តែ Select All ហើយ Copy & Paste គឺអាចអានអត្ថបទនៅពីក្រោមប្រអប់ខ្មៅនោះបានទាំងអស់!

True Document Redaction គឺជាការកាត់លុបអត្ថបទ និង Metadata ចេញពីកូដឯកសារ (Byte-Level Removal) ទាំងស្រុង ដែលមិនអាចស្តារមកវិញបានឡើយ។ នៅក្នុងមេរៀននេះ អ្នកនឹងរៀនពីវិធីសាស្ត្រធ្វើ Redaction ស្តង់ដារសុវត្ថិភាពខ្ពស់បំផុត!

គោលបំណងនៃមេរៀននេះ

យល់ដឹងពីភាពខុសគ្នារវាង Visual Masking (ប្រអប់ខ្មៅក្លែងក្លាយ) និង True Cryptographic/Byte-Level Redaction, ការប្រើ AI ដើម្បីស្វែងរក និងកាត់លុបទិន្នន័យ PII ដោយស្វ័យប្រវត្តិតាម Regex & Named Entity Recognition (NER), និងការបង្កើត Safe Sharing Policies សម្រាប់ចែករំលែកឯកសារទៅភាគីខាងក្រៅ។

១. គ្រោះថ្នាក់នៃ Visual Masking vs True Byte-Level Redaction

ការប្រៀបធៀបរវាងការបិទបាំងក្លែងក្លាយ និងការកាត់លុបពិតប្រាកដ ៖

Visual Masking (ហានិភ័យធ្ងន់ធ្ងរ - កុំធ្វើដាច់ខាត) ការគូសប្រអប់ខ្មៅក្នុង Word/PDF ឬការប្តូរពណ៌អក្សរទៅជាពណ៌ស។ ការពិត ៖ អក្សរនៅតែមានក្នុងកូដឯកសារ កុំព្យូទ័រ និង Hacker អាច Copy យកទៅអានបានយ៉ាងងាយ!

True Byte-Level Redaction (ស្តង់ដារសុវត្ថិភាពពិត) កាត់លុបអក្សរ និងរូបភាពនោះចេញពីកូដ Binary នៃ PDF ទាំងស្រុង ហើយជំនួសដោយភីកសែលខ្មៅរឹង ឬកូដអនាមិក [REDACTED] ដោយមិនអាច Reverse វិញបានឡើយ។

២. ស្ថាបត្យកម្ម Automated AI Redaction Pipeline (NER + Regex)

ដំណើរការស្វែងរក និងកាត់លុបទិន្នន័យ PII ដោយស្វ័យប្រវត្តិ ៖

ដំណាក់កាលទី ១ ៖ Pattern Matching (Regex Engines) ស្វែងរកទម្រង់លេខដែលមានទម្រង់ថេរ ៖ លេខទូរស័ព្ទ (0\d{2}[-\s]?\d{3}[-\s]?\d{3}), លេខកាតឥណទាន, អ៊ីមែល, និងលេខអត្តសញ្ញាណប័ណ្ណ។

ដំណាក់កាលទី ២ ៖ Named Entity Recognition (NER by LLM) ស្វែងរកឈ្មោះមនុស្ស ឈ្មោះក្រុមហ៊ុន អាសយដ្ឋានផ្ទះ និងលេខគណនីសម្ងាត់តាមបរិបទប្រយោគ។

ដំណាក់កាលទី ៣ ៖ Metadata Stripping លុបចោល Document Metadata ទាំងអស់ដូចជា ឈ្មោះអ្នកបង្កើត File (Author), ទីតាំង GPS ក្នុងរូបភាព (EXIF Data), និងប្រវត្តិ Version ចាស់ៗ។

៣. បច្ចេកទេសបង្កើត Sanitized Document Prompt

របៀបបញ្ជា AI ឱ្យធ្វើ Sanitization ឯកសារមុនចែករំលែក ៖

សូមដើរតួជា Data Privacy & Redaction Officer ។ ខាងក្រោមនេះជាឯកសារ [បញ្ចូលអត្ថបទ]។ សូមបង្កើតកំណែ Sanitized Version ដោយជំនួសរាល់ឈ្មោះមនុស្សដោយ [PERSON_1], ឈ្មោះក្រុមហ៊ុនដោយ [VENDOR_A], លេខទូរស័ព្ទដោយ [PHONE_REDACTED], និងលេខគណនីធនាគារដោយ [BANK_ACC_XXXX]។ រក្សាខ្លឹមសារច្បាប់ និងអត្ថន័យដើមឱ្យនៅដដែល ១០០% ។

