详解企业级数据脱敏方案

MuleSoft企业级AI编排:LLM集成的治理、路由与脱敏实战 AI Orchestration(AI编排)是企业在SOA/ESB架构中规模化落地大语言模型的核心范式,其本质是以API为中心、策略为驱动、治理为底线的能力调度体系。它解决的不是模型能力本身,而是LLM调用在权限控制、数据合规、流量治理、审计追溯和SLA保障等企业级刚需中的确定性问题。关键技术包括上下文感知的数据脱敏、基于业务语义的模型路由、强类型可版本化的Prompt契约,以及与MuleSoft等成熟集成平台的深度协同。该方案特别适用于已有SAP、Oracle等传统系统、受GDPR或《生成式AI服务管理暂 阅读详情

👉 这是一个或许对你有用的社群

🐱 一对一交流/面试小册/简历优化/求职解惑,欢迎加入「芋道快速开发平台」知识星球。下面是星球提供的部分资料: 

232200ec68f5703667326c093e737014.gif

👉这是一个或许对你有用的开源项目

国产 Star 破 10w+ 的开源项目,前端包括管理后台 + 微信小程序,后端支持单体和微服务架构。

功能涵盖 RBAC 权限、SaaS 多租户、数据权限、商城、支付、工作流、大屏报表、微信公众号、CRM 等等功能:

  • Boot 仓库:https://gitee.com/zhijiantianya/ruoyi-vue-pro

  • Cloud 仓库:https://gitee.com/zhijiantianya/yudao-cloud

  • 视频教程:https://doc.iocoder.cn

【国内首批】支持 JDK 21 + SpringBoot 3.2.2、JDK 8 + Spring Boot 2.7.18 双版本 

来源:juejin.cn/post/
7367577126855852066


简介

最近几年经常发生用户数据泄漏的事件,给企业带来危机。随着用户对个人隐私数据的重视和法律法规的完善,数据安全显得愈发重要。一方面可以加强权限管理,减少能够接触数据的人员以及导出数据加强审批。另一方面,还需要从技术上对用户隐私数据进行脱敏处理,提高数据的安全性。

数据脱敏方法有很多种,大致可以按照以下进行分类:

  1. 隐藏法: 只显示敏感信息的部分内容,其他部分进行遮挡,比较常见使用星号替代。这种方式日常比较多见,比如手机号,银行卡号等只显示后面和后面几位,好处是虽然只是部分内容显示,但足够提供有效信息,同时不会暴露完整数据。

  2. 混淆法: 对原有数据截断、替换、隐藏、数字进行随机移位,使得原有数据完全失真或者部分失真,混淆真假。

  3. 加密: 通过加密密钥和算法对敏感数据进行加密得到密文,密文可见但是完全没有可读意义,是脱敏最彻底的方法。其中对称加密还能密钥解密可以从密文恢复原始数据。比如密码保存采用非对称加密,手机号存储时采用对称加密。

用户的敏感数据包含姓名、电话号码、身份证、银行卡号、电子邮件、家庭住址、登录密码等等。需要考虑数据的敏感程度、数据安全要求以及实际业务使用场景选择合适的脱敏方法。Hutool包里面提供了许多常用的脱敏方法。

基于 Spring Boot + MyBatis Plus + Vue & Element 实现的后台管理系统 + 用户小程序,支持 RBAC 动态权限、多租户、数据权限、工作流、三方登录、支付、短信、商城等功能

  • 项目地址:https://github.com/YunaiV/ruoyi-vue-pro

  • 视频教程:https://doc.iocoder.cn/video/

企业脱敏方案

企业如何实现脱敏?我们先来看典型的系统数据交互链路,数据需要经过数据库、后端应用、app端。

31c0f2c7e8a9b61f118079dc003d3676.png
  • 数据库侧: 数据库保存了原始数据,有权限人员可以查看数据和导出数据。

  • 后端应用内: 后端应用中会打印相关日志,数据通过日志得到了存储下来。通过日志,能够得到原始数据。

  • 应用输出: app侧能够从后端读取到原始数据。

数据库脱敏方案

数据库脱敏方法根据业务具体要求选择合适脱敏方法。脱敏地点可以在应用中手动脱敏,当然这种方法不常用,改动点多对业务侵入大。

另外一种方案在ORM框架中修改sql实现,其中mybatis框架为java后端系统中最常用的框架。mybatis自带拦截器扩展,允许在映射语句执行过程中的某一点进行拦截调用。默认情况下,MyBatis 允许使用插件来拦截的方法调用包括:

