# 实验5 · 静态脱敏：保留格式 / 泛化 / 置换

> 对应模块 M3 ｜ 2 学时 ｜ 产出物：脱敏脚本 + 影子库脱敏后数据 + 三算子对比表
> 把实验3 发现的"影子库明文拷贝"真正整改掉——前后呼应

## 实验目标
对 `customers` 表的三类字段实现三种脱敏算子，写入 MySQL 影子库（bank_shadow），并用脚本证明"脱敏后仍可用于开发测试"。

## 前置条件
- 影子库：192.168.32.130:3307，库 bank_shadow，root / fds_root_2026
- 业务库：192.168.32.130:3306，bank_biz（只读源）
- 已装 `pip install pymysql pandas`

## 实验步骤

### Step 1：影子库建表（10 分钟）
```bash
python - << 'EOF'
import pymysql
c = pymysql.connect(host='192.168.32.130', port=3307, user='root',
                    password='fds_root_2026', database='bank_shadow')
cur = c.cursor()
cur.execute("""CREATE TABLE IF NOT EXISTS customers_masked (
  id INT PRIMARY KEY,
  name VARCHAR(64)      COMMENT '置换',
  id_number VARCHAR(18) COMMENT '保留格式(FFX演示)',
  phone    VARCHAR(11)  COMMENT '遮盖',
  age      INT          COMMENT '泛化',
  city     VARCHAR(32)  COMMENT '保留')""")
cur.execute("TRUNCATE TABLE customers_masked")
c.commit(); print("表就绪")
EOF
```

### Step 2：实现三种算子（核心步骤，30 分钟）
新建 `mask.py`，★ 处为你要自己补的：

```python
import pymysql, pandas as pd, hashlib

def mask_ffx_id(idn: str) -> str:
    """保留格式：18位仍18位、校验位仍合法感（演示版用确定性混淆）。
    ★ 工程版要求：前6位区划改为'110101'统一化，中间8位哈希置换，
      第18位重算使 Luhn/身份证校验仍通过——参考 M3 讲稿第三节 FFX 思路补全"""
    h = hashlib.sha256(idn.encode()).hexdigest()
    body = ''.join(str(int(h[i*2:i*2+2], 16) % 10) for i in range(11))
    return "110101" + body[:11].ljust(11, '0') + idn[-1]

def mask_generalize_age(age: int) -> str:
    """泛化：精确年龄 -> 5 岁年龄段。★ 自己实现：24 -> '20-24'"""
    return f"{age//5*5}-{age//5*5+4}"

def mask_substitute_name(name: str, salt: str = 'fds2026') -> str:
    """置换：同名同映射（可还原一致性）。★ 要求：'张三' 永远映射到同一个假名"""
    h = hashlib.sha256((salt + name).encode()).hexdigest()
    surnames = "李王张刘陈杨赵黄周吴"
    givens = "伟芳娜敏静磊军洋勇艳杰娟涛明超霞平刚桂英华"
    return surnames[int(h[:2], 16) % 10] + givens[int(h[2:4], 16) % 20]

def mask_phone(p: str) -> str:
    return p[:3] + "****" + p[7:]

if __name__ == "__main__":
    src = pymysql.connect(host='192.168.32.130', port=3306, user='root',
                          password='fds_root_2026', database='bank_biz')
    df = pd.read_sql("SELECT * FROM customers", src)
    out = pd.DataFrame({
        "id": df["id"], "name": df["name"].astype(str).map(mask_substitute_name),
        "id_number": df["id_number"].astype(str).map(mask_ffx_id),
        "phone": df["phone"].astype(str).map(mask_phone),
        "age": df["age"].astype(int).map(mask_generalize_age),
        "city": df["address"].astype(str).str[:2],
    })
    dst = pymysql.connect(host='192.168.32.130', port=3307, user='root',
                          password='fds_root_2026', database='bank_shadow')
    out.to_sql("customers_masked", dst, if_exists="replace", index=False)
    out.head(5).to_csv("exp05_样例.csv", index=False, encoding="utf-8-sig")
    print(out.head(5))
```

> 影子库无 age 列时，把 age 泛化列可先对 customers 里已有年龄段字段执行；
> 若表结构不同，按实际字段名调整——这本身就是实验的一部分。

### Step 3：三算子对比表（20 分钟）
对照写入报告（模板）：

| 算子 | 示例输入 | 示例输出 | 可逆性 | 适用场景 | 本例用于 |
|---|---|---|---|---|---|
| 遮盖 | 13812345678 | 138****5678 | 不可逆 | 展示层、客服 | phone |
| 泛化 | 24 | 20-24 | 不可逆 | 统计分析、报表 | age |
| 置换 | 张三 | 王伟 | 可逆(带盐) | 测试库、需保持关联 | name |
| 保留格式 | 110101…X | 110101…X | 密钥可逆 | 需通过下游校验 | id_number |

补一行结论：**为什么 id_number 不用遮盖？**（提示：下游many系统按18位校验，遮盖后测试跑不通）

### Step 4：可用性验证（10 分钟）
证明脱敏数据"还能用"：
```bash
python - << 'EOF'
import pymysql, pandas as pd
c = pymysql.connect(host='192.168.32.130', port=3307, user='root',
                    password='fds_root_2026', database='bank_shadow')
df = pd.read_sql("SELECT city, COUNT(*) n FROM customers_masked GROUP BY city ORDER BY n DESC LIMIT 5", c)
print(df)   # 分布统计仍可跑
EOF
```

### Step 5：泄露风险验证（10 分钟）
在脱敏后数据里搜原身份证号，证明 0 命中：
```bash
python - << 'EOF'
import pymysql
c = pymysql.connect(host='192.168.32.130', port=3307, user='root',
                    password='fds_root_2026', database='bank_shadow')
cur = c.cursor()
cur.execute("SELECT COUNT(*) FROM customers_masked WHERE id_number IN (SELECT id_number FROM …)")
# 换成：取业务库原 100 个证件号，到影子库查命中数，预期 0
EOF
```
（提示：读业务库 100 个证件号 → 影子库 `WHERE id_number IN (...)`，报告贴 0 命中截图）

## 验收自查
- [ ] 三个★函数补全且运行通过
- [ ] 影子库 customers_masked 有 ≥3000 行
- [ ] 同名客户二次运行映射不变（确定性验证，把两次 head 对比截图）
- [ ] 三算子对比表 + 一行结论
- [ ] 0 命中验证截图

## 评分要点（10 分制）
算子实现 4 分（置换确定性 1 分、FFX 思路正确 1 分）｜影子库落库 2 分｜对比表结论 2 分｜泄露验证 2 分

## 常见问题
| 问题 | 处理 |
|---|---|
| to_sql 报错 | `pip install sqlalchemy`；或改用 executemany 逐行插入 |
| age 列不存在 | 用 wealth_risk_eval 或自行在 CREATE TABLE 里以 birth_year 换算 |
| 置换映射每次运行都变 | 检查 salt 是否写死——salt 变了映射就变，这正是"确定性"考点 |

## 提交物
`mask.py` + `exp05_样例.csv` + 三算子对比表 + 两张验证截图
