替换数据集中的证件号码，同时不丢失文件之间的关联
上传一个或多个 Excel 或 CSV 文件，逐列查看 HILO 的建议。决定由你做。
找出含有个人数据的列
证件号码、员工号或学号，以及任何能识别一个人的代码，还有姓名、电子邮箱、电话、地址和出生日期。HILO 依据列名识别它们，列名可以是中文、西班牙语、葡萄牙语、英语、德语、法语或意大利语（例如“姓名”“身份证号”“手机号”“出生日期”）。中文列名要和常用写法完全一致：“姓名”可以识别，“学生的姓名”或“姓名（必填）”则不能。按内容识别的有电子邮箱、电话、IBAN，中国居民身份证号（会核对校验码和出生日期），以及阿根廷、巴西、法国和意大利的证件号码。不带空格或连字符的中国手机号（如 13812345678）只按列名识别。出生日期只按列名识别：列名不明确的日期列会被当作普通日期，保持不变。同样，列名无法识别的列会保持不变，直到你在表格中选择用代码替换或删除它。
同一个值在每个文件中得到同一个代码
每个值都会得到一个随机代码。如果你同时上传注册表和成绩表，同一个人在两个文件中的代码相同，即使证件号码在一个文件中带点、在另一个文件中不带点。
对有意义的内容进行泛化
出生日期可以变成年龄段，电子邮箱可以变成“个人”或“机构”。只有当数据集中还没有这项数据时才会派生，而且应用之前你总能先看到结果。
遮盖备注字段中写下的内容
在文本列中查找电子邮箱和数据集本身的人名（如果数据集有一列已识别的姓名），也查找证件号码和电话号码，但后两者是按阿根廷和巴西的格式设计的：其他格式可能找不到。用汉字书写的姓名（如“张伟”）即使在姓名列中，写在自由文本里也目前无法找到；写在自由文本中的中国居民身份证号和中国手机号也目前无法找到；像“010-12345678”这样的固定电话，可能只有一部分被当作证件号码遮盖。它们会被替换为 [ID]、[EMAIL] 或 [NAME]。它会显示修改前后的示例，供你检查。
数据匿名化与去标识化：这个工具做的是什么
用代码替换标识符，称为去标识化（假名化）。这正是 HILO 做的事，也是人们通常所说的“对数据集做匿名化”。
完全的匿名化是指任何人都无法重新识别任何人，即使借助外部信息也不行。没有哪个工具能单独做到这一点。HILO 会显示还剩下什么，帮助你做决定。
少见的组合：分享前的快速检查
HILO 统计有多少人在剩余各列上的组合是独一无二的。如果数据集将要公开或分享给团队以外的人，这一点尤其重要。
HILO 会建议泛化或删除哪一列，如果有帮助，一键即可应用。例如，在一个包含 400 条注册记录的虚构数据集中，有 110 人的年龄、性别、城镇和专业组合是独一无二的；删除城镇一列后，降到了 19 人。
它不做什么
最好事先了解。
它不处理文本文档
它处理的是电子表格：Excel 和 CSV。对于 Word 或 PDF 格式的访谈或报告，可以使用 HILO 的文本工具。
手工输入的内容无法全部找到
数据集中没有的人名、用汉字书写的姓名（即使在数据集中）、绰号或能暴露身份的细节，可能会留在备注字段中。如果要分享这些文本，请先读一遍。
所有内容都不离开你的浏览器
数据集在你的电脑上读取和处理。它不会上传到 HILO，也不会发送给 AI，不消耗 Hilo，也不需要账号。代码在标签页打开期间保存在其中：如需保留，请下载对照表。
这是去标识化：标识符被替换为代码或被删除。人们常把它叫作“对数据集做匿名化”，但其他列仍可能让某个人被单独识别出来。HILO 会显示还剩多少少见的组合，以及怎样减少它们。
把能识别一个人的数据（证件号码、员工号或学号、姓名或任何能识别此人的代码）替换为代码，使得只有借助单独保存的信息（例如对照表）才能重新识别此人。
有帮助，但不能代替逐案评估。GDPR 第 4 条第 5 款定义了假名化，并将假名化数据视为个人数据。法律对你的数据集有什么要求，取决于你为什么分享以及与谁分享。HILO 不提供法律建议。
只有在你下载了对照表（原始值 → 代码）的情况下才可以，而这项功能默认是关闭的。没有对照表，连 HILO 也无法还原这些代码：它们只在标签页打开期间保存在你的浏览器中。
能。如果你同时上传多个文件，同一个证件号码在所有文件中都会得到同一个代码，即使写法不同。对于第二轮调查或下一年的数据，上传之前的对照表，代码就会保持不变。
免费，而且无需账号。它不使用 AI，也不消耗 Hilo。
Excel（.xlsx 和 .xls）和 CSV。文件以相同格式输出，其他列保持不变。输出的 Excel 文件很干净：只有一个工作表，没有格式，也没有文件属性。
分享数据集之前去除标识符
上传你的 Excel 或 CSV 文件，几分钟内就能得到去除标识符的数据集、一份处理记录，以及（如果你需要的话）对照表。