From f12c03588deff030a5dde272708d9ea73b17add4 Mon Sep 17 00:00:00 2001
From: Light1YT <evileyecreation@gmail.com>
Date: Sat, 13 Jun 2026 09:56:58 +0500
Subject: [PATCH] =?UTF-8?q?fix(llm):=20close=20=C2=A719=20redaction=20rege?=
 =?UTF-8?q?x=20gaps=20for=20bare=20phone=20/=20CAPS=20name=20/=20bare=20SN?=
 =?UTF-8?q?ILS=20(#1207)?=
MIME-Version: 1.0
Content-Type: text/plain; charset=UTF-8
Content-Transfer-Encoding: 8bit

`_PHONE_RE` требовал префикс +7/8 + хотя бы один разделитель → copy-paste форма
«79221234567»/«89221234567» (самая частая) уходила в OpenAI как есть. `_FULLNAME_RE`
требовал строчные после первой буквы → стандарт ЕГРН/паспортных выписок «ИВАНОВ
ИВАН ИВАНОВИЧ» не матчил. СНИЛС без разделителей не покрывался вообще (`_SNILS_RE`
ждёт формат «NNN-NNN-NNN NN»). Для chat-пути scrub — единственный барьер перед
OpenAI (SafePayload.text без allowlist'а), при llm_enabled=True PII покидает РФ
(нарушение §19/152-ФЗ).

Patch:
- _PHONE_BARE_RE: (?<!\d)[78]\d{10}(?!\d) — 11-значные с префиксом 7/8.
- _SNILS_BARE_RE: (?<!\d)\d{11}(?!\d) — любые 11-значные без разделителей.
- _FULLNAME_RE: альтернатива в каждом слове — Titlecase | CAPS-2+.
- Конфликт phone-bare vs SNILS-bare разрешён порядком в _PII_PATTERNS: phone
  раньше SNILS (7/8-префикс семантически точнее).
- INN (ровно 10/12) с SNILS-bare не пересекается по длине.

8 новых юнит-тестов покрывают все три дыры + конфликт-резолюцию. 24/24 redaction
тестов + 55/55 LLM-suite зелёные.

Closes #1207
---
 backend/app/services/llm/redaction.py        | 22 +++++++-
 backend/tests/services/llm/test_redaction.py | 58 ++++++++++++++++++++
 2 files changed, 79 insertions(+), 1 deletion(-)

diff --git a/backend/app/services/llm/redaction.py b/backend/app/services/llm/redaction.py
index 6d3c7ccd..e2ffcef0 100644
--- a/backend/app/services/llm/redaction.py
+++ b/backend/app/services/llm/redaction.py
@@ -72,22 +72,42 @@ _SNILS_RE = re.compile(r"\b\d{3}-\d{3}-\d{3}[\s-]\d{2}\b")
 _PASSPORT_RE = re.compile(r"\b\d{4}[\s-]\d{6}\b")
 # Телефон РФ: +7/8, опц. скобки/пробелы/дефисы, 10 значащих цифр.
 _PHONE_RE = re.compile(r"(?:\+7|\b8)[\s\-(]*\d{3}[\s\-)]*\d{3}[\s-]*\d{2}[\s-]*\d{2}\b")
+# Телефон РФ «голый»: 11 цифр без разделителей, начинаются с 7 или 8 (#1207).
+# Покрывает copy-paste форму «79221234567» / «89221234567», которую _PHONE_RE
+# пропускает из-за требования префикса «+7»/«\b8» + хотя бы одного разделителя.
+# Ставится РАНЬШЕ _SNILS_BARE_RE (любые 11 цифр), чтобы не путать с СНИЛС.
+_PHONE_BARE_RE = re.compile(r"(?<!\d)[78]\d{10}(?!\d)")
 # Email.
 _EMAIL_RE = re.compile(r"\b[A-Za-z0-9._%+\-]+@[A-Za-z0-9.\-]+\.[A-Za-z]{2,}\b")
 # ИНН: ровно 12 (физлицо) или 10 (юрлицо) цифр, не приклеенные к другим цифрам.
 _INN_RE = re.compile(r"(?<!\d)(?:\d{12}|\d{10})(?!\d)")
+# СНИЛС «голый»: ровно 11 цифр без разделителей (#1207). _SNILS_RE требует
+# формат «NNN-NNN-NNN NN»; raw «12345678901» проходит мимо. По длине не пересекается
+# с ИНН (10/12); пересекается с _PHONE_BARE_RE (тоже 11 цифр), поэтому идёт ПОСЛЕ
+# него — phone-bare съест 7/8-префиксы, СНИЛС-bare добьёт остаток.
+_SNILS_BARE_RE = re.compile(r"(?<!\d)\d{11}(?!\d)")
 # ФИО-подобное: три слова с заглавной кириллической буквы подряд (Фамилия Имя Отчество).
+# Каждое слово — либо «Иванов» (Titlecase), либо «ИВАНОВ» (CAPS, мин 2 буквы) — последнее
+# покрывает стандарт ЕГРН/паспортных выписок «ИВАНОВ ИВАН ИВАНОВИЧ» (#1207).
 # Грубая эвристика — может задеть «Министерство Строительства России» и подобное; это
 # приемлемо для вторичной защиты (лучше лишний REDACTED, чем утечка ФИО).
-_FULLNAME_RE = re.compile(r"\b[А-ЯЁ][а-яё]+\s+[А-ЯЁ][а-яё]+\s+[А-ЯЁ][а-яё]+\b")
+_FULLNAME_RE = re.compile(
+    r"\b(?:[А-ЯЁ][а-яё]+|[А-ЯЁ]{2,})"
+    r"\s+(?:[А-ЯЁ][а-яё]+|[А-ЯЁ]{2,})"
+    r"\s+(?:[А-ЯЁ][а-яё]+|[А-ЯЁ]{2,})\b"
+)
 
