外卖骑手订单截图的端侧一键脱敏与泄露审计

1 · 创新命题

中 面向需要向站长、商家或社群举证的外卖骑手，做完全端侧的截图分享入口，在不上传图片的条件下识别并遮盖手机号、精确门牌、取餐码和订单号，同时保留超时、距离与金额等争议证据；用“泄露字段数/张”和“保留证据字段率”而非泛化 OCR 准确率衡量价值。 EN An entirely on-device sharing tool for delivery riders that redacts phone numbers, exact addresses, pickup codes, and order IDs while preserving timing, distance, and payment evidence, measured by leaked sensitive fields rather than generic OCR accuracy.

2 · 背景与空白

骑手常用截图在微信群、客服或社交平台说明罚款与异常，手工涂抹容易漏掉地址、电话和二维码；把截图交给云端脱敏又创造新的数据接触方。微信/手机相册有标记工具，Google ML Kit、PaddleOCR 与 Apple Vision 可做 OCR，Microsoft Presidio 可识别文本 PII，但它们没有针对中国配送订单页面定义“必须删什么、争议时必须留什么”。空白在：端侧执行、模板变化可审计、同时优化隐私与举证完整性的窄工作流。中国优势来自骑手规模、多个平台页面与真实工作流可访谈；数据必须由参与者主动提供模拟/脱敏截图，绝不抓取平台或群聊。

3 · 可检验假设

H1 在至少三种配送/跑腿界面的独立测试集上，端侧工具对预先定义敏感字段召回 ≥ 0.95、每张截图漏泄中位数为 0，同时保留争议所需非敏感字段 ≥ 0.90，单张处理延迟中位数 ≤ 1 秒（指定测试机型）。 H2 与手机相册手工涂抹相比，20 名受试者完成同一脱敏任务的时间中位数降低 ≥ 50%，漏泄字段数不增加；若自动化误删证据过多，则产品应降级为高亮确认而非自动分享。

4 · 量化验收标准

1. 【方法学校验 · 硬门槛】 用自建端侧管线复现 PaddleOCR/ML Kit 官方公开样例与自制标准卡片中的 ≥ 100 个已知文本框，字符识别率与官方/人工真值偏差 ≤ 5 个百分点，坐标 IoU 中位数 ≥ 0.85。此条不过，后续全部结论无效。
2. 数据集 ≥ 600 张合成或经主动同意且先行去真实身份的截图，覆盖 ≥ 3 种界面、字体缩放、深浅色与局部截屏；按“界面版本/模板”划分训练测试，防止同模板泄漏。
3. 这是敏感字段极不平衡检测，报字段级 PR-AUC、召回、精确率与每张漏泄数，明确不报 accuracy；另做随机截图划分 vs 按模板划分对照量化高估。
4. 预先冻结敏感字段表与举证保留字段表，二维码无论能否解码均整体遮盖；失败时默认不生成可分享图片。
5. 端侧网络抓包证明处理阶段无外发请求；安装包哈希、模型版本和规则表随测试结果记录。最容易犯的致命错误是为做隐私工具而收集一批真实、未脱敏的骑手订单截图。
6. 含 ML 时团队须白板解释 OCR、规则与错误传播；原始真实截图不公开，只发布合成生成器和标注规范。

5 · 数据与工具

用途	来源 / 工具
OCR	PaddleOCR Mobile 或 Google ML Kit on-device；离线能力、模型许可和具体机型支持需核实
规则	自建字段分类器 + 正则/布局；Presidio 仅提供通用 PII 思路，不直接适配中文订单页面
数据	Figma/HTML 合成订单生成器为主；骑手自愿提供的截图须在设备上先替换真实 PII，伦理同意文本留档
测试硬件	一台入门安卓机与一台主流安卓机，具体型号、内存与系统版本如实记录，不虚构覆盖范围
对照基准	PaddleOCR/ML Kit 官方样例、手机相册手工标记，仅用于校验与对比，不计入本项目数据贡献

能力边界：截图之外的 EXIF、剪贴板和平台服务器留存不由本工具控制；新界面、花体与折叠地址会失效，不能承诺“匿名化”或满足所有法律定义。

6 · 赛季执行路径

1. 第 1–2 周：与骑手/站长访谈冻结“删/留”字段，不收真实截图建模。
2. 第 3–4 周：做合成器与 100 文本框方法学校验。
3. 第 5–6 周：端侧 OCR、布局规则和失败默认阻断；完成网络抓包。
4. 第 7–8 周：600 张按模板评估、随机划分对照；第 8 周 go/no-go。
5. 第 9–10 周：20 人手工 vs 工具交叉实验，顺序随机化。
6. 第 11 周：检查误删证据的争议场景，加入人工确认和可撤销流程。
7. 第 12–13 周：隐私影响说明、安装包复现与报名材料。
8. 第 14 周起：准备离线手机现场演示，评委随机换模板压力测试。

7 · 新颖性边界

已有工作：PaddleOCR/ML Kit/Apple Vision 做端侧 OCR，Microsoft Presidio 做通用 PII 检测，微信和手机相册支持手工涂抹。不声称发明 OCR、数据脱敏或法律意义上的匿名化，也不声称支持所有平台。贡献是中国配送争议截图的“敏感字段—证据字段”双目标协议、失败默认不分享和端侧泄露审计。护城河为零云资源（B）+ 工作流替换（D）+ 极端具体（G）；模型非壁垒，持续维护的界面测试集和骑手工作流关系才是资产。

8 · go/no-go

第 4 周末：若标准卡片字符/框校验不过，具名降级为“固定三种模板的坐标区块遮盖器”，不做通用 OCR，仍检验泄露与证据保留。第 8 周末：按模板测试敏感字段召回 < 0.90，则降级为“候选敏感区高亮 + 骑手逐项确认”，禁止一键自动分享。第 10 周末：若人工实验节时 < 20%，则主张从效率改为“可审计检查清单”，主结论仍比较每张漏泄与证据保留。