LIVE DOCUMENT LAB

សាកល្បងលំហូរការងារ Document Intelligence

READY

ជ្រើសរើសប្រភេទឯកសារ ដើម្បីមើលរបៀបដែល AI ជួយដំណើរការ ស្រង់ទិន្នន័យ និងពិនិត្យផ្ទៀងផ្ទាត់។

Customer Loan Dispute File សំណុំរឿងវិវាទកម្ចីមានអត្តសញ្ញាណប័ណ្ណ និងលេខគណនី

Doc Intelligence Parse → Ground → Verify

Fully Sanitized Legal Case Brief All PII replaced with [CLIENT_A], [ACC_REDACTED]

លទ្ធផលគំរូ ៖ AI ធ្វើ Sanitization ដោយជោគជ័យ ៖ ជំនួសឈ្មោះអតិថិជន លេខអត្តសញ្ញាណប័ណ្ណ និងលេខគណនីដោយកូដអនាមិក ធ្វើឱ្យឯកសារអាចចែករំលែកទៅកាន់ក្រុមការងារស្រាវជ្រាវដោយសុវត្ថិភាព។

អនុវត្តជាក់ស្តែង ៖ សាកល្បង PROMPT គំរូ

សាកអនុវត្ត • DOCUMENT PROMPT ជាភាសាខ្មែរ

សូមដើរតួជា Chief Privacy Officer & Document Sanitization Engineer ។ ផ្អែកលើឯកសារ [បញ្ចូលឯកសារ] សូមបង្កើតកំណែ Sanitized Version សម្រាប់ចែករំលែកទៅភាគីខាងក្រៅ ៖ ### វិធាន Sanitization ៖ ១. ស្វែងរក និងជំនួសរាល់ទិន្នន័យ PII ទាំងអស់ ៖ - ឈ្មោះបុគ្គលិក/អតិថិជន → `[PERSON_1]`, `[PERSON_2]` - លេខអត្តសញ្ញាណប័ណ្ណ/លិខិតឆ្លងដែន → `[ID_REDACTED]` - លេខទូរស័ព្ទ/អ៊ីមែល → `[PHONE_REDACTED]`, `[EMAIL_REDACTED]` - លេខគណនីធនាគារ/កាត → `[BANK_ACC_XXXX]` ២. បង្កើតតារាង Redaction Index Log (ប្រភេទ PII | ទីតាំងទំព័រ | កូដអនាមិកដែលបានជំនួស) ៣. ផ្តល់ខ្លឹមសារ Sanitized Markdown ពេញលេញដែលត្រូវបានលុបទិន្នន័យសម្ងាត់រួចរាល់។

ពិនិត្យការយល់ដឹង (Knowledge Check)

QUIZ ខ្លី

ហេតុអ្វីបានជាការគ្រាន់តែគូសប្រអប់ពណ៌ខ្មៅ (Black Shape) ពីលើអក្សរក្នុង PDF មិនមែនជាការ Redaction ត្រឹមត្រូវ?

ចម្លើយត្រឹមត្រូវ ៖ Visual Overlay (ប្រអប់ខ្មៅ) គ្រាន់តែបាំងភ្នែកមនុស្សប៉ុណ្ណោះ។ កុំព្យូទ័រនៅតែអាចអាន និង Copy អត្ថបទនោះបាន។ True Redaction ត្រូវតែកាត់លុបអក្សរនោះចេញពីកូដឯកសារទាំងស្រុង។

ចំណុចគន្លឹះត្រូវចងចាំក្នុងមេរៀននេះ

ហាមប្រើ Visual Masking (ប្រអប់ខ្មៅក្លែងក្លាយ) ជាដាច់ខាត ព្រោះអក្សរនៅតែអាច Copy បាន។
អនុវត្ត True Byte-Level Redaction ឬ Sanitization ដោយជំនួសដោយកូដអនាមិក `[REDACTED]`។
ប្រើប្រព័ន្ធ AI NER និង Regex ដើម្បីស្វែងរក PII ស្វ័យប្រវត្តិ។
លុបចោល Document Metadata និង EXIF Data ជានិច្ចមុននឹងចែករំលែកឯកសារទៅខាងក្រៅ។

MISSION COMPLETED