Effective PII Masking Requires Layered Data Classification Beyond Regex

Hệ thống thường xuyên bị rò rỉ PII do cách tiếp cận đơn giản hóa: chỉ tập trung vào thay thế văn bản (text-replacement) thay vì phân loại dữ liệu (data-classification) đa tầng. Nguyên nhân kỹ thuật là các kỹ sư chỉ dùng regex hoặc biểu thức đơn giản để "che" PII, trong khi PII có thể tồn tại dưới nhiều dạng (structured, unstructured, embedded) và yêu cầu phân loại động dựa trên ngữ cảnh. Hệ quả là những lỗ hổng tiềm ẩn như email chứa tên thật trong trường "tên hiển thị", hay số điện thoại nằm trong chuỗi JSON không được phát hiện. Điều đáng học là cần kết hợp nhiều lớp phân loại (layered classification) như metadata tagging, NLP-based detection (ví dụ: spaCy, Presidio) và rule-based fallback, thay vì chỉ dựa vào regex. Bài viết nhấn mạnh rằng PII masking hiệu quả phải bắt đầu từ việc xác định chính xác loại dữ liệu (PII types) trước khi áp dụng bất kỳ kỹ thuật che giấu nào.