Go Toolstack

ตัวลบข้อมูลระบุตัวบุคคล

ตรวจจับและเซ็นเซอร์ข้อมูลส่วนบุคคล (ชื่อ, เบอร์โทร, อีเมล, เลขบัตรประชาชน, บัตรเครดิต) ออกจากข้อความ

ตัวลบข้อมูลระบุตัวบุคคล

ตรวจจับและเซ็นเซอร์ข้อมูลส่วนบุคคล (ชื่อ, เบอร์โทร, อีเมล, เลขบัตรประชาชน, บัตรเครดิต) ออกจากข้อความ

วิธีการทำงาน

1
Enter or Paste Text
Type or paste your text, code, or data directly into the input workspace.
2
Apply Transformation
Run the tool to convert, filter, format, or inspect your text content.
3
Copy Output
Copy the clean processed output to your clipboard with a single click.

Discover more client side utilities in this category

ศูนย์เครื่องมือนักพัฒนา • เวิร์กโฟลว์และคู่มือเปรียบเทียบ

สำรวจเครื่องมือเครื่องมือนักพัฒนาทั้งหมด ขีดจำกัดของเบราว์เซอร์ และคู่มือการเลือกเครื่องมือ

สำรวจศูนย์ →
จัดรูปแบบ ตรวจสอบ และทำความสะอาด JSON

จัดรูปแบบ บีบอัด และตรวจสอบข้อมูล JSON ด้วยความแม่นยำ 64-bit และกฎ JSON Schema (Draft-07 / 2020-12)
เข้ารหัสและถอดรหัส Base64

แปลงข้อความและข้อมูลระหว่างข้อความธรรมดากับ Base64 รองรับ UTF-8 ภาษาไทย และรูปแบบ URL-Safe
จัดรูปแบบ SQL

จัดรูปแบบแบบสอบถาม SQL ปรับเยื้องและจัดระเบียบคำสั่ง รองรับหลายไดอะเลกต์

คู่มือบล็อกที่เกี่ยวข้อง

คู่มือทางเทคนิค การแก้ไขปัญหา และขั้นตอนการปฏิบัติที่ดีที่สุด

เครื่องมือนักพัฒนา • ~4 นาทีในการอ่าน

ข้อผิดพลาดไวยากรณ์ JSON ที่พบบ่อย: การตรวจสอบโครงสร้าง คอมมาเกิน และตัวเลข 64-bit | GoToolstack

ทำความเข้าใจข้อผิดพลาดไวยากรณ์ JSON ตามมาตรฐาน RFC 8259 วิธีแก้ไขคอมมาตัวสุดท้าย (Trailing Comma) การใช้เครื่องหมายคำพูดเดี่ยว และการจัดการตัวเลขความแม่นยำสูง 64-bit BigInt

อ่านคู่มือ →
เครื่องมือนักพัฒนา • ~4 นาทีในการอ่าน

ทำไมไฟล์ CSV เปิดใน Excel แล้วสระภาษาไทยเพี้ยนและเลข 0 หาย? วิธีแก้ปัญหา BOM และตัวคั่น | GoToolstack

เจาะลึกสาเหตุที่ไฟล์ CSV แสดงภาษาไทยเพี้ยนใน Microsoft Excel ปัญหาการขาด UTF-8 BOM ตัวคั่นจุลภาคเทียบกับเซมิโคลอน และวิธีป้องกันไม่ให้เลข 0 นำหน้าในรหัสสินค้าหรือเบอร์โทรศัพท์สูญหาย

อ่านคู่มือ →
ศูนย์ความรู้และแนวคิด

เครื่องมือลบข้อมูลส่วนบุคคล (PII Sanitizer) ซ่อนข้อมูลลับและทำนิรนามก่อนส่งเข้าโมเดล AI

การส่งข้อมูลข้อความหรือประวัติการแชทเข้าไปยังโมเดลปัญญาประดิษฐ์ (LLM) หรือการส่งต่อข้อมูลให้ทีมทดสอบ อาจเสี่ยงต่อการละเมิดกฎหมายคุ้มครองข้อมูลส่วนบุคคล (PDPA/GDPR) หากมีข้อมูลระบุตัวตนบุคคล (PII) เช่น ชื่อ อีเมล เบอร์โทรศัพท์ เลขบัตรประชาชน หรือหมายเลขบัตรเครดิตแฝงอยู่

