Data Maskit (数据面具)

专为大模型打造的本地隐私脱敏与还原网关 · 请求自动结构化打码 · 回复打字机无感还原 · 100% 本地运算零遥测

简体中文 | English

当你在使用 Cursor、Claude Code、Codex、Pi、OpenCode、ChatGPT 或任意 AI 编程助手 时，代码中的高危敏感信息往往在不知不觉中被发送到外部模型服务商：

• 🔑 凭据与密钥：sk-proj-...、ghp_...、云厂商 AccessKey、JWT Token、PEM 私钥证书；
• 🌐 内网资产拓扑：数据库连接串（mysql://root:Pass123@192.168.1.50:3306/db）、私有 IP 地址（10.x / 172.16.x / 192.168.x）；
• 👤 业务隐私（PII）：手机号、身份证、姓名、银行卡、企业内部代号与保密业务词；
• 📄 文档与业务附件：上传给 Web 端 AI 分析的 Word（.docx / .doc）、Excel（.xlsx / .xls）、PPT（.pptx）等文件中的内部数据。

Maskit 的使命：在你的开发终端与外部 AI 服务之间架设一道透明的“本地隐私防护网关”——请求出网前在本地自动打码成结构化占位符，模型回答时毫秒级流式无感还原成原文！

• 开箱即用规则库：内置 21 类扫描规则，开箱默认开启 7 类核心隐私与凭据（API Key、银行卡、数据库连接串、邮箱、身份证、座机、手机号）；其余 14 类（PEM 私钥、JWT、Token、Secret、云厂商 AccessKey、内网/公网 IP、IPv6、MAC、车牌、USCC 统一信用代码、港澳通行证、IBAN 等）默认关闭，可在设置中按需开启，避免冷门高误报规则干扰模型对代码与配置的正常推理；
• 自定义敏感词与正则：支持一键按分类管理内部人名、项目代号、敏感术语；支持整词匹配边界与自定义正则扩展，采用确定性常驻占位符防失效；
• 多轮会话滑动窗口复用：独创占位符复用机制。同一长对话中，“张三”在第 1 轮和第 10 轮始终映射为同一个占位符，大模型逻辑推理完全一致不串号。

• 非结构化自由文本识别：内置轻量级本地 ONNX 语义模型，自动识别正则难以覆盖的人名（NAME）、企业机构（ORG）、详细物理地址（ADDR）；
• 洁净原文抽取 + 单调 OffsetMap 坐标映射：在未被破坏的洁净原文上做语义抽取，再通过单调坐标映射将实体区间翻译回打码文本，彻底杜绝规则替换后上下文截断导致的明文残片泄漏；
• 100% 离线推理：全部在本地进程内运行，无需任何外部网络调用；该功能默认关闭（正则规则已覆盖主要场景），需要时可在设置页一键开启。

• 无缝接入 Web 端大模型：Chrome/Edge MV3 扩展，ChatGPT / Claude / DeepSeek 三站已逐站实测并内置授权，装完无需手动添加站点（仍需在面板开启扩展链路并填入访问令牌）；另有 14 个常见 AI 站点（Kimi、通义千问、腾讯元宝、智谱清言、文心一言、Gemini、Grok、Perplexity、Copilot 等）可在设置中一键授权添加，未实测的站点会明确标注，也支持自定义站点；
• 全链路双通道拦截（Fetch + XHR 双引擎）：除常规 Fetch 外，深度拦截底层 XMLHttpRequest 的请求与流式响应（XHR 响应还原目前覆盖 DeepSeek 网页版），其余站点保持原生行为零干预；
• 文档与附件直传脱敏（ChatGPT / Claude 已适配）：Web 端上传 Word（.docx / .doc）、Excel（.xlsx / .xls）、PowerPoint（.pptx）等文件时在本地自动解析并打码出网；DeepSeek 等尚未适配的站点，上传文件本体不脱敏（原样透传），扩展会在弹窗中明确提示「附件内容不脱敏」——请勿把含敏感数据的文件传给这些站点；
• 本地拦截打码 + 网页打字机流式还原：页面发出的 Prompt 在本地引擎打码后出网，回复在网页界面流式还原，支持多轮会话一致性保持。

