一、案例定位

本案例處理生成式人工智慧（Generative Artificial Intelligence, GenAI）系統中的欄位分類、遮罩、去識別化與上下文最小化。

本案例依原書第 8 章的最佳實務、範例或情境重組，並非原書正式案例研究。

二、學習目標

• 辨識 PII、PCI、PHI 與機密商業資料。
• 理解只傳送情境所需資料的原則。
• 區分遮罩、刪修與匿名化用途。

三、案例情境

原書建議在欄位層級分類並標記個人識別資訊（Personally Identifiable Information, PII）、支付卡資訊（Payment Card Information, PCI）、受保護健康資訊（Protected Health Information, PHI）及機密商業資料。提示詞與檢索層只能取得相關資料；送入 LLM 前應依需要遮罩或刪修，並先匿名化 PII。

四、開始資料

五、Excel／AI 分析方法

建立「欄位、資料類別、是否必要、是否遮罩、是否匿名化」矩陣；AI 可依既有標記找出不必要傳入模型的欄位，但不得自行判定未提供的法規分類。

六、計算結果

原書沒有提供可直接計算的數據，因此不補造結果。

七、結果分析與管理解讀

資料安全不只是權限問題，也包括減少模型實際看到的內容。原書把「只傳情境相關資料」視為降低暴露面的基本做法。

八、AI 提問詞

請依欄位分類表，找出送入 LLM 但與任務無直接關係的 PII、PCI、PHI 或機密商業資料，並標示需要遮罩、刪修或匿名化的項目。

九、思考／情境變動