OpenMed 邮件去标识化教程EML/MSG 本地脱敏与附件 PHI 清洗完全指南【免费下载链接】openmedLocal-first healthcare AI: clinical NER HIPAA PII de-identification that runs 100% on-device. 2,200 medical models, 21 languages, Apple MLX Python, no cloud, no patient data leaving your network. Apache-2.0项目地址: https://gitcode.com/GitHub_Trending/ope/openmedOpenMed 是一个本地优先local-first的开源医疗 AI 工具包专为临床 NER 与 HIPAA PII 去标识化而设计所有处理 100% 在设备端完成——没有云依赖患者数据绝不离开你的网络。本教程带你从零掌握它的邮件摄取email ingestion能力如何对 RFC 5322/MIME 格式的.eml文件做本地去标识化如何安全处理 Outlook.msg邮件以及如何清洗邮件头、HTML 正文、附件文件名与附件内容中隐藏的 PHI受保护健康信息。为什么邮件是 PHI 泄漏的高风险通道在医疗场景中一封普通的就诊邮件可能藏着大量敏感信息邮件头发件人、收件人、抄送、主题行里的患者姓名与 MRN病历号纯文本正文诊断结果、联系方式、身份证号HTML 正文可见文字、注释、甚至script里埋的 SSN附件病历 PDF、报告 DOCX连文件名本身都可能带 PHI传统做法是把邮件丢给云端服务洗一遍这本身就违反了隐私合规。而 OpenMed 的思路是全部在本地完成——邮件解析仅依赖 Python 标准库去标识化模型在设备端运行全程不发起任何网络调用、不发送遥测。OpenMed 邮件清洗覆盖的五个位置调用redact_email后OpenMed 会对邮件做一次外科手术式的处理清洗位置具体行为邮件头姓名、地址、MRN 等被遮盖Authentication-Results、DKIM-Signature等鉴权头直接移除Message-ID等被替换为哈希化的匿名 ID纯文本正文姓名、电话、邮箱、日期等 PII 被安全替换HTML 正文保留标签结构遮盖可见文字与注释移除脚本、事件属性、远程图片源与javascript:等危险链接MIME 结构边界符、文件名、Content-Location被重写或移除认证签名重新生成附件逐个进入通用文档去标识化流程详见下文检测顺序是模型优先 确定性安全兜底先由你提供的本地 PII 检测器识别实体再由 OpenMed 内置的确定性安全扫描做二次兜底双重保险防止漏检。完整说明见 docs/multimodal/email-ingestion.md核心实现在 openmed/multimodal/email.py。快速上手三步完成 EML 本地去标识化第 1 步安装带多模态支持的 OpenMeduv pip install openmed[multimodal]第 2 步调用redact_email一条语句输出干净邮件from openmed import extract_pii from openmed.multimodal import redact_email result redact_email( patient-message.eml, output_pathpatient-message.clean.eml, models{detector: extract_pii}, langen, )第 3 步查看清洗报告result会返回邮件头遮盖数、正文遮盖数以及每个附件的处理清单——注意附件报告只包含索引、规范化类型、数量和哈希值绝不包含任何 PHI 原文。 如果你只需要提取邮件的规范化文本而不做遮盖可以用extract_email它会解码From、To、Subject、日期等头部并还原纯文本与 HTML 可见内容每个片段都带源偏移量span方便做下游审计。Outlook MSG 文件如何安全处理GPL 隔离桥.msg是 Outlook 的私有格式解析它需要 GPL 协议的extract-msg库。OpenMed 对此做了严格的法律与隐私隔离按需安装pip install openmed[email-msg-gpl,multimodal]不装则.msg会抛出可操作的MissingDependencyError子进程隔离extract-msg运行在独立 Python 子进程中通过标准输入/输出交换字节流GPL 代码永不进入 OpenMed 主进程零临时文件MSG 字节走管道传输不落地任何含 PHI 的临时文件只读转换MSG 输入统一转换为 EML 后进入标准清洗流程附件 PHI 清洗PDF 会烧进像素附件是邮件中最后一块隐蔽角落。OpenMed 的附件处理有三条硬规则原始字节永不落盘附件在内存中直接派发给通用去标识化器 redact_document不经过临时文件PDF 重建为纯图像 PDF遮盖不是画个黑框覆盖文字层而是把遮盖烧进页面像素——原始可搜索文字层和源元数据无法幸存。相关保真度说明见 docs/multimodal/pdf-redaction-fidelity.mdFail-closed失败即关闭不支持的附件类型宁可整体失败也绝不原样复制进干净邮件避免 PHI 从后门溜走仓库中附带了一个合成测试样例 synthetic_phi.eml其中故意埋了头部 MRN、HTML 注释里的隐私备注、脚本内 SSN、远程追踪图片和带患者姓名的 PDF 附件可以作为你验证清洗效果的压力测试素材。本地优先患者数据不出你的网络下图是 OpenMed 的本地批处理性能基准去标识化吞吐在本地硬件上即可满足批量邮件归档场景与云端 API 服务不同OpenMed 的整个邮件流水线没有任何网络调用与遥测。离线部署时只需提前把模型工件model artifacts准备到本地。对需要 HIPAA 合规或数据驻留data residency的机构来说这意味着邮件中的 PHI 从头到尾都停留在自己控制的硬件上。小结邮件合规清洗的最短路径EML装openmed[multimodal]一行redact_email输出干净邮件MSG加装[email-msg-gpl]GPL 解析器被隔离在子进程零临时文件附件内存中逐件清洗PDF 重建为纯图像不支持的类型直接失败关闭全程本地无网络、无遥测、无 PHI 落盘把上面三步接入你的邮件归档流程就得到了一条本地化的邮件去标识化最短路径。更多多模态文档处理细节PDF 保真度、资产清单等可查阅 docs/multimodal/ 目录下的系列文档。【免费下载链接】openmedLocal-first healthcare AI: clinical NER HIPAA PII de-identification that runs 100% on-device. 2,200 medical models, 21 languages, Apple MLX Python, no cloud, no patient data leaving your network. Apache-2.0项目地址: https://gitcode.com/GitHub_Trending/ope/openmed创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