เครื่องมือนี้ช่วยตรวจจับและแทนที่ข้อมูลส่วนบุคคลเหล่านั้นด้วยโทเคนจำลอง (เช่น [EMAIL_1], [PHONE_1]) พร้อมระบบคำนวณตรวจสอบความถูกต้องของบัตรเครดิตด้วย Luhn Mod-10 Algorithm และสามารถแปลงข้อมูลจริงกลับคืนได้ (De-anonymize) หลังได้รับคำตอบจาก AI ประมวลผลในหน่วยความจำชั่วคราวของเบราว์เซอร์ 100%

สูตรและหลักการทางเทคนิค

การทำนิรนาม: ข้อความ ➔ สแกนรูปแบบ RegEx [Email, Phone, IP, บัตรประชาชน] ➔ ตรวจสอบผลรวม Luhn [บัตรเครดิต] ➔ แทนที่ด้วยโทเคน [TOKEN_N]

สแกนข้อความเพื่อหารูปแบบข้อมูล PII ตรวจสอบความถูกต้องของหมายเลขบัตรเครดิตด้วยขั้นตอนวิธี Luhn Mod-10 และสร้างแผนผังโทเคนทดแทนแบบสองทิศทางในหน่วยความจำชั่วคราว

ข้อแนะนำและวิธีปฏิบัติที่ถูกต้อง

  • ตัดข้อมูล PII ออกก่อนส่ง Prompt เข้าสู่โมเดล AI เชิงพาณิชย์เสมอ: เพื่อป้องกันไม่ให้ข้อมูลส่วนบุคคลของลูกค้าหรือพนักงานถูกนำไปใช้ฝึกฝนโมเดลของบุคคลที่สาม
  • ใช้ฟังก์ชัน De-anonymize เพื่อกู้คืนข้อมูลจริงเมื่อได้คำตอบแล้ว: จับคู่โทเคนจำลองกลับมาเป็นข้อมูลจริงบนเครื่องของคุณหลังจาก AI ประมวลผลเสร็จสิ้น
  • ตรวจสอบข้อมูลเฉพาะทางธุรกิจที่อาจไม่ได้อยู่ในรูปแบบมาตรฐาน: เช่น รหัสพนักงาน หรือรหัสลูกค้าเฉพาะขององค์กร และเพิ่มกฎการกรองเพิ่มเติมหากจำเป็น
  • อย่าเก็บบันทึกแผนผังโทเคนไว้ถาวร: แผนผังการจับคู่ข้อมูลจริงกับโทเคนควรถูกลบทันทีหลังใช้งานเสร็จสิ้นเพื่อสุขอนามัยที่ดีของข้อมูลความลับ

คำถามที่พบบ่อย (FAQ)

ข้อมูลประเภทใดบ้างที่จัดว่าเป็น PII และถูกตรวจจับในเครื่องมือนี้?
ได้แก่ ที่อยู่อีเมล, หมายเลขโทรศัพท์, หมายเลขบัตรประชาชน, หมายเลขบัตรเครดิต, ที่อยู่ IP Address, และชื่อ-นามสกุลในรูปแบบทั่วไป
Luhn Algorithm ช่วยตรวจสอบความถูกต้องของหมายเลขบัตรเครดิตอย่างไร?
Luhn Mod-10 เป็นอัลกอริทึมตรวจสอบผลรวมทางคณิตศาสตร์ที่ใช้ในบัตรเครดิตสากล (Visa, Mastercard, Amex) ช่วยให้ระบบแยกแยะหมายเลขบัตรเครดิตจริงออกจากตัวเลขสุ่มทั่วไปได้อย่างแม่นยำ
ข้อมูลจริงของฉันจะถูกส่งไปยังเซิร์ฟเวอร์ภายนอกเพื่อประมวลผลหรือไม่?
ไม่ถูกส่งเด็ดขาด กระบวนการค้นหาและแทนที่ข้อความทั้งหมดทำงานภายในหน่วยความจำชั่วคราวของเบราว์เซอร์ ไม่มีการส่งข้อมูลข้ามเครือข่าย
การทำนิรนามข้อมูล (Anonymization) ช่วยให้ปฏิบัติตามกฎหมาย PDPA ได้อย่างไร?
ช่วยลดความเสี่ยงจากการรั่วไหลของข้อมูลระบุตัวตน และช่วยให้องค์กรสามารถนำข้อมูลไปวิเคราะห์หรือทดสอบระบบได้โดยไม่ขัดต่อข้อกำหนดการประมวลผลข้อมูลส่วนบุคคล