rpa_vision_v3/tests/unit/test_pii_sanitizer.py

"""Tests de l'assainissement PII des données capturées (titres, texte, OCR).

Couche 1 (sans modèle) : filet regex sur la PII structurée (IPP, NIR, TEL,
EMAIL, AGE) + règles structurelles cliniques (NOM (NAISSANCE) Prénom ;
[Nom Prénom] des fenêtres PACS), avec tokens TYPÉS et COHÉRENTS ([IPP_1]…).

Réutilise l'approche du projet `anonymisation` (placeholders + regex). La
couche NER (noms libres) viendra en complément. Cas réels remontés en clinique
le 28/06 (anonymisés ici par construction). Branche feat/push-log-dgx.
"""

from __future__ import annotations

import sys
from pathlib import Path

_ROOT = str(Path(__file__).resolve().parents[2])
if _ROOT not in sys.path:
    sys.path.insert(0, _ROOT)


def test_ipp_et_age_tokenises():
    from agent_v0.server_v1.pii_sanitizer import anonymize_text

    titre = "VIOLA (VIOLA) Liliane 90 ans - IPP: 168246 - Expert Sante - Mozilla Firefox"
    out, ents = anonymize_text(titre)

    assert "168246" not in out, out          # IPP retiré
    assert "[IPP_1]" in out
    assert "90 ans" not in out               # âge retiré
    assert "[AGE_1]" in out
    # le nom format clinique « NOM (NAISSANCE) Prénom » est tokenisé
    assert "VIOLA" not in out and "Liliane" not in out, out
    assert "[NOM_1]" in out
    # le logiciel n'est pas pris pour de la PII
    assert "Firefox" in out and "Expert Sante" in out
    types = {e["type"] for e in ents}
    assert {"IPP", "AGE", "NOM"} <= types


def test_nom_entre_crochets_pacs():
    """Le PACS met le patient entre crochets : `[DATTIN Alix]`."""
    from agent_v0.server_v1.pii_sanitizer import anonymize_text

    titre = "GXD5 Pacs 4.0.4.307 CIM ARES - [DATTIN Alix] - Mozilla Firefox"
    out, _ = anonymize_text(titre)

    assert "DATTIN" not in out and "Alix" not in out, out
    assert "[NOM_1]" in out
    assert "Pacs" in out and "Firefox" in out  # contexte logiciel préservé


def test_coherence_meme_ipp_meme_token():
    """Même valeur PII -> même token (sur un mapping partagé de session)."""
    from agent_v0.server_v1.pii_sanitizer import anonymize_text

    mapping: dict = {}
    o1, _ = anonymize_text("IPP: 168246 ouvert", mapping=mapping)
    o2, _ = anonymize_text("dossier IPP: 168246 fermé", mapping=mapping)
    o3, _ = anonymize_text("IPP: 270020 autre", mapping=mapping)

    assert "[IPP_1]" in o1 and "[IPP_1]" in o2      # même patient -> même token
    assert "[IPP_2]" in o3                           # patient différent -> token différent
    assert "270020" not in o3


def test_email_et_telephone():
    from agent_v0.server_v1.pii_sanitizer import anonymize_text

    out, _ = anonymize_text("contact j.dupont@chu.fr / 06 12 34 56 78")
    assert "@chu.fr" not in out and "[EMAIL_1]" in out
    assert "06 12 34 56 78" not in out and "[TEL_1]" in out


def test_texte_sans_pii_inchange():
    from agent_v0.server_v1.pii_sanitizer import anonymize_text

    t = "Expert Sante - Consultation - Mozilla Firefox"
    out, ents = anonymize_text(t)
    assert out == t
    assert ents == []


# --- sanitize_event : assainissement au niveau event (option b pour text_input) ---

def test_sanitize_text_input_remplace_contenu_par_saisie():
    """Option b (Dom) : le contenu tapé n'est pas gardé -> [SAISIE]."""
    from agent_v0.server_v1.pii_sanitizer import sanitize_event

    ev = {
        "type": "text_input",
        "text": "hemorragie post-operatoire saignement",  # contenu médical
        "raw_keys": ["h", "e", "m"],
        "window": {"title": "VIOLA (VIOLA) Liliane 90 ans - IPP: 168246 - Firefox",
                   "app_name": "firefox.exe"},
    }
    out = sanitize_event(ev)

    assert out["text"] == "[SAISIE]"
    assert out["raw_keys"] == "[SAISIE]"
    # le titre de la fenêtre est assaini (identité tokenisée, app gardée)
    assert "168246" not in out["window"]["title"]
    assert "VIOLA" not in out["window"]["title"]
    assert "[IPP_1]" in out["window"]["title"] and "Firefox" in out["window"]["title"]
    # l'event d'origine n'est PAS muté
    assert ev["text"].startswith("hemorragie")


def test_sanitize_heartbeat_titre_direct():
    from agent_v0.server_v1.pii_sanitizer import sanitize_event

    ev = {"type": "heartbeat",
          "active_window_title": "GXD5 Pacs CIM ARES - [DATTIN Alix] - Firefox"}
    out = sanitize_event(ev)
    assert "DATTIN" not in out["active_window_title"]
    assert "[NOM_1]" in out["active_window_title"] and "Pacs" in out["active_window_title"]


def test_sanitize_focus_change_to_from_window():
    from agent_v0.server_v1.pii_sanitizer import sanitize_event

    ev = {"type": "window_focus_change",
          "from": None,
          "to": {"title": "LAVAL (BARTHELEMY) Nicole 86 ans - Expert Sante", "app_name": "firefox.exe"},
          "window": {"title": "LAVAL (BARTHELEMY) Nicole 86 ans - Expert Sante"}}
    out = sanitize_event(ev)
    assert out["from"] is None                       # null géré
    assert "LAVAL" not in out["to"]["title"]
    assert "[NOM_1]" in out["to"]["title"]
    # cohérence : même patient dans to et window -> même token
    assert out["window"]["title"] == out["to"]["title"]


def test_sanitize_action_result_inchange():
    from agent_v0.server_v1.pii_sanitizer import sanitize_event

    ev = {"type": "action_result", "base_shot_id": "shot_0003", "image": "x.png"}
    assert sanitize_event(ev) == ev