T0 PII 扫描引擎：硬规则与 ONNX 模型的双路径融合

为什么需要双路径

AI Agent 处理的文本中可能包含敏感信息：API Key、信用卡号、身份证号、地址等。单一检测路径要么误报高（纯规则），要么延迟大（纯模型）。Vigils 采用硬规则 + ONNX 模型双路径，兼顾速度与覆盖。

硬规则路径

14 条正则 + 关键字匹配，响应时间 <1ms：

硬规则的优势是确定性——匹配即命中，无需概率判断。

ONNX 模型路径

OpenAI Privacy Filter q4f16 量化模型，8 类 PII 软标签：

• PERSON（人名）
• DATE（日期）
• EMAIL（邮箱）
• PHONE（电话）
• ADDRESS（地址）
• ORG（组织）
• MONEY（金额）
• SSN（社会安全号）

模型通过 BIOES 标注解码，识别边界模糊的实体（如 "John 住在深圳南山区" 中的 "John" 和 "深圳南山区"）。

Hard-First 合并策略

当两条路径在同一文本 span 上重叠时，硬规则优先：

1. 硬规则命中 → 直接采用，模型结果 discard
2. 硬规则未命中，模型命中 → 采用模型结果
3. 两者都未命中 → 放行

原因：硬规则是确定性的，模型是概率性的。安全场景下，确定性优先。

扫描流水线

输入 → Tokenize → Hard Rules → ONNX Inference → BIOES Decode → Merge → Risk Delta

• 冷启动：45ms（模型加载）
• 热推理：8ms
• 内存：23MB

Fail-Safe 退化

如果 ONNX 模型加载失败（如磁盘损坏、版本不兼容），系统自动退化为纯硬规则模式：

• 13 类硬指纹仍然全覆盖
• <1ms 响应不变
• 审计日志记录 degradation 事件

安全不会降级。

与业务场景的结合

在 PipelineDemo 场景 3 中，PII 扫描结果直接影响风险评分：

base_risk = 40
pii_delta = person(5) + date(5) + email(15) = 25
final_risk = 65 → 进入审批队列

这就是"扫描即策略"——PII 发现不是日志，是决策输入。