代码与数据不外泄的实践

• 几条实用做法:
  • 分清边界:哪些代码/数据是公开可给的,哪些是机密(分级),机密的谨慎处理
  • 脱敏:需要让 AI 看含敏感信息的数据时,先把真实的密钥/个人信息替换成假的再给
  • 优先本地/可信:敏感场景优先选数据不外流的方案;接第三方服务前评估数据流向(P5 c.5)
  • 最小必要:只给完成任务必需的信息,不多给(也呼应上下文工程,P5 x.1)
  • 看清工具的数据政策:它会不会用你的数据训练?存多久?(以各工具官方说明为准)

我们团队用 AI 编程时,想避免代码和数据外泄。请帮我制定一套实用、不太增加负担的做法:1) 怎么给信息分级(哪些可给 AI、哪些不可);2) 处理敏感数据时怎么脱敏;3) 选用工具/第三方服务时要确认哪些数据政策;4) 怎么让'安全做法'尽量默认和省事,避免大家为方便走捷径。

🔧 试一试:同一段敏感数据,脱敏前后各喂一次(6 分钟)

1. 造一小段"含真实感风格"的数据:里面有像 API 密钥(sk-xxxx)、身份证号、手机号这样的字段(全用假的,但格式逼真)。
2. 先想:如果直接把这段发给外部 AI 服务处理,哪些信息就离开了你的可信范围?把它们标出来。
3. 做脱敏:密钥换成 sk-FAKE、身份证/手机号换成明显假的占位符,只保留任务真正需要的字段。对比脱敏前后——AI 要做的活(比如"解析这段数据的结构")还能不能照做?

你会看到:绝大多数任务其实不需要真实的敏感值,脱敏后 AI 照样能干活;而"原样发出去"省的那点事,换来的是敏感信息越过边界的风险。

为什么:数据外泄的头号原因不是被黑,是"有人为了方便随手发了出去"。把脱敏做成默认、省事的动作(甚至让 AI 帮你先脱敏),安全的路才是好走的路——否则人总会为方便走捷径。