企业想把数据喂给模型,最先遇到的不是技术问题,而是合规问题:哪些数据能喂、喂进去之后存在哪、谁能访问、怎么删除。这些问题不解决,法务不会签字。
哪些数据不能直接喂?
四类。个人敏感信息,比如身份证号、生物特征、健康信息;未经授权的第三方数据;涉密与内部机密;受合同约束不得外传的数据。四类里,第一类最容易出事,因为员工往往不觉得这些算敏感。
怎么判断一条数据能不能用?
三个问题。这条数据的主体同意了吗?这条数据的使用范围包含训练或推理吗?这条数据的泄露会带来什么后果?三个问题里只要有一个答案不确定,就不要用,先走审批。判断标准不是「有没有风险」,而是「风险是否可控且可解释」。
数据存在哪里更安全?
三种方案。第一,完全本地部署,数据不出内网,适合高敏感场景;第二,私有化部署或专属实例,数据隔离但由第三方运维;第三,公有云加脱敏,成本最低但要求脱敏彻底。三种方案的选择取决于数据等级,不取决于预算。
怎么做到可删除?
两条。第一,建立数据台账,每条数据能追溯到来源、使用记录、存放位置;第二,具备删除能力,包括从向量库、缓存、日志中一并清除。很多企业能做到从数据库删,做不到从索引和备份里删,这在合规检查时会被指出。
员工该怎么培训?
不讲法条,讲场景。用五个真实案例说明「这条数据不能贴进对话框」,比讲十页规范有效。培训后做一次小测,答错的补讲。数据边界这件事,靠制度不够,得靠习惯。
去论坛讨论
前往 ziyuanagi.com 论坛 参与讨论