• 针对 OpenAI / Anthropic 的 text/event-stream 流式响应，逐事件增量还原下发；
• 智能处理跨 chunk 占位符切片与缓冲区拼接，完全保留官方原生丝滑打字机体验，不卡顿、不迟滞。
• 思考轨迹按协议保真（如实声明）：Anthropic 扩展思考（thinking）块带上游签名、改写正文会让签名校验失败并使该会话永久 400，因此网关只在正文/工具参数里还原，思考轨迹保留占位符形态，同时对带签名的思考块整块不做脱敏（这类块的数量会在事件详情里如实上报，不静默）。其它无签名约束的推理通道照常还原。

• 多端口反代模式：为不同模型/渠道分配独立本地端口（如 18701 对应 OpenAI、18703 对应 Anthropic），只需在工具中将 base_url 改为本地端口，无需向操作系统安装自签名 CA 根证书；
• Fallback Passthrough 兜底保障：哪怕你关闭了脱敏代理或退出软件，本地端口依然由轻量底层维持监听并透明直连转发明文，你的 AI 工具绝不会意外断网或报网络错误！

• 先试一下（本地试验台，不出网）：不用配置任何 API Key，也不向外部发请求；在客户端管理页就地粘入文本，毫秒级查看脱敏结果、往返还原对比与实体明细表格，直观理解“唯一实体数 vs 出现次数”的区别；
• 编程助手 Skill（占位符契约）：网关随包内置行为契约（maskit-placeholders），支持在控制台一键下载与复制命令，支持 Agent Skills 宿主、AGENTS.md / rules 及剪贴板精简提示；引导 Claude Code / Cursor / Codex 等助手在看到占位符时逐字使用，不编造、不拆分、不替换模拟数据、不无谓拒答。

• 全链路日志明细：查看每一笔请求的出网打码、上游响应、耗时分布，并提供一键高亮原文对照；
• 日志写入粒度可调（最小记录 / 本地详细 / 限时排障）：最小记录在写入侧就不保存对话正文与原文（数据库、引擎日志、诊断包与导出同一口径），词榜只留类别分布；需要长期还原老对话时保留「本地详细」；排障时可开 15 分钟限时窗口（到点与重启都自动关闭，且仍不保存原文）。日志页还可往回翻历史并随时回到实时。
• 被动安全审计与防注入检测：实时监控模型回复是否存在错误泄露、命令执行等风险，新增提示词注入检测（Prompt Injection Detection），捕捉伪造系统轮次、凭据嗅探与外发指令；
• 危险命令拦截（可开关，默认只记录）：扫出模型下发的 rm -rf /、mkfs、DROP DATABASE、fork 炸弹等命令，落库到「高风险操作时间线」；默认不改写、不阻断（响应字节零变化），需要时可切到「改写为无害占位说明」或「阻断」，并可自定义规则与白名单。仅覆盖明文形态（写成 a=rm; $a 或放进脚本再执行会漏）——这是安全网，不是保险柜。
• 命令拦截的生效边界（如实声明）：判据只看工具参数通道——Write/Edit 的参数（即将要写进文件的内容）也在该通道内，所以「往 .sql 迁移文件里写 DROP TABLE users」同样会命中；浏览器扩展链路（ChatGPT / Claude 网页版）不经过命令拦截；切到「阻断」时只停止下发已勾选通道的后续内容，未勾选的通道照常下发，非流式响应整包换成 503。
• Token 用量与费用估算：支持主流大模型价格智能匹配，直观统计每日调用量与费用支出。

控制台概览 (Dashboard)	客户端多端口管理 (Clients)
实时拦截日志 (Logs)	敏感词库与正则 (Words)
数据统计与成本看板 (Stats)	安全审计中心 (Audit)

