安全、合规与数据类目枢纽封面

内容中心 / 类目

安全、合规与数据

75 篇文章Security, Compliance & Data

数据分级、等保、AI 内容标识、合同与合规边界:客户数据不外流、不用于训练。

数据分级、等保、AI 内容标识、合同与合规边界:客户数据不外流、不用于训练。 本类目共 75 篇,覆盖概念、方法、场景、边界与验收清单。 本页为第 4 页(共 5 页),可继续翻页浏览。

全部文章(75 篇) · 第 4 页

按文章编号排序;共 5 页,每页 18 篇。

跨境数据在 AI 项目中的落地清单

AI 项目最容易在数据环节踩跨境红线:样本、评测集、标注、向量化与工具调用都可能把数据送出去。本文按立项、选型、开发、上线、运营五个阶段列出检查项,帮助团队在上线前把出境路径一次说清。文中也…

安全、合规与数据 操作指南 2026-10-20

跨境数据与业务效率如何平衡

把跨境数据管成「一律禁止」,业务会绕道;管成「一律放行」,风险会累积。本文给出分层管理、场景复用与模板化的做法,说明效率损耗真正发生在哪里,并用可观测指标替代「零出境」这类无法执行的目标。文…

安全、合规与数据 分析 2026-10-20

提示词注入:企业必须知道的合规要点

提示词注入不是某部法规的名字,而是一类攻击手法,它触发的却是既有义务:网络安全等级保护、数据安全、个人信息保护与生成式 AI 服务管理要求。本文把技术风险映射到具体合规义务,并说明责任边界在…

安全、合规与数据 分析 2026-10-20

提示词注入的 5 个高风险场景与处置

提示词注入真正危险的地方在间接入口:文档、网页、邮件、检索结果与工具返回值都可能夹带指令。本文列出五个高频场景,说明攻击如何发生、会造成什么后果,以及每一步可以采取的具体处置动作。文中也说明…

安全、合规与数据 分析 2026-10-20

提示词注入怎么做:制度+流程+技术清单

防注入不能只靠一句系统提示。可运行的做法是三层:制度上明确哪些输入源与工具可用,流程上把威胁建模、红队与事件响应串起来,技术上做指令与数据分离、工具网关与出站控制。文中按三层给出可直接拆成任…

安全、合规与数据 操作指南 2026-10-20

提示词注入的常见误解与边界

关于提示词注入,流传最广的几句话说起来都像常识:加个防护提示、换成更强的模型、只在内部用就没事。本文逐条说明它们为什么站不住,并给出更接近真实的风险边界与可验证的判断方法。文中也给出可验证的…

安全、合规与数据 分析 2026-10-20

提示词注入怎么审计与留痕

注入事件最难回答的问题是「它到底做了什么」。可审计的前提是把输入来源、检索内容、工具调用与人工确认记在同一条链上,并能在事后抽样还原。本文给出字段设计、检测信号与复盘机制。文中也说明日志里该…

安全、合规与数据 操作指南 2026-10-20

提示词注入在 AI 项目中的落地清单

把注入防护放进 AI 项目,关键是每个阶段都有可检查的产物,而不是上线前临时补一次测试。本文按立项、设计、开发、测试、上线、运营六段给出清单项,标明每项由谁签字、留下什么证据,可直接并入项目…

安全、合规与数据 操作指南 2026-10-20

提示词注入与业务效率如何平衡

安全措施拖慢业务,通常不是因为控制本身,而是因为控制加错了位置。本文讨论如何按动作影响分级设置确认门、用白名单换速度,并用可观测指标判断防护是否过度,同时划出不能让步的底线。文中也给出判断防…

安全、合规与数据 分析 2026-10-20

模型安全:企业必须知道的合规要点

模型安全的合规要求分散在网络安全、数据安全、生成式 AI 服务管理与算法治理几套规则里,没有单一的「模型安全认证」。本文把义务按模型来源、数据、服务与输出四段梳理,并说明哪些是准入条件、哪些…

安全、合规与数据 分析 2026-10-20

模型安全的 5 个高风险场景与处置

模型安全的风险点比多数人以为的更靠前:从下载权重那一刻就开始了。本文列出五个高频场景,包括权重来源、微调污染、能力萃取、推理滥用与资产泄露,并给出每个场景可立即执行的动作。文中也说明每个场景…

安全、合规与数据 分析 2026-10-20

模型安全怎么做:制度+流程+技术清单

模型安全要落到可执行的制度、流程与技术三件事上:制度管资产与准入,流程管评测与变更,技术管隔离、网关与监控。本文给出可直接拆成任务的清单,并指出最容易形式化的几个环节。文中也指出最容易形式化…

安全、合规与数据 操作指南 2026-10-20

模型安全的常见误解与边界

模型安全领域有几句话听起来很稳:开源就可控、备案就合规、本地部署就不泄露、测过一次就没事。本文逐条拆开这些判断,说明它们各自成立的条件,以及在什么情况下会悄悄失效。文中也给出更接近实际的判断…

安全、合规与数据 分析 2026-10-20

模型安全怎么审计与留痕

模型出问题时,最要紧的是能回答三个问题:用的是哪个版本、喂了什么数据、谁批准的。本文给出模型审计的留痕清单与证据组织方式,并说明怎样把一条输出回溯到版本、数据与配置。文中也说明对外提交材料时…

安全、合规与数据 操作指南 2026-10-20

模型安全在 AI 项目中的落地清单

把模型安全放进项目,需要在上线前把来源、版本、运行环境、评测与应急五件事说清。本文给出按阶段排列的检查项与每项的产出物,便于直接并入立项评审与验收清单。文中同时给出一页式的验收核对表,可直接…

安全、合规与数据 操作指南 2026-10-20

模型安全与业务效率如何平衡

模型安全的开销主要落在延迟、算力与流程三道关口上,但这三项都有可优化的空间。本文讨论怎样按风险分级配置控制、把护栏放到网关、用抽样替代全量,并明确哪些控制不能为速度让路。文中也给出三项可量化…

安全、合规与数据 分析 2026-10-20

访问控制:企业必须知道的合规要点

访问控制的合规要求并不抽象:账号唯一、权限最小、特权可控、行为可审、离岗即收。本文把这些要求对应到等级保护与数据安全义务上,并补充 AI 场景新增的权限面,便于安全团队直接对照自查。文中也列…

安全、合规与数据 分析 2026-10-20

访问控制的 5 个高风险场景与处置

访问控制出问题,多半不是被攻破,而是权限本来就不该给。本文列出五个高频场景,包括离职残留、共享账号、越权访问、特权运维与密钥泄露,逐个说明后果与可立即执行的处置动作。文中也给出每一步可以立刻…

安全、合规与数据 分析 2026-10-20

需要针对自己的业务做判断?