TL;DR: Bank Statement Parser 在本機處理所有資料，預設遮蔽 PII，針對 XXE 攻擊強化 XML 解析，透過 Ollama 在本機執行 LLM，並附帶 SHA-256 雜湊鎖定相依性及 CycloneDX SBOM。
安全設計
Bank Statement Parser 專為處理敏感財務資料而建構。每個設計決策都優先考慮安全性、隱私性和可稽核性。
零雲端依賴
所有處理在本機執行時期內完成。確定性解析器零網路呼叫。混合 PDF 管線使用 Ollama 進行本機 LLM 推論——不會將資料傳送至雲端 API。XML 解析器明確配置為 no_network=True、resolve_entities=False 及 load_dtd=False，以防止任何對外存取。
PII 遮蔽
個人識別資訊（姓名、IBAN、郵政地址）在 CLI 輸出和串流模式下自動遮蔽。此功能預設啟用。
- CLI：敏感欄位顯示為
***REDACTED*** - 串流：
parse_streaming(redact_pii=True)（預設） - 匯出：CSV/JSON/Excel 保留完整資料以供下游處理
- 選擇顯示：使用
--show-pii或redact_pii=False取得未遮蔽的輸出
XML 安全性（XXE 保護）
所有 XML 解析使用 lxml 搭配強化設定：
resolve_entities=False-- 防止 XML 實體擴展攻擊no_network=True-- 阻擋解析器的所有對外網路存取load_dtd=False-- 防止基於 DTD 的攻擊- 處理前剝離命名空間——安全處理任何 CAMT.053 變體
ZIP 檔案安全
iter_secure_xml_entries() 在擷取前驗證每個 ZIP 成員：
- 條目大小上限：每個條目 10 MB（可配置）
- 總大小上限：未壓縮總計 50 MB（可配置）
- 壓縮比限制：預設 100:1 -- 偵測 ZIP 炸彈
- 加密條目拒絕：跳過加密條目並發出警告
- 無磁碟寫入：XML 位元組透過
from_bytes()直接傳遞給解析器
路徑遍歷防護
輸入驗證阻擋危險檔案路徑：
- 空位元組、目錄遍歷模式（
../）及符號連結被拒絕 - 針對預期格式的檔案副檔名驗證
- 檔案大小限制（預設 100 MB，可配置）
餘額驗證（黃金法則）
每次 PDF 擷取都透過以下公式驗證：opening balance + credits − debits == closing balance。結果標記為 VERIFIED、DISCREPANCY 或 FAILED。差異可透過 --type review 互動式審核。
確定性輸出
對於結構化格式（CAMT、PAIN.001、CSV、OFX、QFX、MT940），給定相同的輸入檔案，解析器每次執行都產生位元組完全一致的輸出。無隨機性、無模型推論、無啟發式取樣。這對以下方面至關重要：
- 稽核可再現性：執行同一檔案兩次並比對輸出
- 法規合規：展示一致的處理流程
- CI 驗證：718 項測試強制確定性，100% 分支覆蓋率
供應鏈安全
- SHA-256 雜湊鎖定相依性：
poetry.lock中的每個套件都有已驗證的檔案雜湊 - CycloneDX SBOM：每個版本都包含軟體物料清單
- GitHub 建置來源：證明將每個產出物連結至其來源提交
- 簽署提交：所有提交均經 SSH 簽署並在 CI 中驗證
- 相依性驗證：
scripts/verify_locked_hashes.py在本機驗證所有雜湊值
本機驗證
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