Google DLP脱敏后JSON格式损坏及限定检测范围咨询

1. 让DLP只扫描引号内的敏感内容 #

你可以通过自定义规则限定DLP的扫描范围，只针对JSON里的属性值（也就是双引号包裹的内容）检测：

• 写个正则表达式"([^"]*)"，用来精准匹配并捕获双引号里的文本内容。
• 在DLP配置里创建CustomInfoType，把这个正则设为触发器，同时关联LOCATION和STREET_ADDRESS这两个预定义探测器。这样DLP只会在引号内的文本里找敏感数据，不会碰JSON的结构符号（比如冒号、大括号、逗号），自然就不会破坏格式了。

2. 改用结构化数据提交（最稳妥的方案） #

别直接传JSON字符串，把Address对象拆成结构化的键值对给DLP处理：

• 把Address的每个字段（比如street、city、zip）单独作为结构化字段，放到DLP的ContentItem里，同时指定每个字段要检测的信息类型。
• DLP会逐个字段处理脱敏，处理完你再重新拼成JSON或者直接转回Address对象，完全不会有格式问题。
• 给你个伪代码参考：

  // 构造结构化内容
  StructuredContent structuredContent = StructuredContent.newBuilder()
      .addFields(Field.newBuilder().setName("street").setValue(address.getStreet()))
      .addFields(Field.newBuilder().setName("city").setValue(address.getCity()))
      .build();
  // 提交DLP脱敏任务
  DlpJob job = dlpClient.createDlpJob(DlpJob.newBuilder()
      .setInspectJob(InspectJobConfig.newBuilder()
          .setContentItem(ContentItem.newBuilder().setStructured(structuredContent))
          .setInspectConfig(InspectConfig.newBuilder()
              .addInfoTypes(InfoType.newBuilder().setName("STREET_ADDRESS"))
              .addInfoTypes(InfoType.newBuilder().setName("LOCATION")))
          .setDeidentifyConfig(DeidentifyConfig.newBuilder()
              .setInfoTypeTransformations(InfoTypeTransformations.newBuilder()
                  .addTransformations(Transformation.newBuilder()
                      .setPrimitiveTransformation(PrimitiveTransformation.newBuilder()
                          .setReplaceConfig(ReplaceConfig.newBuilder().setReplaceWith("***"))))))
      .build());
  // 根据返回的结构化结果重新组装Address对象
  

3. 临时修复格式（应急用） #

如果暂时没法改提交方式，也可以在DLP返回结果后做简单的格式修正：

• 检查返回的JSON有没有引号被误删、逗号错位这类问题，用正则表达式批量修复，比如确保所有属性键和字符串值都被双引号正确包裹。不过这个方法治标不治本，只能临时救急，不推荐长期用。

内容的提问来源于stack exchange，提问作者Marian Toma