قبل از API صوتی، مرز دادهٔ حساس را با یک دروازهٔ متن مشخص کنیم

برای کاری مثل دسته‌بندی درخواست پشتیبانی، لازم نیست صدای خام از دستگاه خارج شود. یک دروازهٔ محلی می‌سازیم که فقط متن بازبینی‌شده را به بدنهٔ درخواست API تبدیل کند و در نبود تأیید، بسته بماند.

برای دسته‌بندی یک پیام صوتی پشتیبانی، صدای خام را به API نفرستید؛ فقط متنِ حداقلی و بازبینی‌شده را از مرز دستگاه عبور دهید. سارا، توسعه‌دهندهٔ سامانهٔ پشتیبانی، می‌تواند با نمونهٔ این مقاله یک دروازه بسازد که بدون تأیید صریح متوقف شود و هیچ فیلد حاوی صوت یا متن اولیه را وارد بدنهٔ درخواست نکند.

۱. مرز را بر اساس نیاز کار تعریف کنید، نه نوع فایل

نیاز سارا فقط تشخیص موضوع درخواست است: مثلاً «پیگیری سفارش» یا «مشکل پرداخت». برای این کار، نام مشتری، شمارهٔ تماس، شمارهٔ سفارش و خود صدای او معمولاً لازم نیست. قرارداد خروجی را محدود می‌کنیم به دو فیلد: task با مقدار ثابت classify_support_request و text با متن کوتاه بازبینی‌شده. هر چیز دیگری، حتی اگر در ورودی موجود باشد، نباید به خروجی راه پیدا کند.

مسیر داده چنین است: ضبط محلی ← رونویسی محلی ← نوشتن خلاصهٔ حداقلی توسط بازبین ← تأیید ← ساخت بدنهٔ درخواست. اجرای محلی Whisper یکی از گزینه‌های رونویسی است؛ راه‌اندازی و دریافت مدل، مرحله‌ای جداگانه است. این مقاله موتور رونویسی نمی‌سازد و فرض می‌کند فایل صوتی و متن اولیه در محیط مورد اعتماد باقی می‌مانند. اگر رونویسی را به سرویس ابری بسپارید، مرز پیش از اجرای این دروازه شکسته شده است.

۲. دروازه‌ای بسازید که فقط متن تأییدشده را بپذیرد

کد زیر فقط از کتابخانهٔ استاندارد پایتون استفاده می‌کند و هیچ درخواست شبکه‌ای نمی‌فرستد. ورودی آن یک شیء JSON محلی است. تأیید باید دقیقاً مقدار بولی true باشد؛ متن خالی، متن بیش از ۵۰۰ نویسه و دو الگوی حساس نمونه رد می‌شوند. سقف ۵۰۰ نویسه صرفاً قاعدهٔ این مثال برای محدودکردن جزئیات است، نه آستانه‌ای علمی برای حریم خصوصی. خروجی از صفر ساخته می‌شود، نه با حذف چند کلید از ورودی.

```python
# gate.py
import json
import re
import sys

EMAIL = re.compile(r"[A-Z0-9._%+-]+@[A-Z0-9.-]+\.[A-Z]{2,}", re.I)
MOBILE = re.compile(r"(?<!\d)(?:\+98|0098|0)?9\d{9}(?!\d)")
DIGITS = str.maketrans("۰۱۲۳۴۵۶۷۸۹٠١٢٣٤٥٦٧٨٩", "01234567890123456789")


def build_payload(record):
if not isinstance(record, dict):
raise ValueError("input must be an object")
if record.get("approved") is not True:
raise ValueError("explicit review approval required")
text = record.get("reviewed_text")
if not isinstance(text, str) or not text.strip():
raise ValueError("reviewed_text must be nonempty")
text = text.strip()
if len(text) > 500:
raise ValueError("reviewed_text exceeds local length limit")
normalized = text.translate(DIGITS)
if EMAIL.search(normalized) or MOBILE.search(normalized):
raise ValueError("possible sensitive identifier; review again")
return {"task": "classify_support_request", "text": text}


def main():
try:
payload = build_payload(json.load(sys.stdin))
except (ValueError, TypeError):
# Never echo the input or detected identifier.
print("BLOCKED: invalid or unapproved content", file=sys.stderr)
return 1
print(json.dumps(payload, ensure_ascii=False))
return 0


if __name__ == "__main__":
sys.exit(main())
```

کد را در gate.py ذخیره کنید و فرمان زیر را اجرا کنید. تمام داده‌های این آزمایش ساختگی‌اند. فیلد local_transcript عمداً در ورودی گذاشته شده تا ببینیم متن اولیه وارد خروجی نمی‌شود؛ در محصول واقعی بهتر است رابط دروازه اصلاً متن اولیه را دریافت نکند. بازبین باید تأیید را پس از مشاهدهٔ همان reviewed_text ثبت کند و هر ویرایش بعدی باید تأیید را باطل کند.

```bash
python3 gate.py <<'JSON'
{
"approved": true,
"local_transcript": "ایمیل آزمایشی من test@example.com است؛ سفارشم نرسیده.",
"reviewed_text": "مشتری درخواست پیگیری تأخیر در تحویل سفارش دارد."
}
JSON
```

