AI Agent / 系统课时
控制敏感信息与隐私风险
控制敏感信息与隐私风险
AI 辅助开发需要大量上下文,但并不是所有项目资料都适合提供给模型。通过识别敏感信息并建立输入边界,可以降低密钥泄露、数据暴露和商业信息外传风险。
学习目标
- 识别开发过程中常见的敏感信息类型
- 掌握提交给 AI 前的安全处理方法
- 建立项目上下文的隐私保护规则
识别需要保护的信息
开发环境中的敏感信息通常包括:
- API Key、访问令牌和密码
- 用户姓名、邮箱、订单等业务数据
- 内网地址、服务器配置和访问路径
- 未公开的商业逻辑、源代码和设计文档
这些内容即使只是用于排查问题,也应先判断是否可以脱敏后再提供。
建立安全上下文边界
提交代码或日志给 AI 时,应优先提供能够说明问题的最小信息。例如排查接口错误时,可以保留请求结构和错误信息,删除真实用户数据、令牌和内部地址。推荐使用环境变量管理密钥,而不是直接写入代码:
python
import os
# 从运行环境读取密钥,避免写入源码仓库
api_key = os.environ.get("API_KEY")
if not api_key:
raise RuntimeError("API_KEY is missing")
print("API key loaded")预期结果
text
API key loaded实际输出不会展示密钥内容,只验证配置是否存在。
检查 AI 输入前的安全流程
可以在提交上下文前执行简单检查:
- 删除真实密码、令牌和密钥。
- 使用测试数据替换用户信息。
- 隐藏内部网络结构和未公开业务规则。
- 确认提供的信息是否足够定位问题。
对于团队项目,还应明确哪些文件允许进入 AI 工具上下文,哪些目录必须排除。
常见错误与修复方式
最常见的问题是为了让 AI 更快解决问题,直接上传完整配置文件、生产日志或数据库导出文件。这种方式虽然信息完整,但暴露范围过大。
更好的方式是构造最小复现案例,只保留错误现象、必要代码和模拟数据。
按自己的节奏,确认真正理解。