接入极简：在你的任意工具中，只需把 API Base URL 改为 Maskit 对应的本地端口即可！

默认端口映射：OpenAI 协议 http://127.0.0.1:18701/v1 ｜ DeepSeek 协议 http://127.0.0.1:18702/v1 ｜ Anthropic 协议 http://127.0.0.1:18703（可自由添加修改）

打开 Cursor → Settings → Models：

• OpenAI Base URL：http://127.0.0.1:18701/v1
• 填入你的真实 API Key（Maskit 在本地收到后安全转发给上游）。

• 在 cc-switch 中，将正在使用的 Claude 渠道 Base URL 修改为： http://127.0.0.1:18703
• 或通过终端环境变量启动：

  export ANTHROPIC_BASE_URL="http://127.0.0.1:18703"
  claude

通过环境变量指定本地代理端口即可无感打码：

# Linux / macOS
export OPENAI_BASE_URL="http://127.0.0.1:18701/v1"
export OPENAI_API_KEY="your-api-key"

# Windows PowerShell
$env:OPENAI_BASE_URL = "http://127.0.0.1:18701/v1"
$env:OPENAI_API_KEY = "your-api-key"

from openai import OpenAI

client = OpenAI(
    base_url="http://127.0.0.1:18701/v1",
    api_key="your-api-key"
)

# 正常调用，全链路自动本地打码与流式还原
response = client.chat.completions.create(
    model="gpt-4o",
    messages=[{"role": "user", "content": "排查数据库连接：mysql://root:Pass123@192.168.1.100:3306"}]
)
print(response.choices[0].message.content)

1. 在「客户端管理」点击「添加客户端」；
2. 目标网关：填入中转商地址（如 https://api.your-relay.com）；
3. 本地端口：填一个未被占用的端口（如 18709）；
4. 脱敏路径：默认已预置主流路径（如 /v1/chat/completions 等），直接按需勾选即可；
5. 保存后，外部工具的 Base URL 填 http://127.0.0.1:18709/v1 即可正常使用！

网页版 AI 无法配置 API Base URL，可通过 Maskit 专属浏览器扩展实现全自动打码与还原：

1. 安装扩展：从 Releases 下载 Maskit_<版本>_extension.zip 并解压，在 Chrome/Edge 打开 chrome://extensions → 开启「开发者模式」→ 点击「加载已解压的扩展程序」选择解压目录（源码用户可直接加载 extension/ 目录）；
2. 连接面板：在 Maskit 桌面面板「设置 → 浏览器扩展」开启扩展链路并复制访问令牌，填入扩展的设置弹窗中；
3. 启用站点：chatgpt.com、claude.ai、deepseek.com 三站已内置授权、无需手动添加；其余 14 个预设站点在扩展设置中一键授权添加（未实测的会标注），也支持自定义站点。

💡 状态与排查要点：

• 文件与附件脱敏：ChatGPT / Claude 站点的网页端附件直传与 Office 文档脱敏（.docx / .xlsx / .pptx 及转码 .doc / .xls）已适配，无需人工预先编辑；DeepSeek 等未适配站点上传的文件本体不脱敏，扩展会弹窗提示；
• 扩展图标弹窗清晰显示当前状态：绿色（正常脱敏）、黄色（引擎未启动，明文直通＝不脱敏但不断网）、红色（令牌无效或开关关闭，同样直通不脱敏）；
• 引擎不可用或令牌失效时扩展默认明文直通（这是「绝不断网」的设计取舍）；若要求「宁可请求失败也不放行明文」，可在设置中开启「引擎不可用时阻断」；
• 扩展流量事件在控制台「事件日志」中同步记录，可按入口维度（代理链路 / 浏览器扩展）一键筛选。

前往 GitHub Releases 发布页面 下载对应平台的最新安装包：

• Windows 用户：下载 Maskit_<版本>_x64-setup.exe，双击安装运行，系统托盘右键即可启停，支持全自动数字签名（Minisign）无缝在线更新；
• macOS 用户（Apple Silicon M系列）：下载 Maskit_<版本>_aarch64.dmg，双击打开后将 Maskit.app 拖入“应用程序（Applications）”文件夹。

