ความปลอดภัย

สรุปสั้นๆ: Bank Statement Parser ประมวลผลข้อมูลทั้งหมดในเครื่อง ปกปิด PII ตามค่าเริ่มต้น เสริมความแข็งแกร่งให้การแยกวิเคราะห์ XML จากการโจมตี XXE รัน LLM ในเครื่องผ่าน Ollama และมาพร้อม dependencies ที่ล็อกด้วย SHA-256 hash และ CycloneDX SBOM

ความปลอดภัยโดยการออกแบบ

Bank Statement Parser สร้างขึ้นเพื่อประมวลผลข้อมูลทางการเงินที่ละเอียดอ่อน การตัดสินใจออกแบบทุกครั้งให้ความสำคัญกับความปลอดภัย ความเป็นส่วนตัว และการตรวจสอบ

ไม่พึ่งพาคลาวด์

การประมวลผลทั้งหมดเกิดขึ้นภายในเครื่องในรันไทม์ของคุณ Deterministic parsers ไม่ทำการเรียกเครือข่ายใดๆ ไปป์ไลน์ PDF แบบไฮบริดใช้ Ollama สำหรับ LLM inference ในเครื่อง — ไม่มีข้อมูลถูกส่งไปยัง cloud API XML parser ถูกกำหนดค่าอย่างชัดเจนด้วย no_network=True, resolve_entities=False และ load_dtd=False เพื่อป้องกันการเข้าถึงขาออกทั้งหมด

การปกปิด PII

ข้อมูลที่ระบุตัวบุคคลได้ (ชื่อ, IBAN, ที่อยู่ไปรษณีย์) จะถูกปกปิดโดยอัตโนมัติในเอาต์พุต CLI และโหมดสตรีม เปิดอยู่ตามค่าเริ่มต้น

• CLI: ฟิลด์ที่ละเอียดอ่อนจะแสดงเป็น ***REDACTED***
• สตรีม: parse_streaming(redact_pii=True) (ค่าเริ่มต้น)
• การส่งออก: CSV/JSON/Excel เก็บข้อมูลเต็มสำหรับการประมวลผลปลายทาง
• เลือกแสดง: ใช้ --show-pii หรือ redact_pii=False เมื่อต้องการเอาต์พุตที่ไม่ปกปิด

ความปลอดภัย XML (การป้องกัน XXE)

การแยกวิเคราะห์ XML ทั้งหมดใช้ lxml พร้อมการตั้งค่าที่เสริมความแข็งแกร่ง:

• resolve_entities=False -- ป้องกันการโจมตี XML entity expansion
• no_network=True -- บล็อกการเข้าถึงเครือข่ายขาออกทั้งหมดจาก parser
• load_dtd=False -- ป้องกันการโจมตีผ่าน DTD
• การตัด namespace ก่อนประมวลผล -- รองรับ CAMT.053 ทุกเวอร์ชันอย่างปลอดภัย

ความปลอดภัยไฟล์ ZIP

iter_secure_xml_entries() ตรวจสอบสมาชิก ZIP ทุกรายการก่อนแตกไฟล์:

• ขีดจำกัดขนาดรายการ: 10 MB ต่อรายการ (กำหนดค่าได้)
• ขีดจำกัดขนาดรวม: 50 MB รวมที่ไม่บีบอัด (กำหนดค่าได้)
• ขีดจำกัดอัตราส่วนการบีบอัด: ค่าเริ่มต้น 100:1 -- ตรวจจับ ZIP bomb
• ปฏิเสธรายการที่เข้ารหัส: รายการที่เข้ารหัสจะถูกข้ามพร้อมคำเตือน
• ไม่เขียนดิสก์: ไบต์ XML ส่งผ่านไปยัง parser โดยตรงผ่าน from_bytes()

การป้องกัน Path Traversal

การตรวจสอบอินพุตจะบล็อกเส้นทางไฟล์ที่เป็นอันตราย:

• null bytes, รูปแบบ directory traversal (../) และ symlinks ถูกปฏิเสธ
• การตรวจสอบนามสกุลไฟล์กับรูปแบบที่คาดหวัง
• ขีดจำกัดขนาดไฟล์ (ค่าเริ่มต้น 100 MB กำหนดค่าได้)

การตรวจสอบยอดคงเหลือ (Golden Rule)

การดึงข้อมูล PDF ทุกครั้งจะถูกตรวจสอบด้วยสมการ: opening balance + credits − debits == closing balance ผลลัพธ์จะถูกแท็กเป็น VERIFIED, DISCREPANCY หรือ FAILED ความคลาดเคลื่อนสามารถตรวจสอบแบบโต้ตอบด้วย --type review

เอาต์พุตแบบ Deterministic

สำหรับรูปแบบที่มีโครงสร้าง (CAMT, PAIN.001, CSV, OFX, QFX, MT940) เมื่อได้รับไฟล์อินพุตเดียวกัน parser จะสร้างเอาต์พุตที่เหมือนกันทุกไบต์ทุกครั้งที่รัน ไม่มีการสุ่ม ไม่มีการ inference โมเดล ไม่มีการสุ่มตัวอย่างแบบ heuristic สิ่งนี้สำคัญสำหรับ:

• ความสามารถในการทำซ้ำสำหรับการตรวจสอบ: รันไฟล์เดียวกันสองครั้งแล้ว diff เอาต์พุต
• การปฏิบัติตามกฎระเบียบ: แสดงให้เห็นการประมวลผลที่สอดคล้องกัน
• การตรวจสอบ CI: 718 การทดสอบบังคับใช้ determinism ด้วย 100% branch coverage

ความปลอดภัยของ Supply Chain

• Dependencies ล็อกด้วย SHA-256 hash: ทุกแพ็กเกจใน poetry.lock มี file hashes ที่ตรวจสอบแล้ว
• CycloneDX SBOM: ทุกรีลีสมี Software Bill of Materials
• GitHub build provenance: Attestation เชื่อมโยงแต่ละ artifact กับ source commit
• Signed commits: คอมมิตทั้งหมดลงนามด้วย SSH และตรวจสอบใน CI
• การตรวจสอบ dependencies: scripts/verify_locked_hashes.py ตรวจสอบ hashes ทั้งหมดในเครื่อง

ยืนยันในเครื่อง

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