从回答问题到调用工具、处理数据 、执行任务，AI正深入参与业务 。但随着能力与权限扩大 ，AI能访问哪些资料、调用哪些服务
、把数据发送到哪里，是否始终在用户掌控之中？

　　Anthropic于9月10日发布的《检测与应对AI滥用：2026年9月》报告披露
，部分内部资料、访问凭证等敏感信息，在用户不知情的情况下被传递至其服务。这提醒政企用户：需要守住的不只是敏感数据 ，还有数据中承载的知识 、经验与业务判断
。

　　看得见模型调用
，未必看得清数据流向

　　AI应用中的数据外泄，可能发生在多个环节。

　　一是中转平台擅自切换模型 。用户以为正在调用指定模型 ，实际请求却可能因接口故障或后台调度
，被转发至其他模型服务
。

　　二是历史对话被用于训练样本加工。平台将用户请求交给其他模型评分
、改写或生成答案时，若未清除内部代码、访问凭证等信息 ，就可能造成敏感数据外发 。

　　三是客户端配置或插件调用引发非预期外联
。即使主对话使用本地模型
，代码审查等插件仍可能将资料发送至外部服务。

　　四是使用者缺少防护意识 。为提高效率，直接上传含真实密码的配置文件或整包内部代码 ，增大了敏感信息暴露的风险
。

　　这些路径共同指向一个问题：模型名称和对话窗口
，并不能完整呈现数据的真实流向。政企需要看清调用链路，明确每一次访问 、转发与留存的边界 。

　　防止数据外泄 ，也要约束知识再利用

　　沿着调用链路流出的，不只是文件
、代码和凭证
，还有其中承载的方法、经验与技术诀窍
。

　　企业在与AI反复交流 、补充和纠错的过程中，可能逐步透露业务逻辑
、研发方法和专业判断。如果这些内容被用于外部训练或样本加工 ，其中的知识就可能被进一步提取和复用 。

　　这并不意味着每次对话都会进入训练
，但数据是否留存、向谁转发 、能否用于训练，都应有明确约束。让AI处理业务 ，不等于授权外部服务任意使用企业资产
。

　　对政企而言
，数据“反萃取”的关键，是防范数据与知识被未经授权地获取
、转移和再利用 ，将控制措施贯穿部署、调用和使用全过程。

　　以“原生安全 ”构建数据“反萃取
”防线

　　永信至诚构建“模型安全—调用安全—应用安全—人员安全”防护体系
，以测试评估贯穿全过程，将“原生安全 ”融入政企AI落地各环节 。

　　本地部署 ，收紧外发路径
。“元方
”原生安全大模型一体机结合DPAA原生安全体系
，“元明”大模型推理一体机及高管智能终端提供便捷的本地推理能力，让敏感业务数据在受控环境内处理。

　　统一管控 ，调用可追溯 。“春秋元泉 ”大模型Token统一管控平台提供统一接入 、权限管控与调用审计能力
。对数据不出网的业务，限定使用获批的私有化模型服务
，异常切换同样受控。

　　本地分析，使用有边界 。观宇AI数据洞察系统支持本地文件分析、原文溯源与结果导出 ，结合按需授权
、最小必要访问和结果核验
，减少过度读取与非必要传播
。

　　测评与培训并行。依托“数字风洞
”及AI安全测评能力，在上线前及模型、配置变化后开展测试 ，通过人员培训规范工具选取 、资料输入和异常报告 。

　　持续研究
，迭代防护能力
。永信至诚安全实验室与AI研究院持续跟踪技术
、模型与威胁动态，更新测试评估方法 ，为政企安全用好AI提供支撑。

　　让安全保障与应用价值同步落地

　　政企用好AI
，既要让模型理解业务，也要始终掌握数据、知识与工具调用的边界 。

　　永信至诚将“原生安全”贯穿模型部署 、调用管控
、场景应用、测试评估与人员培训全过程 ，帮助政企在可控环境中释放AI价值
，让AI读懂业务 、赋能员工，让数据使用有授权
、流转可追溯、风险可治理。保障数字健康 ，带给世界安全感
。（燕云）

（文章来源：证券时报网）