  • Executor: 拦截执行器的方法,例如 update、query、commit、rollback 等。可以用来实现缓存、事务、分页等功能。

  • ParameterHandler: 拦截参数处理器的方法,例如 setParameters 等。可以用来转换或加密参数等功能。

  • ResultSetHandler: 拦截结果集处理器的方法,例如 handleResultSets、handleOutputParameters 等。可以用来转换或过滤结果集等功能。

  • StatementHandler: 拦截语句处理器的方法,例如 prepare、parameterize、batch、update、query 等。可以用来修改 SQL 语句、添加参数、记录日志等功能。

e100e3133965ed0df982aa456a480dbe.jpeg
Mybatis执行流程

数据库脱敏另外一个问题是历史数据问题。历史原因最开始的技术方案保存明文,所以脱敏时需要做到平滑脱敏。要做到平滑脱敏,可按照如下流程:

  • 新增脱敏字段: 在源表上新增脱敏字段。

  • 数据双写: 源字段和脱敏字段都写入数据。

  • 历史数据迁移: 历史数据迁移,刷入脱敏字段。

  • 读切换脱敏字段: 从脱敏字段读取数据返回。

  • 清空源字段: 确保所有流程都正确的情况下,清空源字段。

本文mybatis实现数据库加解密为例。

1.表里面新增脱敏字段,示例中脱敏新字段格式规范为源字段添加encrypt后缀。vo里面添加脱敏注解标记。

public class Employee {

    private Long id;
    private String name;

    @EncryptTag
    private String mobile;
    private String mobileEncrypt;
    private String email;
    private double salary;
}

2.实现自定义拦截。

/***
** 加密拦截
***/
@Intercepts({@Signature(
        type = Executor.class,
        method = "update",
        args = {MappedStatement.class, Object.class}
), @Signature(
        type = Executor.class,
        method = "query",
        args = {MappedStatement.class, Object.class, RowBounds.class, ResultHandler.class, CacheKey.class, BoundSql.class}
), @Signature(
        type = Executor.class,
        method = "query",
        args = {MappedStatement.class, Object.class, RowBounds.class, ResultHandler.class}
)})
public class EncryptPlugin implements Interceptor {

    @Override
    public Object intercept(Invocation invocation) throws Throwable {
        MappedStatement mappedStatement = (MappedStatement)invocation.getArgs()[0];
        Object param = invocation.getArgs()[1];
        PluginService.encrypt(invocation, param);
        return invocation.proceed();
    }


    @Override
    public Object plugin(Object target) {
        return Plugin.wrap(target, this);
    }

    @Override
    public void setProperties(Properties properties) {

    }
}


/***
** 解密拦截
***/
@Intercepts({@Signature(
        type = ResultSetHandler.class,
        method = "handleResultSets",
        args = {Statement.class}
)})
public class DecryptPlugin implements Interceptor {

    @Override
    public Object intercept(Invocation invocation) throws Throwable {
            Object result = invocation.proceed();
            if (result != null && result instanceof List) {
                this.decrypt(((List) result).iterator());
            }
            return result;
    }


    @Override
    public Object plugin(Object target) {
        return Plugin.wrap(target, this);
    }

    @Override
    public void setProperties(Properties properties) {

    }

    private void decrypt(Iterator iterator) throws Throwable {
        while(iterator.hasNext()) {
            Object object = iterator.next();
            PluginService.decrypt(object);
        }
    }
}

3.实现sql修改,完成加解密逻辑。

public class PluginService {

    private static final Logger LOGGER = LoggerFactory.getLogger(PluginService.class);

    private static final Map<String, List<Field>> ENCRYPT_TAG_FIELDS = new ConcurrentHashMap();

    public static void encrypt(Invocation invocation, Object object) throws Throwable {
        if (object.getClass().isArray()) {
            int length = Array.getLength(object);
            if (length <= 0) {
                return;
            }

            for (int i = 0; i < length; ++i) {
                encryptSingleObject(Array.get(object, i));
            }
        } else if (object instanceof Collection) {
            Collection collection = (Collection) object;
            Iterator itr = collection.iterator();
            while (itr.hasNext()) {
                Object item = itr.next();
                encryptSingleObject(item);
            }
        } else {
            encryptSingleObject(object);
        }
    }