خروجی مورد انتظار زیر است. این تنها چیزی است که اتصال‌دهندهٔ API باید اجازهٔ دریافتش را داشته باشد؛ نه کل رکورد ورودی و نه فایل صوتی. این JSON یک قرارداد داخلی است و لزوماً قالب مستقیم هیچ ارائه‌دهنده‌ای نیست. اتصال‌دهنده باید همین دو مقدار مجاز را به قالب API مقصد تبدیل کند.

```other
{"task": "classify_support_request", "text": "مشتری درخواست پیگیری تأخیر در تحویل سفارش دارد."}
```

برای آزمون مسیر شکست، فرمان زیر را اجرا کنید. پیام BLOCKED: invalid or unapproved content روی stderr چاپ می‌شود، stdout خالی می‌ماند و کد خروج ۱ است. مصرف‌کننده باید فقط پس از خروج موفق، stdout را بخواند؛ شکست دروازه نباید باعث ارسال متن اولیه به‌عنوان مسیر جایگزین شود.

```bash
python3 gate.py <<'JSON'
{"approved": true, "reviewed_text": "برای پیگیری با test@example.com تماس بگیرید."}
JSON
```

۳. تشخیص الگو، اثبات بی‌خطر بودن نیست

شکست مهم این روش، منفی کاذب است: شماره‌ای که با واژه‌ها گفته شده، موبایلی با فاصله میان رقم‌ها، آدرس منزل یا شرح بیماری از این دو عبارت منظم عبور می‌کند. حتی جملهٔ «تنها مدیر شعبهٔ فلان در شهر کوچک» ممکن است هویت را آشکار کند. بنابراین عبور از کد فقط یعنی چند شرط محدود برقرار است؛ معنایش «فاقد دادهٔ حساس» نیست. بازبین باید جزئیات غیرضروری را حذف کند، نه اینکه فقط دنبال ایمیل و شماره بگردد.

معاملهٔ اصلی، کاهش افشا در برابر هزینهٔ بازبینی و احتمال حذف زمینهٔ مفید است. حذف خودکار شناسه‌ها سریع‌تر است، اما ممکن است اطلاعات لازم برای فهم درخواست را خراب کند یا شناسه‌ای را جا بیندازد. خلاصه‌سازی انسانی برای صف کم‌حجم با حساسیت بالا انتخاب قابل‌بررسی است؛ برای حجم زیاد، این نمونه به‌تنهایی راه‌حل مقیاس‌پذیر نیست و باید کیفیت حذف و خطای دسته‌بندی را روی دادهٔ مجاز بسنجید. اگر هدف تحلیل لحن یا تطبیق گوینده است، تبدیل به متن راه‌حل اشتباهی است؛ برای ارسال صوت به ارزیابی مستقل نیاز دارید.

۴. مرز واقعی را در اتصال و گزارش‌گیری حفظ کنید

این اسکریپت مانع دسترسی کد دیگری به شبکه نمی‌شود. در استقرار واقعی، بخش ضبط و رونویسی را از اتصال‌دهندهٔ خروجی جدا کنید و نگذارید اتصال‌دهنده به فایل صوتی یا متن اولیه دسترسی داشته باشد. تأیید هم نباید پرچمی باشد که هر درخواست‌کننده بتواند آزادانه تنظیم کند؛ سامانهٔ بازبینی باید آن را به نسخهٔ دقیق متن پیوند بزند. نمونهٔ حاضر فقط قرارداد و رفتار دروازه را نشان می‌دهد، نه احراز هویت بازبین یا جداسازی فرایندها.

بدنهٔ درخواست، متن رونویسی و شناسهٔ کشف‌شده را در لاگ خطا چاپ نکنید؛ راهنمای OWASP نیز بر کنارگذاشتن یا محافظت از داده‌های حساس در گزارش‌ها تأکید دارد. برای عملیات، نتیجهٔ قبول یا رد و یک شناسهٔ داخلی غیرحساس کافی‌تر است. معیار پذیرش این تغییر روشن است: در آزمون موفق فقط قرارداد مجاز خارج شود، در آزمون رد هیچ بدنه‌ای ساخته نشود، و هیچ مسیر خطا یا گزارش‌گیری نسخهٔ اولیه را به بیرون نشت ندهد.

منابع

OpenAI Whisper — مخزن رسمی و اجرای محلی: https://github.com/openai/whisper
Python documentation — re: https://docs.python.org/3/library/re.html
Python documentation — json: https://docs.python.org/3/library/json.html
OWASP Logging Cheat Sheet: https://cheatsheetseries.owasp.org/cheatsheets/Logging_Cheat_Sheet.html

No comments yet