行业知识
含人脸、车牌、病历、语音的数据,进标注台之前先做哪几步
敏感素材不是「小心点就行」,而要在标注开始前就走完一套固定动作。本文按可操作的顺序给出一份脱敏与准入清单:来源确认、范围裁剪、匿名化、环境隔离、留痕与销毁,并说明每一步要留下什么记录。
标
2026年11月19日3天前30 阅读
只要是带人脸、车牌、病历、语音这类素材的项目,最容易出问题的环节往往不是标注本身,而是数据「怎么进来的、谁看过、用完去哪了」。把下面这套动作固定成流程,比每次临场紧张靠谱。本文只讲做法,不引用任何未公开信息或个案。
第一步:先确认「能不能用」,再谈「怎么标」
- 向需求方确认数据来源、授权范围和使用目的,并留一份书面确认(写进合同或任务单)。
- 确认是否涉及敏感个人信息、是否需要单独同意、是否有未成年人相关素材;有疑问就先停下来问,别自己替需求方判断。
- 确认项目是否要求伦理审查或内部审批,把审批结果作为开工前置条件。
第二步:把范围裁到「够用就好」
不是任务需要的字段、时间段、画面区域,能在交付前就裁掉最好。比如任务只判「有没有戴头盔」,就没必要把整段高清原始视频都放进标注台;只需要文本判断,就别把原始录音一起分发。范围裁剪既降低风险,也减少传输和存储成本。
第三步:匿名化 / 去标识化放在标注之前
- 图像:人脸、车牌、单据上的姓名与编号等,按项目要求做遮挡、模糊或替换;注意别只遮中心区域,边角和水印里也可能带信息。
- 语音:声纹是否属于需要处理的个人信息要按项目要求确认;转写文本里的姓名、电话、地址、病历号要单独过一遍替换规则。
- 文本:建立一份「要替换的字段类型清单」和替换后的占位写法,全项目统一,避免有人写「某某」有人写「【姓名】」。
- 替换表单独保管:如果确需保留映射关系,应与标注环境分开存放并限制访问,标注员不需要也不应该拿到。
做完这一步,自己抽几条回看:把脱敏后的素材当成一个陌生人,还能不能反推出具体的人?能,就说明还没做完。
第四步:标注环境隔离
- 专用账号、最小权限,只开放当前批次需要的数据。
- 明确能不能下载、能不能截图、能不能用个人设备、能不能把样例发到外部群;写成几条硬性规定,比口头提醒有效。
- 尽量在受控环境里在线作业;确需本地处理的,约定目录、加密与清理方式。
- 工具或平台如果有导出、缓存、日志功能,提前确认这些副本会留在哪、留多久。
第五步:留痕与收尾
- 记录每批数据的交接时间、接收人、用途、版本,做到「谁在什么范围里看过什么」可查。
- 项目结束按约定销毁或退回原始数据与中间副本,并留下销毁确认;不要把「以后可能还用」当成默认保留理由。
- 脱敏规则、审批记录、交接与销毁记录一并归档,交付时随文档提交。将来要复核或应对验收争议,靠的就是这些记录。
一句话记住顺序
确认授权 → 裁剪范围 → 脱敏处理 → 隔离环境 → 留痕作业 → 按约销毁。顺序反过来,前面每一步都会变成返工。
本文为方法论与实操经验整理;涉及具体合规判断请以法律法规、主管部门要求及专业意见为准,不含统计数据与个案。
参考来源
方法论文章,无外部数据来源;延伸阅读仅提供可核对的官方背景链接。
数据标注入门指南
按「是什么 → 怎么标 → 怎么验 → 怎么选工具 → 怎么算成本」串起站内的实操文章。