为什么选择正则表达式，而不是AI？
为了满足监管合规，您需要可以解释和重现的结果。我们的确定性方法正好提供了这一点——没有黑箱，没有惊喜。
详细比较
| Aspect | 基于正则表达式（我们） | 基于AI/ML |
|---|---|---|
| 可重复性 | 100%相同的结果 | 结果可能变化 |
| 可审计性 | 完全可解释 | 黑箱 |
| 训练数据 | 不需要 | 需要大量数据集 |
| 模型漂移 | 无——模式是固定的 | 随时间退化 |
| 性能 | 快速、可预测 | 可变，依赖于GPU |
| 计算成本 | 低（仅CPU） | 高（通常需要GPU） |
| 合规性 | 易于证明 | 难以证明 |
模式匹配的工作原理
每种实体类型都有精心设计的正则表达式模式，以匹配特定格式。
电子邮件地址
[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}匹配标准电子邮件格式：local-part@domain.tld
信用卡号码
\b(?:4[0-9]{12}(?:[0-9]{3})?|5[1-5][0-9]{14}|...)\b匹配Visa、Mastercard、Amex和其他卡格式，并进行Luhn验证
德国IBAN
DE[0-9]{2}\s?[0-9]{4}\s?[0-9]{4}\s?[0-9]{4}\s?[0-9]{4}\s?[0-9]{2}匹配带有可选空格的德国IBAN格式
为合规而建
当审计员问“为什么检测到这个？”时，您需要一个明确的答案。我们的基于正则表达式的方法正好提供了这一点。
- GDPR第25条：隐私设计，具有可解释的处理
- ISO 27001：文档化、可重复的流程
- 审计跟踪：每个检测都可以追溯到特定模式
示例审计响应
问：为什么“john.smith@company.com”被标记？
答：在位置45-68处匹配电子邮件模式，置信度为0.95。模式：标准电子邮件格式验证。