 # (regex, placeholder-kind). Применяются последовательно в этом порядке.
+# Порядок критичен: _PHONE_BARE_RE раньше _SNILS_BARE_RE, чтобы 11-значные
+# с префиксом 7/8 ушли как phone (телефон семантически точнее СНИЛС'а).
 _PII_PATTERNS: tuple[tuple[re.Pattern[str], str], ...] = (
     (_SNILS_RE, "snils"),
     (_PASSPORT_RE, "passport"),
     (_PHONE_RE, "phone"),
+    (_PHONE_BARE_RE, "phone"),
     (_EMAIL_RE, "email"),
     (_INN_RE, "inn"),
+    (_SNILS_BARE_RE, "snils"),
     (_FULLNAME_RE, "name"),
 )
 
diff --git a/backend/tests/services/llm/test_redaction.py b/backend/tests/services/llm/test_redaction.py
index 683b7f51..cd8d9750 100644
--- a/backend/tests/services/llm/test_redaction.py
+++ b/backend/tests/services/llm/test_redaction.py
@@ -66,6 +66,64 @@ def test_scrub_fullname() -> None:
     assert "Иванович" not in out
 
 
+# ── #1207: regex-дыры в первичном scrub'е (P2-security) ─────────────────────────
+
+
+def test_scrub_phone_bare_11_digits_starting_with_7() -> None:
+    """Copy-paste форма «79221234567» (11 цифр, без + и без 8) — самая частая дыра.
+
+    _PHONE_RE требует «+7»/«\\b8» + разделитель → этот вариант пропускался и уходил
+    в OpenAI как есть. _PHONE_BARE_RE закрывает дыру.
+    """
+    out = scrub_text("позвоните 79221234567 договоримся")
+    assert "[REDACTED:phone]" in out
+    assert "79221234567" not in out
+
+
+def test_scrub_phone_bare_11_digits_starting_with_8() -> None:
+    """Аналогично — «89221234567» без разделителей."""
+    out = scrub_text("моб 89221234567 в любое время")
+    assert "[REDACTED:phone]" in out
+    assert "89221234567" not in out
+
+
+def test_scrub_fullname_caps_format() -> None:
+    """Стандарт ЕГРН/паспортных выписок «ИВАНОВ ИВАН ИВАНОВИЧ» — старый regex требовал
+    строчные после первой буквы → каполная форма уходила как есть."""
+    out = scrub_text("собственник ИВАНОВ ИВАН ИВАНОВИЧ зарегистрирован")
+    assert "[REDACTED:name]" in out
+    assert "ИВАНОВИЧ" not in out
+
+
+def test_scrub_fullname_mixed_caps_and_titlecase() -> None:
+    """Смешанная форма «ИВАНОВ Иван Иванович» — тоже должна срабатывать."""
+    out = scrub_text("по доверенности ИВАНОВ Иван Иванович подписал")
+    assert "[REDACTED:name]" in out
+    assert "ИВАНОВ" not in out
+
+
+def test_scrub_snils_bare_11_digits() -> None:
+    """СНИЛС без разделителей «12345678901» — не покрывался ни phone (нет 7/8 префикса),
+    ни ИНН (длина не 10/12)."""
+    out = scrub_text("СНИЛС 12345678901 в личном деле")
+    assert "[REDACTED:snils]" in out
+    assert "12345678901" not in out
+
+
+def test_phone_bare_wins_over_snils_bare_for_7_prefix() -> None:
+    """Конфликт _PHONE_BARE_RE vs _SNILS_BARE_RE: 11 цифр, начинаются с 7 → phone."""
+    out = scrub_text("79221234567")
+    assert "[REDACTED:phone]" in out
+    assert "[REDACTED:snils]" not in out
+
+
+def test_inn_10_digits_not_caught_as_snils_bare() -> None:
+    """10-значный ИНН не должен попадать в _SNILS_BARE_RE (тот требует ровно 11)."""
+    out = scrub_text("ИНН 7707083893 действующий")
+    assert "[REDACTED:inn]" in out
+    assert "[REDACTED:snils]" not in out
+
+
 def test_scrub_multiple_pii_in_one_text() -> None:
     out = scrub_text("Иванов Иван Иванович, +7 912 345 67 89, mail@x.ru")
     assert "[REDACTED:name]" in out