  💡 macOS 首次打开提示：若打开时提示“无法打开，因为 Apple 无法检查其是否包含恶意软件”，只需在访达中右键点击 Maskit 选择「打开」，或在终端执行命令移除隔离属性即可正常运行：

  xattr -cr /Applications/Maskit.app

无需下载源码，直接拉取 GitHub 官方预构建的多架构镜像（原生支持 linux/amd64 与 linux/arm64），内嵌完整 Web 控制台：

docker run -d \
  --name maskit \
  --restart unless-stopped \
  -p 127.0.0.1:5801:5801 \
  -p 127.0.0.1:18701:18701 \
  -v maskit_data:/data \
  -e MASKIT_PANEL_TOKEN="YourSecretToken123456" \
  ghcr.io/xiayutian11/maskit:latest

💡 端口映射与网络访问说明：

• 5801：Web 控制台端口（必开），用于查看仪表盘、管理规则与客户端配置；
• 18701 起：大模型反代端口（按需开启）。例如默认 18701 对应 OpenAI、18702 对应 DeepSeek。用几个客户端就开几个端口（如仅用一个就只映射 18701，用三个就 -p 127.0.0.1:18701-18703:18701-18703），不要盲目映射一大排无用端口；
• 访问地址绑定：若服务器前置有 Nginx 或仅供本机访问，推荐绑定 -p 127.0.0.1:5801:5801；若内网/局域网直接通过 IP 访问容器，去掉 127.0.0.1: 前缀改为 -p 5801:5801 -p 18701:18701；
• 控制台令牌（密码）：-e MASKIT_PANEL_TOKEN="YourSecretToken123456" 必须为 ≥16 位纯 ASCII 字符（请勿包含中文字符，否则引擎将安全回退为启动日志随机 token）。

浏览器打开 http://<服务器IP>:5801 即可直接访问，并在弹出的登录窗口中输入你设置的密码即可管理（亦可使用 http://<服务器IP>:5801/#token=<你的密码> 快捷免密进入，fragment 不随请求发送、不会进代理访问日志，进入后 Token 会自动从地址栏抹除）。

安全建议与反向代理（Nginx 配置参考）： 默认绑定 127.0.0.1 本机回环，保护代理端口不直接暴露到公网。若在外部通过 Nginx 挂域名并配置 TLS 反代，Docker 启动时请务必添加环境变量 -e MASKIT_TRUST_PROXY=1（使面板信任前置 Nginx 传递的 X-Forwarded-Proto: https 头部，防止 API 请求被 Origin 校验拦截），参考配置如下：

server {
    listen 443 ssl;
    server_name maskit.example.com;
    # ssl 证书配置省略...

    # 1. 控制面板（直接访问域名，在弹出的窗口输入 Token 登录）
    location / {
        proxy_pass http://127.0.0.1:5801;
        proxy_set_header Host $host;
        proxy_set_header X-Real-IP $remote_addr;
        proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for;
        proxy_set_header X-Forwarded-Proto $scheme;  # 关键：告知后端外部协议为 https
        proxy_set_header X-Forwarded-Host $host;
    }

    # 2. 模型反代端口（如 OpenAI，关闭缓存保证打字机流式顺畅；建议配合内网白名单）
    location /openai/ {
        proxy_pass http://127.0.0.1:18701/;
        proxy_set_header Host $host;
        proxy_buffering off;
        proxy_read_timeout 600s;
    }
}

如果不想为每个客户端映射一个端口，可以用单端口前缀模式：所有客户端共用 5802 反代端口，靠路径前缀区分。在控制台「客户端管理」中，每个客户端的 路径前缀（base_path） 就是客户端 base_url 的路径部分：

docker run -d \
  --name maskit \
  --restart unless-stopped \
  -p 127.0.0.1:5801:5801 \
  -p 127.0.0.1:5802:5802 \
  -v maskit_data:/data \
  -e MASKIT_PANEL_TOKEN="YourSecretToken123456" \
  ghcr.io/xiayutian11/maskit:latest

