phi-leak-guard：给大模型输出加个“脱敏拦截门”

在处理医疗临床文本时，最让人焦虑的不是模型生成的质量，而是它会不会在不经意间把病人的姓名或就诊号给泄露出去。很多所谓的 LLM 评估库要么根本不支持 PHI（个人健康信息）检测，要么得把数据传给第三方 API 才能打分——对于医疗数据来说，为了检测泄露而把数据发给第三方，这本身就是最大的风险。

为了解决这个痛点，我写了一个轻量级的 TypeScript 库 phi-leak-guard。它最核心的逻辑就是：在本地运行，零依赖，一旦检测到泄露直接让你的测试构建（Build）失败。

实操演示

这个库可以直接集成到 Vitest 或 Jest 中，用起来非常简单：

import 'phi-leak-guard/vitest';

test('临床摘要不能泄露PHI', () => {
  expect(summarize(patientNote)).toContainNoPHI();
});

如果模型“翻车”了，它会清晰地告诉你泄露了什么，比如：

• [name] "John Smith" (pattern)
• [nhs-number] "943 476 5919" (validated)

它是怎么保证精准度的？

很多人担心正则匹配会导致大量误报（比如把普通的订单号误认成医疗编号）。为了提高实战精度，这个库不是简单的正则堆砌，而是引入了验证机制：

• NHS 编号： 使用 Modulus-11 校验和验证。
• 车辆 VIN 码： 基于 ISO-3779 校验位。
• IPv4： 严格的八位组范围校验。
• SSN/NINO： 结构化前缀规则验证。

这意味着一个随机的 10 位数字如果过不了校验和，就不会被标记为泄露，极大地降低了开发者的心智负担。

局限性与定位

得说实话，这不是一个完美的合规认证工具，而是一个高效的“回归门禁”。它覆盖了 HIPAA Safe Harbor 定义的 18 类标识符，但面对 UK GDPR 这种开放式定义，它只能覆盖常见的直接标识符。对于那些通过语义推断才能识别的隐私信息，纯确定性匹配还是有盲区，不过库里预留了接口，你可以自己接入 NER（命名实体识别）模型来增强能力。

如果你也在做医疗相关的大模型工作流，建议试试这个方案，把风险挡在部署之前。

npm install --save-dev phi-leak-guard

项目地址：

https://github.com/selvassn/phi-leak-guard