    private static void encryptSingleObject(Object object) throws Throwable {
        if (object != null) {
            String className = object.getClass().getName();
            List<Field> EncryptTagFields = ENCRYPT_TAG_FIELDS.get(className);
            if (EncryptTagFields == null) {
                EncryptTagFields = findEncryptTagFields(object);
                ENCRYPT_TAG_FIELDS.putIfAbsent(className, EncryptTagFields);
            }
            encryptFields(object, EncryptTagFields);
        }
    }

    private static void encryptFields(Object object, List<Field> EncryptTagFields) throws Throwable {
        if (object != null && !EncryptTagFields.isEmpty()) {
            String[] originalValues = new String[EncryptTagFields.size()];

            for(int i = 0; i < EncryptTagFields.size(); ++i) {
                Field field = (Field)EncryptTagFields.get(i);
                String value = (String)field.get(object);
                originalValues[i] = value;
            }

            for(int i = 0; i < EncryptTagFields.size(); ++i) {
                Field field = (Field)EncryptTagFields.get(i);
                String value = originalValues[i];

                if (value == null) {
                    continue;
                }
                Field encryptField = getEncryptField(object, field);
                if (encryptField == null) {
                    continue;
                }
                String encryptValue = encryptFieldValue(value);
                encryptField.set(object, encryptValue);
                field.set(object, null);

            }
        }
    }

    private static String encryptFieldValue(String value) {
        String encryptValue = value + "encrypt";
        return encryptValue;
    }

    public static void decrypt(Object object) throws Throwable {
        if (object == null) {
            return;
        }
        String className = object.getClass().getName();
        List<Field> encryptTagFields = ENCRYPT_TAG_FIELDS.get(className);
        if (encryptTagFields == null) {
            encryptTagFields = findEncryptTagFields(object);
            ENCRYPT_TAG_FIELDS.putIfAbsent(className, encryptTagFields);
        }
        decryptFields(object, encryptTagFields);
    }


    private static void decryptFields(Object object, List<Field> encryptTagFields) throws Throwable {
        if (encryptTagFields.isEmpty()) {
            return;
        }

        for (int i = 0; i < encryptTagFields.size(); ++i) {
            Field field = encryptTagFields.get(i);
            Field encryptField = getEncryptField(object, field);
            Object fieldValue = encryptField.get(object);
            if (fieldValue == null) {
                continue;
            }
            if (fieldValue instanceof String) {
                String value = (String) fieldValue;
                value = AesUtil.decrypt(value);
                field.set(object, value);
                encryptField.set(object, null);
            }
        }
    }

    private static List<Field> findEncryptTagFields(Object object) {
        Class clazz = object.getClass();

        List<Field> fieldList = new ArrayList<>();
        for(; clazz != null; clazz = clazz.getSuperclass()) {
            Field[] declaredFields = clazz.getDeclaredFields();
            int length = declaredFields.length;

            for(int index = 0; index < length; ++index) {
                Field field = declaredFields[index];
                if (field.getAnnotation(EncryptTag.class) != null) {
                    if (field.getType() == String.class) {
                        field.setAccessible(true);
                        fieldList.add(field);
                    } else {
                        LOGGER.error("@EncryptTag should be used on String field. class: {}, fieldName: {}", clazz.getName(), field.getName());
                    }
                }
            }
        }

        return fieldList;
    }

    private static Field getEncryptField(Object object, Field field) throws Exception {
        String encryptFieldName = AesUtil.encrypt(field.getName());
        Field encyptField = getField(object, encryptFieldName);
        if (encyptField == null) {
            throw new Exception(object.getClass() + "对象没有对应的加密字段:" + encryptFieldName);
        } else {
            encyptField.setAccessible(true);
            return encyptField;
        }
    }

    public static Field getField(Object object, String fieldName) {
        for(Class clazz = object.getClass(); clazz != null; clazz = clazz.getSuperclass()) {
            Field[] var3 = clazz.getDeclaredFields();
            int var4 = var3.length;

            for(int var5 = 0; var5 < var4; ++var5) {
                Field field = var3[var5];
                if (field.getName().equals(fieldName)) {
                    return field;
                }
            }
        }

        return null;
    }
}

日志脱敏方案

日志脱敏,核心在于序列化时对于敏感字段修改其序列化方式。各大序列化工具一般都有序列化自定义功能,本文以fastjson为例讲解实现,实现方式有两种:

  • 基于注解@JSONField实现

  • 基于序列化过滤器

@JSONField方式不建议使用,对业务入侵太大。另外一种继续序列化过滤器,fastjson提供了多种SerializeFilter:

  • PropertyPreFilter 根据PropertyName判断是否序列化

  • PropertyFilter 根据PropertyName和PropertyValue来判断是否序列化

  • NameFilter 修改Key,如果需要修改Key,process返回值则可

  • ValueFilter 修改Value

  • BeforeFilter 序列化时在最前添加内容

  • AfterFilter 序列化时在最后添加内容

通过实现ValueFilter自定义序列化扩展,针对目标类以及字段进行脱敏返回。

核心代码简化如下:

public class FastjsonValueFilter implements ValueFilter {
    
    @Override
    public Object process(Object object, String name, Object value) {
        if (needDesensitize(object, name)) {
            return desensitize(value);
        }
    }
}    
String s = JSON.toJSONString(new Person("131xxxx1552","123@163.com"),new FastjsonValueFilter());

在标记脱敏字段以及对应方法时,可以通过配置的方法, 对类相关的脱敏字段以及方法进行封装。要求不高的话添加响应的注解也可实现。

输出脱敏

在输出层织入切面进行拦截,在切面内实现脱敏逻辑。实现逻辑跟日志脱敏类似,需要对脱敏字段进行标记以及对应脱敏方法。

如果是Spring Boot集成,配置 Spring MVC 的话只需继承 WebMvcConfigurer 覆写 configureMessageConverters方法,支持全局和指定类脱敏配置,示例如下:

@Configuration
public class FastJsonWebSerializationConfiguration implements WebMvcConfigurer {

    @Bean(name = "httpMessageConverters")
    public HttpMessageConverters fastJsonHttpMessageConverters() {
        // 1.定义一个converters转换消息的对象
        FastJsonHttpMessageConverter fastConverter = new FastJsonHttpMessageConverter();
        // 2.添加fastjson的配置信息,比如: 是否需要格式化返回的json数据
        FastJsonConfig fastJsonConfig = new FastJsonConfig();
        fastJsonConfig.setSerializerFeatures(SerializerFeature.PrettyFormat);
        // 中文乱码解决方案
        List<MediaType> mediaTypes = new ArrayList<>();
        //设定json格式且编码为UTF-8
        mediaTypes.add(MediaType.APPLICATION_JSON_UTF8);
        fastConverter.setSupportedMediaTypes(mediaTypes);
        
        //添加全局自定义脱敏
        fastJsonConfig.setSerializeFilters(new ValueDesensitizeFilter());
       //添加指定类脱敏方法
        Map<Class<?>, SerializeFilter> classSerializeFilters = new HashMap<>();
        classSerializeFilters.put(Employee.class, new FastjsonValueFilter());
        fastJsonConfig.setClassSerializeFilters(classSerializeFilters);

        
        // 3.在converter中添加配置信息
        fastConverter.setFastJsonConfig(fastJsonConfig);
        // 4.将converter赋值给HttpMessageConverter
        HttpMessageConverter<?> converter = fastConverter;
        // 5.返回HttpMessageConverters对象
        return new HttpMessageConverters(converter);
    }
}

基于 Spring Cloud Alibaba + Gateway + Nacos + RocketMQ + Vue & Element 实现的后台管理系统 + 用户小程序,支持 RBAC 动态权限、多租户、数据权限、工作流、三方登录、支付、短信、商城等功能

  • 项目地址:https://github.com/YunaiV/yudao-cloud

  • 视频教程:https://doc.iocoder.cn/video/

总结

本文总结了企业中脱敏方案实现,包含数据库脱敏、日志脱敏、输出脱敏,并贴上关键实现代码。能够满足业务的要求。


欢迎加入我的知识星球,全面提升技术能力。

👉 加入方式,“长按”或“扫描”下方二维码噢:

8b55bca4fe51b98d0bba46ab16aa512c.png

星球的内容包括:项目实战、面试招聘、源码解析、学习路线。

0955160f0cd5b374e899639fe5215572.png

6b76e78785f3442e7a9913dc4bef1039.png22d06f87f70a9f322012a49ca6269dea.png3b7395ee089c25d7f6b905a796213721.png7fd5101eff19426fc9bc76741b83384c.png

