脱敏操作流程化：自动发现敏感数据：采用数据字典、正则表达式等方式，自动发现数据库中存储敏感数据的数据对象。

基于NER的智能识别算法，以及智能随机采样，能有效去除脏数据，使得敏感数据识别更准确。

可调的批处理量值，基于时间戳、主键、分区等过滤条件的自动并行抽取，提高抽取销量。

保留数值统计特征脱敏，身份信息关联脱敏；任务定期执行；断点续传；智能异常处理；脱敏报表。

分布式运算引擎，便于任务分布式运行，充分调动各个节点资源，保证脱敏效率。同时增强任务的容错能力。

命名实体识别(Named Entities Recognition, NER)是自然语言处理(NLP)的一个分支，其目的是识别语料中人名、地名等命名实体。由于这些命名实体数量不断增加，通常不可能在词典中穷尽列出（通常产品识别姓名通过字典枚举的方式，识别广度与精度受限于字典中姓，名的枚举个数），所以需要命名实体识别来自动学习其构成方法中的一些规律性。产品内置基于深度学习+条件随机场算法的（BiLSTM+CRF）命名实体识别模型，可准确识别人名、地名、机构名称、时间、日期、金额等各类实体内容 。在如下产品截图中，要进行保留姓，对名进行仿真脱敏，利用NER算法，能准确将“诸” 和“诸葛”这两个姓给识别出来，从而保证脱敏效果符合预期。

脱敏水印算法适用场景：脱敏场景，对原数据保真无要求的场景

最小位修改算法适用场景：不能影响数据的业务含义，具有较强的业务使用/分析需求；隐蔽性要求高，避免被察觉添加水印

伪行算法适用场景： 不能修改原数据，不能影响业务逻辑； 使用环境较复杂，数据泄密风险较高，对内警示预防数据泄密

伪列算法适用场景： 不能修改原数据，不能影响统计分析结果

AiMask支持与分类分级产品（AiSort数据安全分级与风险评估系统）对接，可直接将分类分级结果进行复用，用户可利用分类分级结果灵活定制脱敏策略。

三权分立，杜绝内控风险。内置标准用户角色，开箱即用。支持角色自定义，可对权限自由组合配置。