作者：孫玉梅

注：本文數據都為模擬生成。

引言

過去兩年，電商客服、工單、物流等環節的自動化正急速推進。一個智能助手可以同時處理上百條退款請求、物流查詢、賬單追蹤；它不知疲倦地與用户對話，也在後台不停調用接口、記錄日誌、彙總報表。在這些自動化交互中，隱藏着大量敏感數據：

• 用户諮詢裏可能出現手機號、訂單號、收貨地址；
• 後端業務日誌中常常包含銀行卡號、接口 IP、賬户 ID；
• 工單流轉過程中甚至會附帶內部 Token、用户名。

這些信息若在系統內未經處理地流轉、存儲或導出，不僅違反數據最小化原則，更可能在調試、共享或導出日誌時意外泄露。然而，現實場景中我們又無法簡單地“少打日誌”或“去掉字段”。日誌是運維排障的工具，是運營分析的基礎，也是安全審計的依據。

本文將以一個電商 Copilot Demo 為例，展示如何藉助阿里雲日誌服務（SLS）的脱敏函數，在不改變業務邏輯的前提下，確保系統中的敏感數據隱私安全。

方案全景：智能化與數據安全的融合

整體設計

系統的上層編排由 Dify 平台完成，Dify 負責協調用户輸入、意圖識別、調用後端服務以及生成回覆，是整個 Copilot 系統的中樞。

但在實踐中發現一個關鍵問題，Dify 自身的數據鏈路觀測並不細粒度，主要體現在：

• 平台主要提供節點級執行日誌；
• 但對下游 API 調用、異常堆棧、耗時分佈的觀測有限；
• 出現故障時，Dify 內置日誌往往不足以支撐排障與審計。

因此，選擇在 Dify 服務部署側通過 LoongCollector 採集服務日誌，通過 LoongCollector 將日誌統一推送到 SLS LogStore。

• 數據流： 採集來源統一，同時採集 Dify 編排日誌、後端服務日誌、系統標準輸出，並以固定的日誌格式輸出，完整的數據流轉時序圖如下：

• 寫入脱敏： 通過寫入處理器配置 SPL 脱敏（mask）函數，確保敏感字段在入庫時已被打碼。
• 使用層： 不管是運維、運營或者安全同學，都可以基於脱敏的 Logstore 數據做可以做相關業務分析。

日誌鏈路

數據採集

LoongCollector [ 1] 作為一款輕量級日誌採集工具，支持採集主機文本日誌、Kubernetes 集羣容器日誌、HTTP 數據等不同的數據源，當前 Copilot Demo 日誌以 JSON 格式打印在主機日誌目錄中，此處接入單行文本日誌即可：

配置日誌所在的文件路徑：

寫入脱敏

SLS 提供的 mask（脱敏）函數，支持內置和關鍵字匹配兩種模式，能高效、精準地識別並脱敏日誌中的敏感信息：

• 內置匹配（buildin）： mask 函數開箱即用，內置了對常見 6 種敏感信息（如手機號、身份證、郵箱、IP 地址、座機電話、銀行卡號）的識別能力。
• 關鍵字匹配（keyword）： 智能識別任意文本中符合 "key":"value"、'key':'value' 或 key=value 等常見 KV 對格式的敏感信息。

針對文中電商 copilot 日誌，在對應的 project 中新建數據處理器（配置下圖 SPL 配置），即可智能識別並對 IP 地址、郵箱等敏感內容進行脱敏。其中手機號、身份證號、信用卡號、姓名以及地址信息，定製化地保留前後綴。詳細配置介紹可參見《無需複雜正則：SLS 新脱敏函數讓隱私保護更簡單高效》。

• 配置寫入處理器使任務生效：選擇待應用的 logstore，在寫入處理器 tab 中應用上面新建的處理任務。

脱敏前後日誌對比

對比脱敏前的數據可以看到：

• 按需保留，安全與可用性兼顧： 針對不同敏感字段，可定製化保留前後綴字符。手機號保留前三後四位，既保護了用户隱私，又方便運維人員進行問題排查和用户身份核驗，在保障安全的同時兼顧了數據可用性。
• 配置極簡，無需正則： 關鍵字匹配模式下，即使數據嵌套多層 JSON 結構，也只需配置最內層的 Key 即可精準匹配 Value 進行脱敏，同時無需編寫複雜的正則表達式來兼容各種 key:value 對格式，大大降低了配置難度。
• 中文精準脱敏： 姓名與地址精確按照配置的規則進行打碼，避免因編碼問題導致脱敏失效。

