下载

Skill UI

浏览并发现 11148+ 精选技能

全部编程开发人工智能设计创意产品商业数据科学市场营销职场通用效率工具硬件工程语言学习

搜索 PII检测，共找到 26 条记录

默认排序最新上传最多下载

Azure AI文本分析Python客户端

azure-ai-textanalytics-py

sickn33/antigravity-awesome-skills

这是一个用于访问Azure AI语言服务能力的Python SDK。它提供了全面的自然语言处理（NLP）功能，包括情感分析、命名实体识别（NER）、关键短语提取、语言检测和个人身份信息（PII）检测等。适用于构建复杂的文本分析应用和数据处理流程。

Azure AI文本分析Python客户端

azure-ai-textanalytics-py

sickn33/antigravity-awesome-skills

这是一个用于访问Azure AI语言服务能力的Python SDK。它提供了全面的自然语言处理（NLP）功能，包括情感分析、命名实体识别（NER）、关键短语提取、语言检测和个人身份信息（PII）检测等。适用于构建复杂的文本分析应用和数据处理流程。

安全代码审查与数据合规

coderabbit-data-handling

jeremylongshore/claude-code-plugins-plus-skills

本指南详细介绍了如何在代码审查流程中实现强大的数据处理、密钥检测和合规性管理。它指导用户配置CodeRabbit，用于排除敏感文件（如.env或密钥），自动检测硬编码的秘密信息，并将审查范围限制在核心源代码，确保个人身份信息（PII）在整个CI/CD流程中得到妥善保护，满足GDPR和CCPA等隐私法规要求。

LLM可编程安全防护

nemo-guardrails

Orchestra-Research/AI-Research-SKILLs

NVIDIA 的 NeMo Guardrails 为 LLM 应用提供运行时安全机制，通过 Colang 2.0 可编程规则实现越狱检测、自查输入输出、事实核查、PII 屏蔽与毒性过滤，便于在 T4 生产环境中部署。

LLM数据隐私保护与合规

openrouter-data-privacy

jeremylongshore/claude-code-plugins-plus-skills

本技能用于在通过OpenRouter API调用大型语言模型时，实施全面的数据隐私控制。它能够自动检测和脱敏提示词中的个人身份信息（PII），包括邮箱、社保号、信用卡号和API密钥。这有助于确保数据符合GDPR、CCPA等隐私法规，安全处理敏感数据。

敏感数据零化安全审计

sickn33/antigravity-awesome-skills

该工具用于对C/C++/Rust等代码进行安全审计，专门检测敏感数据（如密钥、密码、PII）是否被正确“零化”（即清除）。它能够深入分析编译器优化（如DSE）可能移除或削弱的内存清理过程，确保代码在运行时不会泄露秘密信息，适用于安全关键代码库。

API过度数据暴露检测

exploiting-excessive-data-exposure-in-api

mukul975/Anthropic-Cybersecurity-Skills

本技能指导安全测试人员检测API（包括REST和GraphQL）中的过度数据暴露问题。通过拦截并分析API响应，找出前端界面未显示但后端仍传输的任何敏感信息，例如个人身份信息（PII）、内部标识符或商业机密数据。这有助于防止因数据获取过多而导致的泄密风险。

端点数据丢失防护部署

implementing-endpoint-dlp-controls

mukul975/Anthropic-Cybersecurity-Skills

本技能指导如何部署端点数据丢失防护（DLP）控制。它用于检测和阻止敏感数据（如PII、PHI、PCI）通过邮件、U盘、云存储和打印等常见途径外泄。适用于满足GDPR、HIPAA等合规要求，或防止内部数据泄露。

敏感数据泄露测试

testing-for-sensitive-data-exposure

mukul975/Anthropic-Cybersecurity-Skills

本指南提供了一个全面的安全评估工作流，用于检测各种形式的敏感数据泄露。覆盖了从客户端代码扫描API密钥、PII，到分析API响应过度暴露的数据，再到验证数据传输加密和浏览器存储安全等多个环节。

大语言模型安全防护护栏

implementing-llm-guardrails-for-security

mukul975/Anthropic-Cybersecurity-Skills

该工具为大型语言模型（LLM）应用提供全面的输入和输出安全防护层。它能实时拦截用户输入中的恶意攻击（如提示注入），检测并过滤敏感个人信息（PII）和有害内容。同时，它还能验证模型的输出是否准确、结构化，有效防止幻觉和数据泄露，确保AI应用的安全性与合规性。

敏感信息泄露检测

data-leakage-detection

Tencent/AI-Infra-Guard

这是一个用于安全审计的框架，旨在系统性地检测大型语言模型（LLM）是否存在敏感信息泄露。它通过分阶段、递进式的对话探针，测试和捕获包括系统提示词、API密钥、个人身份信息（PII）以及内部配置等多种敏感数据。适用于红队测试和模型安全评估。

大型语言模型安全防护层

anth-policy-guardrails

jeremylongshore/claude-code-plugins-plus-skills

该技能提供了一套完整的AI应用级安全防护机制。它用于增强与Claude等大型语言模型API的集成安全性，覆盖输入数据（如PII检测、长度）校验、系统提示词（Scope）限制、输出结果敏感信息过滤、成本预算控制以及模型访问权限管理，确保AI应用的可靠性和合规性。

语言