文章有帮助的话,在看,转发吧。
谢谢支持哟 (*^__^*)
AI防火墙实战指南:本地部署、实时脱敏与跨端兼容 在AI应用开发中,数据隐私与安全是核心挑战。传统防火墙难以应对应用层数据外发风险,因此需要基于内容的数据流代理技术。其原理是通过HTTP/HTTPS反向代理,在请求与响应链路中植入敏感信息识别与处理引擎,实现实时拦截与脱敏。这项技术的核心价值在于保障数据不出域,在本地或内网环境中完成敏感信息处理,彻底杜绝云端隐私泄露。它适用于多种AI应用场景,如本地大模型服务、AI编程助手及自研AI Agent。通过结合规则引擎与轻量级NLP模型的混合识别方案,能在精度与性能间取得平衡,并对身份证号、手机号等模式化信息进行 阅读详情

相关推荐

企业级AI编排:MuleSoft与LangChain混合架构实战

AI编排(AI Orchestration)是实现大模型在企业真实业务中落地的关键技术,其本质是协调数据、系统与智能体之间的自动化协作。它并非单纯提升模型能力,而是通过分层解耦、API契约化、安全治理等工程手段,解决数据孤岛、权限失控、结果不可信等核心瓶颈。典型实践如MuleSoft承担企业系统连接、权限校验与数据标准化,LangChain专注AI逻辑链构建与提示工程,二者以RESTful API为边界协同工作。该模式显著提升AI应用的可审计性、可替换性与合规性,广泛适用于CRM智能助手、财务风险分析、客服

weixin_30924239的博客 406

顶级企业如何用数据脱敏保护用户隐私!

ShardingSphere提供数据访问安全性:通过数据脱敏,完成对敏感数据的安全访问。本文介绍ShardingSphere数据脱敏功能。数据脱敏,指对敏感信息通过脱敏规则进行数据转换,实现敏感隐私数据的可靠保护。相较传统私有化部署方案,互联网应用对数据安全要求更高,涉及范围更广。根据行业和业务场景属性,不同系统敏感信息不同,但诸如身份证号、手机号、卡号、用户姓名、账号密码等个人信息一般都需脱敏。

JavaEdge全是干货的技术号 1070

企业级AI编排实战:MuleSoft+LangChain混合架构落地指南

AI编排(AI Orchestration)是连接大语言模型与企业核心系统的关键技术,其本质是解决LLM无法直连ERP、CRM等遗留系统所导致的数据孤岛与合规风险问题。它并非替代传统集成平台,而是通过清晰职责划分——由MuleSoft承担数据主权接管、OAuth2.0鉴权、PII脱敏、事务回滚等企业级确定性任务,由LangChain专注自然语言意图解析、多跳推理链构建与动态提示工程等AI实验性工作——实现安全、可审计、低延迟的AI流水线。该架构已在制造业CRM升级、金融风控中台及医疗SaaS场景中验证,支撑

weixin_30265103的博客 392

一文搞懂后端数据脱敏:概念、场景与落地方案(Java 实战)

本文从后端接口返回链路出发,系统梳理了数据脱敏在实际项目中的落地方式,对比了手动处理、Jackson 自定义序列化以及注解 + AOP 等实现方案。

weixin_51371642的博客 1721

MuleSoft+LLM企业级AI编排:可审计、可治理、可熔断的智能集成实践

大语言模型(LLM)作为新一代智能引擎,正深度融入CRM、ERP、HRIS等核心业务系统,但其‘黑盒性’与企业对安全性、合规性、可观测性的刚性要求存在天然张力。AI编排(AI Orchestration)由此成为关键桥梁——它不是简单调用API,而是通过企业级集成平台实现身份穿透、数据脱敏、服务熔断与全链路血缘追踪。MuleSoft凭借原生API治理能力、DataWeave动态编排、Anypoint Exchange资产化管理,将LLM转化为受控、可审计、可版本化的服务组件。本文聚焦金融与制造行业典型场景,

weixin_29035405的博客 285

AI Orchestration:企业级智能工作流的混合架构实践

AI Orchestration(AI编排)是一种面向企业系统集成的智能工作流调度范式,其核心在于解耦AI能力与数据基础设施——通过下层集成层(如MuleSoft)统一治理ERP、CRM等异构系统的连接、认证、数据转换与安全合规,上层AI逻辑层(如LangChain)专注意图识别、多源融合与LLM推理链构建。它不替代大模型,也不重造API网关,而是以API契约为纽带,实现LLM与企业IT毛细血管的可信协同。技术价值体现在降低AI落地门槛、保障生产稳定性、满足GDPR/SOC2等合规要求;典型场景覆盖销售风险

weixin_30681615的博客 300

Hive实战:如何用UDF快速实现手机号脱敏(附完整代码)