此外，mask 函數相較於使用正則表達式進行脱敏，在性能上具有顯著優勢，可有效降低日誌處理延遲，提升整體性能。尤其是在複雜或者數據量巨大的場景下，性能優勢更為明顯。

使用層日誌分析

數據脱敏讓同一份日誌呈現出三種“視角”：

• 運維看到調用鏈與性能瓶頸，卻看不到隱私；
• 運營看到趨勢、效率與體驗，卻看不到個體；
• 安全看到策略執行與留痕證據，卻無需擔心遺漏。

在這套體系中，數據不再是一座孤島，而是一套有邊界的智能資產，數據合規、分析、排障三者可以並行。

運維工程師：定位

對於運維團隊來説，以往排障往往依賴包含用户手機號、地址、賬户號的明文日誌，這在合規上存在高風險。現在，脱敏後的日誌讓這一過程從源頭安全化，在問題定位場景中通過 trace_id 檢索即可復原整個調用鏈：

• 從 Copilot 的意圖識別開始；
• 到訂單服務 → 退款服務 → 第三方支付網關；
• 再到返回結果與耗時。

需要核對用户身份時，日誌裏只保留了脱敏後的銀行卡號、手機號等信息，足以和業務側“同一用户”比對，而不會暴露原值。即便是跨團隊協查，也能直接在脱敏日誌上定位問題，避免泄露風險。

運營團隊：分析

報表的價值在於發現整體趨勢，而非窺探個人信息。在脱敏運營報表中，用户信息已匿名化處理，僅保留關鍵業務指標，助力團隊從數據中挖掘洞察。

從這份報表中，運營團隊可以快速瞭解：

• 整體概況：UV、PV 等關鍵指標，Copilot 交互次數，以及諮詢總量，快速掌握運營概況。
• 諮詢分類：退款、商品、物流諮詢佔比，清晰瞭解用户關注點。
• 問題分類：掌握用户提問的側重點，如功能、價格、規格等。
• 重複諮詢率：衡量服務質量，快速定位需要優化的環節。
• 用户行為：諮詢後購買轉化漏斗，以及熱門諮詢關鍵詞，助力優化產品和營銷策略。
• 重點用户：Top 10 諮詢用户，雖然用户信息脱敏，但可通過 VIP 等級和諮詢次數，制定差異化服務策略。

此外，報表中所有用户信息都經過脱敏處理，電話號碼、姓名等個人信息均被掩碼，確保無法反推到具體用户，充分保障用户隱私。

安全與合規團隊：審計

對安全與合規團隊而言，日誌的最大風險在於“存量明文”。本文中的脱敏方案將脱敏前置：數據在寫入前已被處理，這從根本上消除了敏感數據脱敏覆蓋不全與導出明文數據的可能。此外，SLS 還提供完善的合規支撐能力：

• 數據存儲：支持自定義日誌存儲時間，對網絡審計相關日誌設置>180 天的存儲天數，滿足安全審計要求。

• 數據操作審計：日誌使用過程中會存在用户級操作行為，這些不管是管控層面的控制枱操作、OpenAPI 調用，或者數據面的業務日誌使用，任何人查看、分析、導出日誌，都只在授權範圍內看到應當看到的內容。同時 CloudLens for SLS [ 2] 還提供 Project、Logstore 的資產使用監控。

小結

當 LoongCollector 的日誌採集與 LogStore 的數據脱敏連成閉環，日誌在落庫同時完成安全轉化。運維能定位，運營能分析，安全能審計。這不是一次性的加固，而是一條可複用的路徑：寫入側脱敏 + 默認脱敏落庫 + 角色化訪問。以此為基線，企業能放心擴展 Copilot 的業務覆蓋，讓“效率紅利”與“合規確定性”並行存在。

相關鏈接：

[1] LoongCollector

https://help.aliyun.com/zh/sls/what-is-sls-loongcollector

[2] CloudLens for SLS

https://help.aliyun.com/zh/sls/cloudlens-for-sls/