Bezpieczeństwo

W skrócie: Bank Statement Parser przetwarza wszystkie dane lokalnie, domyślnie redaguje PII, wzmacnia parsowanie XML przed atakami XXE, uruchamia modele LLM lokalnie przez Ollama i jest dostarczany z zależnościami zablokowanymi hashem SHA-256 oraz CycloneDX SBOM.

Bezpieczeństwo w fazie projektowania

Bank Statement Parser jest stworzony do przetwarzania wrażliwych danych finansowych. Każda decyzja projektowa priorytetowo traktuje bezpieczeństwo, prywatność i możliwość audytu.

Zero zależności od chmury

Całe przetwarzanie odbywa się lokalnie w środowisku wykonawczym. Parsery deterministyczne nie wykonują żadnych połączeń sieciowych. Hybrydowy pipeline PDF używa Ollama do lokalnej inferencji LLM — żadne dane nie są wysyłane do chmurowych API. Parsery XML są jawnie skonfigurowane z no_network=True, resolve_entities=False i load_dtd=False, aby uniemożliwić jakikolwiek dostęp wychodzący.

Redakcja PII

Dane osobowe (nazwiska, numery IBAN, adresy pocztowe) są automatycznie redagowane w wynikach CLI i trybie streaming. Funkcja jest domyślnie włączona.

• CLI: Wrażliwe pola wyświetlane są jako ***REDACTED***
• Streaming: parse_streaming(redact_pii=True) (domyślnie)
• Eksporty: CSV/JSON/Excel zachowują pełne dane do dalszego przetwarzania
• Włączenie: Użyj --show-pii lub redact_pii=False, gdy potrzebujesz niezredagowanych wyników

Bezpieczeństwo XML (ochrona XXE)

Wszystkie parsery XML używają lxml z zabezpieczonymi ustawieniami:

• resolve_entities=False -- zapobiega atakom rozszerzania encji XML
• no_network=True -- blokuje cały wychodzący dostęp sieciowy parsera
• load_dtd=False -- zapobiega atakom opartym na DTD
• Usuwanie przestrzeni nazw przed przetwarzaniem -- bezpiecznie obsługuje każdy wariant CAMT.053

Bezpieczeństwo archiwów ZIP

iter_secure_xml_entries() sprawdza każdy element ZIP przed ekstrakcją:

• Limit rozmiaru wpisu: 10 MB na wpis (konfigurowalne)
• Limit całkowitego rozmiaru: 50 MB nieskompresowanego łącznie (konfigurowalne)
• Limit współczynnika kompresji: domyślnie 100:1 -- wykrywa bomby ZIP
• Odrzucanie wpisów zaszyfrowanych: Wpisy zaszyfrowane są pomijane z ostrzeżeniem
• Brak zapisu na dysku: Bajty XML przesyłane są bezpośrednio do parsera przez from_bytes()

Zapobieganie przechodzeniu ścieżek

Walidacja danych wejściowych blokuje niebezpieczne ścieżki plików:

• Bajty zerowe, wzorce przechodzenia katalogów (../) i dowiązania symboliczne są odrzucane
• Walidacja rozszerzeń plików względem oczekiwanych formatów
• Limity rozmiaru plików (domyślnie 100 MB, konfigurowalne)

Weryfikacja salda (Golden Rule)

Każda ekstrakcja PDF jest weryfikowana równaniem: opening balance + credits − debits == closing balance. Wyniki są oznaczane jako VERIFIED, DISCREPANCY lub FAILED. Rozbieżności można przeglądać interaktywnie za pomocą --type review.

Deterministyczne wyniki

Dla formatów strukturalnych (CAMT, PAIN.001, CSV, OFX, QFX, MT940) — przy tym samym pliku wejściowym parser generuje bajt po bajcie identyczne wyniki przy każdym uruchomieniu. Żadnej losowości, żadnej inferencji modelu, żadnego próbkowania heurystycznego. Ma to kluczowe znaczenie dla:

• Powtarzalność audytu: Uruchom ten sam plik dwa razy i porównaj wyniki
• Zgodność z przepisami: Wykazanie spójnego przetwarzania
• Weryfikacja CI: 718 testów wymusza determinizm przy 100% pokryciu gałęzi

Bezpieczeństwo łańcucha dostaw

• Zależności zablokowane hashem SHA-256: Każdy pakiet w poetry.lock ma zweryfikowane skróty plików
• CycloneDX SBOM: Każde wydanie zawiera zestawienie materiałów oprogramowania
• Pochodzenie kompilacji GitHub: Poświadczenie łączy każdy artefakt z jego commit źródłowym
• Podpisane commity: Wszystkie commity są podpisane SSH i weryfikowane w CI
• Weryfikacja zależności: scripts/verify_locked_hashes.py sprawdza wszystkie skróty lokalnie

Weryfikacja lokalna

python -m pytest                          # 718 tests, 100% branch coverage
python scripts/verify_locked_hashes.py    # SHA-256 hash verification
git log --show-signature -1               # Verify commit signature