本文详细介绍了如何利用Hive UDF技术实现手机号脱敏,确保数据安全与合规性。通过完整的代码示例和性能优化技巧,帮助大数据工程师快速构建高效的脱敏解决方案,适用于电商、金融等需要处理敏感数据的场景。

grafana8visual的博客 695

ITIL 4 Foundation 自学通关笔记1

ITIL 4 Foundation 自学通关笔记

m0_58817196的博客 956

AI助手隐私与安全防护:从数据脱敏到安全接入实践

随着AI助手在开发与办公场景中的广泛应用,大量上下文数据被采集、传输与存储,由此引发的隐私泄露与安全威胁不容忽视。从数据生命周期来看,AI助手在采集、传输、存储、训练和共享环节均存在风险,如Prompt注入可诱导模型输出敏感信息。为了从源头降低风险,工程上普遍采用数据最小化策略,通过脱敏与匿名化技术对密钥、手机号等敏感字段进行掩码处理,并借助差分隐私在统计场景中保护个体数据。同时,企业级接入应通过API网关统一管理API Key、实施权限控制与审计日志,构建安全边界。本文结合实际代码示例,梳理了从数据脱敏到

weixin_30457551的博客 377

华为鸿蒙系统也能用!5分钟搞定谷歌三件套安装(附最新APK下载链接)

本文为华为鸿蒙系统用户提供了一份详尽的谷歌三件套(Google Play服务、商店及框架)手动安装指南。文章核心在于无需Root,通过ADB命令获取设备信息,并从可靠来源下载匹配版本的APK,按照正确顺序安装,从而解决海外应用依赖问题,实现5分钟快速部署。

c7d8e9的博客 6579

PCB工艺-SI9000-模型选择

本文介绍了PCB设计中常用的阻抗计算模型,主要包括外层、内层和嵌入式三类共12种计算模型,涵盖单端/差分、共面等不同场景。针对阻抗计算中的关键参数,文章提供了经验值参考:表层走线厚度0.035mm(1.4mil),内层0.0152mm(0.6mil);并列出常见PP材料的介电常数(3.8-4.5)和成品厚度(3-7.5mil)。作者建议90%的设计问题可通过上述模型解决,层叠参数建议咨询PCB厂家获取。

weixin_50120208的博客 1391

Firecrawl MCP服务器:企业级网页抓取与AI数据提取的3步高效部署方案

Firecrawl MCP服务器是一个基于Model Context Protocol(MCP)的企业级网页抓取解决方案,专为AI应用和开发者提供高性能的数据提取能力。通过将Firecrawl的强大网页抓取功能集成到MCP生态系统中,该服务器为Cursor、Claude、Windsurf等AI客户端提供了无缝的网页内容访问接口。本文将从技术架构、核心功能、部署实践到性能优化,全方位解析这个分布式网

gitblog_00280的博客 311

硅传CC1310二次开发必备:手把手教你用JTAG解锁被锁定的Flash存储器

本文针对硅传CC1310模块二次开发中常见的Flash锁定问题,提供了从原理剖析到实战操作的完整解决方案。详细介绍了如何使用Uniflash和Flash Programmer 2等工具进行Flash解锁和擦除,并强调了硬件连接稳定性与供电质量的关键作用,帮助开发者彻底解决烧录障碍,为后续应用开发铺平道路。

weixin_29189373的博客 256

企业级数据泄露检测系统:构建实时隐私保护平台的完整指南

在数字化浪潮席卷全球的今天,个人信息泄露已成为企业安全面临的核心挑战。**leak-check**作为一款专业的个人信息泄露检测接口,通过高效的查询与脱敏聚合技术,为企业级数据泄露检测提供了完整的技术解决方案。本文将深入解析该系统的架构设计、核心算法实现及部署最佳实践,为技术开发者和安全从业者提供全面的技术指南。 ## 🔍 技术挑战与架构设计 ### 分布式查询引擎设计 leak-chec

gitblog_01193的博客 251

【Office激活】学校正版Office已激活成功仍弹出激活窗口

学校正版Office激活问题:已激活成功仍弹出激活窗口

ESCM_的博客 1万+

【OpenClaw从入门到精通】第24篇:OpenClaw Skill商业化实战指南——从0开发付费技能,在ClawHub变现(2026实测版)