假设你配置了两个客户端（路径前缀分别为 /openai 与 /anthropic），外部工具的 Base URL 填：

💡 多端口 vs 单端口怎么选：多端口（18701 起）每个客户端独立端口、base_url 最短，适合个人本机使用；单端口只映射一个 5802，适合容器端口受限或统一走 Nginx 前缀转发的场景。两种模式可以并存——5802 上的前缀路由与各客户端独立端口同时生效。

Maskit 的脱敏只在你本机算——每个请求都要花本地 CPU。多个智能体 （Cursor + Claude Code + Codex + 某个脚本）共用一个网关时，瓶颈是本机 CPU，不是上游。

脱敏线程池宽度按实际可用核数自适应（1~4，≤2 核恒为 1），可用 MASKIT_MASK_WORKERS 覆盖。注意纯 Python 规则扫描受 GIL 约束： 加宽 worker 主要受益于 NER（ONNX 会释放 GIL）与避免队头阻塞，而不是让正则扫描变快。

语义识别的全局 CPU 预算默认是「NER 线程池能吃满的 CPU 的 75%」（并发 × ONNX 线程数 × 750，单位是 CPU 毫秒/秒，不是墙钟），可用 MASKIT_NER_BUDGET 覆盖；用尽的处理与下面单请求预算一样。

语义识别（NER）的单请求预算默认 10 秒（设置页 → 代理行为 → 单请求识别预算， 或环境变量 MASKIT_NER_REQ_BUDGET_S；环境变量存在时设置页改不动）。它是「脱敏能有多慢」 的上限：客户端解包超时通常 180 秒，而上游首包实测可达 100 秒 —— 预算是留给上游的空间。 预算用尽时语义识别降级、正则规则照常，事件详情里会标出 budget_exhausted； 调大能让大 body 更完整，但失败形态是客户端 connection closed（不是 Maskit 的 503）。

0.6.0 起每次 503 都有归因。打开事件详情，或跑一次设置 → 一键自检：

一键自检（设置 → 健康检查与恢复）会把同样的信号翻译成「问题 + 证据 + 建议动作」， 包括裸机/容器 CPU 限流（nr_throttled）、语义识别降级原因、队列积压与事件库写入丢失。 它只读本机数据，不联网、不上传。

📦 语义识别（NER）模型不随源码仓库分发：engine/models/ner_mini_zh/（约 100MB 的量化 ONNX） 已被 .gitignore 排除，只随桌面安装包与官方 Docker 镜像提供。 从源码运行或自建镜像时，请把这三个文件放进 engine/models/ner_mini_zh/： config.json、tokenizer.json、model_quantized.onnx；否则「语义识别」开关虽然能打开但不会生效 （引擎启动日志会告警，设置页的一键自检也会直接指出"模型不可用"）。

git clone https://github.com/xiaYuTian11/maskit.git
cd maskit

# 1. 安装核心依赖
pip install -r requirements.txt

# 2. 构建前端并启动引擎（若仅需控制台 API，可跳过前端构建）
cd frontend && npm install && npm run build && cd ..
python engine/panel.py

# 3. 前端界面二次开发（Vite 热重载，推荐）
cd frontend && npm run dev

💡 测试提示：日常修改可运行 python scripts/verify-all.py 执行本地全量门禁（含单测、构建、Lint、版本一致性等 15 项检查）。若修改了扩展核心代码，可运行 python tests/e2e_ext_bridge.py 执行真实浏览器端到端冒烟测试。

• 官方 QQ 交流群：489926214（欢迎加入交流讨论，获取最新规则与版本动态）；
• 论坛交流：LINUX DO 社区讨论专区；
• 建议反馈：GitHub Issues 与 GitHub Discussions；
• 安全漏洞：私密反馈渠道见 SECURITY.md。

Data Maskit 基于 GNU AGPL-3.0 许可证发布。个人开发者、研究人员及开源项目均可完全免费使用。如需在闭源商业产品中分发或集成，请遵循 AGPL-3.0 相关条款。

Made with ❤️ by TMW & Contributors.