Кальтер / Блог

Как проверить очищенный Excel-файл перед передачей в ИИ: остаточные данные и скрытые листы

Как проверить Excel после очистки для ИИ-анализа: найти контактные данные в комментариях, скрытые листы, формулы и внешние ссылки. Учебный протокол проверки.

Материал подготовлен с помощью ИИ; первичные источники и примеры проверены редакцией ZASLON 14 ноября 2026 года. Учебные данные и результаты сторонних компаний обозначены в тексте.

Редакционная схема: Данные перед ИИ. Условные обозначения, не скриншот сервиса или реальной операции.
Редакционная схема: Данные перед ИИ. Условные обозначения, не скриншот сервиса или реальной операции.

Перед передачей таблицы в разрешённый ИИ-контур создай минимизированную рабочую копию: убери прямые идентификаторы, обобщи редкие сочетания признаков, проверь свободный текст и вручную осмотри выходной файл. Простое удаление имени не делает набор анонимным: человека могут выдать уникальная должность, маленький населённый пункт, редкая дата и связанная с ними история.

NIST рассматривает деидентификацию как процесс управления риском повторной идентификации, включая преобразование косвенных признаков и проверку результата, а не как замену имени на случайный код. Руководство подготовлено для государственных наборов данных США и не является юридическим тестом для любой частной организации. Настройки данных также зависят от конкретного продукта: ChatGPT и API имеют разные контуры, правила и параметры хранения. Проверка настроек не разрешает загружать запрещённые данные и не заменяет внутреннюю политику или правовое основание. NIST SP 800-188, настройки данных ChatGPT, управление данными в API.

Сначала определи, что требуется для задачи

Опиши вопрос, на который модель должна ответить, и оставь только признаки, необходимые для ответа. Например, если нужно сгруппировать причины обращений, может быть достаточно категории продукта, месяца и краткого обезличенного описания; полный email, номер договора, токен доступа и имя менеджера не помогают такой классификации.

Тип поля Пример Действие перед загрузкой
Прямой идентификатор имя, email, телефон, номер клиента Удалить или заменить устойчивым случайным кодом, если связь нужна внутри процесса
Косвенный идентификатор редкий город, уникальная должность, точная дата события Укрупнить диапазон, объединить категории или убрать, если для анализа не нужен
Секрет или credential пароль, API-ключ, токен, приватный URL Удалить полностью; не маскировать частично и не загружать
Полезный признак категория обращения, укрупнённый месяц, тип продукта Оставить только если он нужен, разрешён и не создаёт чрезмерную редкость в сочетании
Свободный текст описание клиента с именем или номером Проверить поиском и прочитать выборку; очистить повторно после преобразования

Псевдоним помогает заменить видимое имя, но если таблица содержит отдельную колонку соответствия «код → человек», набор остаётся связываемым. Храни таблицу соответствия отдельно, с отдельным доступом и только если она действительно необходима.

Синтетический пример перед обработкой

Вымышленный файл содержит заявки: C-17; Elena; [email protected]; Северск; единственный инженер по квантовым насосам; 2026-04-11; позвонить на [ТЕЛЕФОН-1] после инцидента.

Для анализа тем обращений можно сделать рабочую копию: case-001; email удалён; город → регион; должность → инженер; дата → апрель 2026; текст → запрос по категории оборудования; колонка телефона удалена. Но в первом варианте копии свободный комментарий остался без очистки: при проверке перед загрузкой там найден [ТЕЛЕФОН-1]. Значит, преобразование не завершено: удали его, выполни поиск повторно и осмотри несколько строк вокруг найденного совпадения. В этом примере комбинация редкого оборудования, региона и события тоже может выделять запись; проверь, можно ли обобщить её без потери смысла анализа.

Значения полностью синтетические. В реальных данных не сохраняй номер телефона в статье, отладочном выводе или отчёте по очистке.

Учебная проверка: три места, где остались данные

Допустим, рабочую копию подготовили для классификации причин обращений. Заранее составь контрольный список известных исходных значений в защищённой среде, не передавая этот список модели. В вымышленной книге он позволяет найти три независимых дефекта:

Где проверяем Что обнаружено Решение до загрузки Повторный контроль
Колонка комментариев [ТЕЛЕФОН-1], хотя отдельная колонка телефона удалена Заменить весь контактный фрагмент нейтральным описанием Искать маркер по всей рабочей книге, затем перечитать строку
Скрытый лист «Исходник» Старая таблица с именами Исключить лист из передаваемого файла Открыть именно итоговый файл и проверить список листов
Формула и ссылка на исходную книгу Отображается код, но формула содержит путь к клиентскому файлу В новой книге оставить только нужные проверенные значения Проверить строку формул и внешние ссылки в итоговой копии

Это синтетический набор дефектов, а не тест конкретного приложения. Практический приём — собрать новую пустую книгу только из разрешённых полей и проверенных значений, затем повторно осмотреть её. Не считай операцию «Сохранить как» самостоятельной очисткой. Если для задачи нужен плоский CSV, проверь его как текст: он всё ещё может содержать идентификаторы внутри ячеек.

Запиши результат в короткий журнал без самих персональных данных: «комментарии — исправлено; скрытые листы — проверено; формулы/ссылки — исключены; остаточный риск — оценен владельцем». Статус готовности выдаётся конкретному итоговому файлу; после любой правки проверка повторяется.

Контрольный проход по готовому файлу

  1. Сохрани исходник в утверждённом защищённом месте; создай отдельную копию для анализа.
  2. Удали прямые идентификаторы, секреты и ссылки на внутренние системы.
  3. Обобщи редкие значения и проверь комбинации колонок, которые вместе выделяют одного человека.
  4. Просканируй весь файл на email, телефон, адрес, номера договоров/карт и секреты; отдельно просмотри свободный текст и комментарии.
  5. Открой готовую копию как пользователь: проверь скрытые листы, фильтры, свойства, имена вкладок и формулы, которые могут показывать оригинальные значения.
  6. Проведи повторную выборочную ручную проверку; зафиксируй владельца решения и остаточную неопределённость.

Для использования ChatGPT проверь актуальные настройки своей учётной записи и рабочего пространства. Страница Data Controls объясняет настройку использования чатов для улучшения моделей; API data controls описывает отдельные endpoint и политики хранения, которые могут зависеть от конфигурации. Не своди их к общей фразе «данные не хранятся». Если цель — получить идеи из обращений, сначала агрегируй темы в разрешённой среде: смотри как превратить поддержку в контент-план без клиентских данных.

Удаление идентификаторов снижает некоторые риски, но не доказывает анонимность и не исключает повторное сопоставление с внешней информацией. При высоком риске останови загрузку и обратись к владельцу данных или специалисту по безопасности/приватности.