本文聚焦OpenClaw Skill商业化的全流程落地,基于2026年生态现状、公开行业报告及开发者指南,拆解付费Skill的市场机会、商业模式、技术实现、发布运营及避坑要点。核心围绕“Freemium API Backend”主流路径,通过虚拟但贴合真实场景的“金融研报复现”案例,提供从需求分析、定价设计到代码开发、ClawHub上架的完整实操方案。文中包含可直接复用的代码片段、执行结果演示及流程图解,既满足新手快速入门的需求,也为进阶开发者提供商业化落地的关键思路,帮助读者抓住AI Agent早期红利。

专注于人工智能、软件开发、工控自动化、工厂数字化及智能化等领域,希望和大家共同进步! 1091

Apache Airflow 模块管理完全指南:在 DAG 与配置中加载自定义 Python 代码

Apache Airflow 是一个用代码编程式地编写、调度与监控工作流的平台。在实际部署中,几乎没有团队会把所有逻辑都堆进单个 DAG 文件——你通常需要共享工具函数、通用基类(BaseDAG)、公司级公共库,甚至用一套共享代码批量生成几十个 DAG。本文基于 [modules_management.rst](https://link.gitcode.com/i/37219c6fa2b28637

gitblog_00546的博客 434

[实践篇]13.13 再来梳理一下HAB的设计原理

HAB全称为Hypervisor Abstraction,即硬件抽象,主要用于提供对HOST OS硬件资源的访问。

从0到1,突破自己 7265

AI编排实战:MuleSoft与LangChain企业级集成方案

AI编排是面向企业智能业务流的调度中枢,其核心在于解耦AI能力与系统集成——前者专注语义理解、多步推理与工具调用(如LangChain),后者承担协议适配、安全治理与数据血缘追踪(如MuleSoft)。它并非替代传统ESB或工作流引擎,而是填补LLM原生框架在OAuth鉴权、事务一致性、PII脱敏、审计日志等生产级约束上的能力缺口。典型应用场景包括销售风险分析、智能邮件生成、跨系统个性化推荐等需融合结构化数据与大模型推理的闭环任务。本文基于金融与零售行业真实落地经验,详解如何通过契约驱动、轻量API对接与分

weixin_34353714的博客 341

使用MATLAB和Simulink来设计并仿真一个智能家居火灾报警系统

智能家居火灾报警系统旨在通过烟雾传感器、温度传感器等设备监测家庭环境,一旦检测到异常情况(如烟雾或温度骤升),立即触发警报并采取相应措施。在这个教程中,我们将使用MATLAB和Simulink来设计并仿真一个智能家居火灾报警系统,包括数据采集、处理以及响应机制。

amy_mhd的博客 163

假人有限元模型

假人模型,车辆碰撞假人有限元模型,适合做乘员安全的研究者利用

MuleSoft+LangChain双引擎实现企业级AI编排

AI编排(AI Orchestration)是打通大模型与企业遗留系统的关键技术路径,其本质是将LLM的智能生成能力与企业级集成平台的数据连接、安全治理、流程管控能力深度协同。它解决的不是模型性能问题,而是数据孤岛、权限混乱、流程僵化和合规风险等真实落地瓶颈。通过MuleSoft承担系统连接、动态脱敏、OAuth令牌管理与可观测性等‘脏活’,LangChain专注提示工程、多步推理与内容生成等‘巧活’,二者形成职责清晰、解耦可演进的技术双引擎。该模式已在金融、制造、SaaS等行业验证,支撑销售智能助手等高可

weixin_34396902的博客 308

贝叶斯统计 [韦来生编]

