数据安全

AI 数据安全清单:隐私、权限、日志与提示注入

从数据进入模型前到输出落地后,建立最小权限、脱敏、审计和攻击防护机制。

先说结论

AI 应用把自然语言变成了新的输入界面,但这不代表输入天然可信。外部文档、网页、用户消息和工具结果都可能包含敏感数据或恶意指令。

QUICK CHECK

开始前,先完成这 4 项检查

01

识别并脱敏个人信息、密钥和商业数据。

02

把外部内容视为不可信输入。

03

为工具调用设置最小权限与确认点。

04

记录关键操作,但避免日志再次泄露数据。

SECTION 01

建立清晰的数据边界

团队应明确哪些数据可以进入模型、由谁访问、保留多久以及如何删除。不要把生产密钥、完整客户资料或未授权文档直接放入提示词。

SECTION 02

防范提示注入与越权工具调用

检索到的文档和网页可能夹带要求模型忽略规则的文本。系统应把数据与指令分层,校验工具参数,并在写入或发布前重新检查授权。

  • 输入来源标记
  • 工具参数白名单
  • 敏感操作二次确认
  • 输出内容安全检查
FAQ

常见问题

删除聊天记录就等于删除所有日志吗?

不一定。应用、网关和监控系统可能各自保存日志,应按完整数据流确认。

提示注入只能来自用户消息吗?

不是。网页、文件、邮件和工具返回内容都可能成为注入来源。

继续建立完整知识体系

从相关专题继续深入学习

按模型、数据、工作流、评估和安全逐步扩展自己的 AI 工程方法。

查看全部专题 ↗