個人情報マスキング

このツールは決まった形を手がかりに検出します。形が決まっていない情報は原理的に見つけられません。何が拾えて何が拾えないかを、あらかじめ把握したうえでお使いください。

検出できるもの

各項目には検出できる形と、その中でも拾えない書き方を併記しています。

• メールアドレス: @ を含む一般的な形式（例: taro@example.jp）
  拾えない書き方: 「taro(at)example.com」のように記号を置き換えた書き方は検出しません
• 電話番号: 0で始まる固定・携帯番号（ハイフンあり／なし）と +81 形式（例: 03-1234-5678）
  拾えない書き方: 内線番号だけの表記や、区切りが特殊な書き方は検出しません
• 郵便番号: 3桁-4桁の形式（〒の有無は問わない）（例: 〒100-0001）
  拾えない書き方: ハイフンの無い7桁だけの表記は、他の数字と区別できないため検出しません
• 住所: 都道府県名から始まり、市区町村・丁目番地まで続く部分（例: 東京都千代田区千代田1-1）
  拾えない書き方: 都道府県名を省いた住所（「千代田区…」から始まる書き方）や、建物名だけの記載は検出しません
• 氏名: 「様」「さん」「氏」「殿」などの敬称の直前にある語と、よくある姓の辞書に載っている語（例: 山田太郎様）
  拾えない書き方: 敬称が付かず辞書にも無い名前は検出できません。逆に人名と同じ字面の一般語（地名・社名など）を拾うことがあります
• 口座番号: 「口座番号」「普通」「当座」などの語に続く7〜8桁の数字（例: 普通 1234567）
  拾えない書き方: 手がかりになる語が無い7桁の数字は、伝票番号などと区別できないため検出しません
• 長い数字列: 12桁以上の連続した数字（マイナンバー・カード番号などの桁数）（例: 123456789012）
  拾えない書き方: 11桁以下の数字は、日付・金額・型番と区別できないため検出しません

検出できないもの

次のような情報は、決まった形が無いため自動では見つけられません。範囲を選んで手動で追加してください。

• 文脈に依存する人名。「青木様」は敬称で拾えますが、文中に単独で出てくる「青木」は拾えないことがあります。
• 社名・部署名・役職。「株式会社サンプル 営業部」は個人情報として扱っていませんが、他の情報と組み合わさると個人が特定されることがあります。
• 説明的な記述で個人が分かる箇所。「去年の4月に入った担当者」のような書き方には決まった形が無いため、規則では見つけられません。
• ハンドルネーム・アカウント名・社内ID。形が多様で、普通の語と区別できません。
• URLの中に含まれる個人情報。検出しようとすると通常のリンクまで拾ってしまうため、意図的に対象外にしています。
• 11桁以下の数字と、手がかりの語が無い7桁の数字。マスクすると日付・金額・型番まで塗り潰してしまうため、対象外にしています。

なぜこの作りにしているのかを説明します。

なぜサーバーに送らないのか

個人情報を伏せるためのツールが、その個人情報をどこかへ送っていては本末転倒だからです。このツールの処理はすべてブラウザ内のJavaScriptで完結しており、入力した文章がネットワークに出ることはありません。ページを開いたあとに通信を切っても動作します。

なぜ「完全な検出」と書かないのか

日本語の文章では、どこからどこまでが個人名なのかが文脈で決まります。「青木様」は敬称を手がかりに拾えますが、文中に単独で出てくる「青木」が人名か地名かは、規則では判断できません。できないことをできると書くと、利用者が目視確認をやめてしまい、かえって漏れやすくなります。

なぜ拾いすぎないようにしているのか

日付や金額、製品型番まで塗り潰すと、マスクした文章が読めなくなるうえ、検出結果そのものが信用されなくなります。信用されない一覧は流し読みされ、本当に隠すべき箇所を見落とす原因になります。そのため、手がかりが弱いものは意図的に対象外にしています。

AIによる自動判定を使わない理由

文脈を読む固有表現の抽出は、外部のAIサービスに文章を送る形になるのが一般的です。それでは「文章を外に出さずに個人情報を伏せる」という目的と矛盾するため、このツールでは採用していません。