SLS 脱敏函数实践：构建 LLM 应用数据输出的安全防线
作者：孙玉梅 注：本文数据都为模拟生成。 引言 过去两年，电商客服、工单、物流等环节的自动化正急速推进。一个智能助手可以同时处理上百条退款请求、物流查询、账单追踪；它不知疲倦地与用户对话，也在后台不停调用接口、记录日志、汇总报表。在这些自动化交互中，隐藏着大量敏感数据： 用户咨询里可能出现手机号、订单号、收货地址； 后端业务日志中常常包含银行卡号、接口 IP、账户 ID； 工单流转过程中甚至会附带内部 Token、用户名。 这些信息若在系统内未经处理地流转、存储或导出，不仅违反数据最小化原则，更可能在调试、共享或导出日志时意外泄露。然而，现实场景中我们又无法简单地"少打日志"或"去掉字段"。日志是运维排障的工具，是运营分析的基础，也是安全审计的依据。 本文将以一个电商 Copilot Demo 为例，展示如何借助阿里云日志服务（SLS）的脱敏函数，在不改变业务逻辑的前提下，确保系统中的敏感数据隐私安全。 方案全景：智能化与数据安全的融合 整体设计 系统的上层编排由 Dify 平台完成，Dify 负责协调用户输入、意图识别、调用后端服务以及生成回复，是整个 Copilot 系统的中枢。 ...