贝叶斯(Bayes)统计是近几十年来迅速发展起来的数理统计的一个重要分支。贝叶斯方法与经典统计方法的主要不同之处是进行统计推断时除了利用样本信息外,还要利用参数的先验信息,因此可以提高统计推断或统计决策的效果。它在经济、金融、生物、医学、自然科学和社会科学等许多领域具有广泛的应用。贝叶斯方法的研究已渗透到了统计学的几乎所有领域。作者在给中国科学技术大学概率论与数理统计专业本科生开设的“数理统计”课程中有一章专门讲授“贝叶斯方法和统计决策理论”,近十年来也给中国科学技术大学概率统计专业研究生开设过几次“贝叶斯分析”课。本书是在对过去讲稿的内容作了适当的增减和调整的基础上完成的。  本书共分六章。第1章是绪论,介绍了贝叶斯统计的若干基本概念,同时对必要的数理统计的基础知识有重点地作了回顾。第二章介绍了确定先验分布的若干可供选择的方法。第三章介绍了几类常见统计模型参数的后验分布的主要结果和计算方法。第四章和第五章分别介绍了“贝叶斯统计推断”和“贝叶斯统计决策”的内容。第六章介绍了贝叶斯统计计算的若干方法,包括蒙特卡洛方法和马尔可夫链蒙特卡洛(MCMC)方法以及相关统计软件的简介。本书的每一章附右大量的例题和习题,书末附有常用的几个表格和部分习题解答供读者查用。  大约可在54学时内讲授本书的第1章至第六章的主要内容,教师可根据学时需要选讲本书第1章至第六章的部分内容。书中标“*”号的章节可略去不讲,留给读者作为阅读材料。第六章例题中的R代码和部分例题的数据文件等可从作者个人主页下载。  作者在编写本书的过程中参考了J.O.Berger教授的《统计决策论及贝叶斯分析》和茆诗松教授编写的《贝叶斯统计》等书中的一些内容,以及《贝叶斯分析》一书中由张伟平博士编写的有关贝叶斯统计计算的一些内容。在此表示衷心感谢。  本书编写准备过程中,中国科学技术大学统计与金融系的几个研究生帮助完成了本书部分中文的录入和排版,作者对他们的辛勤工作表示真诚的感谢。高等教育出版社为本书的出版给予了大力支持。在此一并致谢。

企业级AI私有化部署:OpenClaw多模型切换方案解析

在AI模型部署领域,私有化部署正成为金融、医疗等敏感行业的核心需求,其关键在于实现数据隔离与模型自主可控。通过轻量级中间件技术,开发者可以统一不同模型的协议接口,并利用容器化技术实现资源隔离。以OpenClaw为例,该方案通过HTTP/gRPC混合协议、Docker容器化部署及动态热载机制,成功支持Llama3、Qwen等主流大模型的灵活切换。实测显示,在32核服务器上同时运行7B和14B参数模型时,P99延迟可控制在800ms内。这种企业级方案尤其适合需要严格数据审计、多模型协同的金融知识库、智能客服等场

weixin_34321753的博客 397

廖雪峰Python教程[完整版]

廖雪峰的python教程整理的,已经排好版了,而且还是完整的,适合小白

lwip-2.0.3

lwip是瑞典计算机科学院(SICS)的Adam Dunkels 开发的一个小型开源的TCP/IP协议栈。实现的重点是在保持TCP协议主要功能的基础上减少对RAM 的占用。

《wordbuddy企业级智能体实战》05 读写分离与操作审计:让AI既能查又能改,还能留下痕迹

摘要 文章通过一个电商客服AI错误修改订单地址的真实案例,揭示了智能助手在读写操作混用时的风险,并提出了解决方案。核心问题在于:1)LLM可能混淆查询与修改意图;2)缺乏权限校验;3)无操作审计日志。作者提出三步解决方案:1)严格分离读写通道;2)实现操作审计模块记录修改前后的状态;3)通过读写分离调度器确保写操作必须经过审计。文中提供了详细的Python代码实现,包括审计日志记录、查询功能以及读写调度器,强调了对AI执行写操作时需像银行系统一样严格管控。

2601_95795707的博客 1082

MuleSoft+LangChain企业级AI集成实战:打通数据孤岛与大模型落地

企业AI落地的核心瓶颈并非模型能力不足,而是数据无法安全、稳定、合规地在业务系统与大语言模型之间流动。本文围绕‘企业级AI集成’这一基础技术范式,解析如何利用MuleSoft作为可信控制平面,完成认证、路由与封装,同时依托LangChain实现灵活推理,形成‘控制权与执行权物理隔离’的双核架构。该方案直击API权限管理、多源异构数据抽取、PII实时脱敏、SLA感知模型调度等工程痛点,已在CRM/ERP/数据库等真实生产环境验证。适用于正面临数据孤岛、合规审计压力或AI项目卡在‘最后一公里’的IT架构师与业务

weixin_30512043的博客 557
上一篇: 玩玩阿里神器 Seata,真不错!
下一篇: SpringBoot 3.3.5 试用CRaC,启动速度提升3到10倍
公众号-芋道源码
博客等级 码龄10年 1637粉丝 377原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值