AI 資料安全指南
把敏感資訊上傳給大模型：看得見與看不見的風險
把一段合約、履歷、客服紀錄或表格貼進大模型，通常不只是「讓模型看一眼」。內容會進入你選擇的服務商、帳號與組織設定所決定的處理鏈路；誰能存取、保存多久、是否用於改善服務，取決於具體產品、合約和設定。
風險不只來自姓名或手機號。客戶名單、報價、未公開產品計畫、原始碼、病歷片段和上下文關係，即使不含直接身分識別，也可能受保密義務、公司制度或產業規則約束。
簡短答案：不該把未審查的敏感內容直接貼給大模型
直接上傳會擴大資訊的接觸面：內容可能由第三方服務商處理，並在日誌、濫用偵測、品質保障、企業管理員控制台或整合工具的鏈路中留下紀錄。具體風險取決於服務條款、帳號版本、資料控制設定和你所在組織的政策，不能只憑「這是 AI 工具」一概而論。
常見危害：不只是模型訓練
模型訓練只是其中一種擔憂。更常見的問題是：上傳了超出任務所需的資料；把內容交給未獲批准的供應商；分享連結、外掛、瀏覽器擴充功能或團隊工作區帶來額外存取者；以及在跨境、保存期限、刪除請求和稽核上無法符合內部要求。
即使供應商聲明不使用輸入訓練模型，也不代表內容自動不再敏感。仍應核對適用產品的隱私條款、資料處理協議、保留和存取控制，並遵守你的公司、客戶合約及適用法律。
哪些資訊尤其不應直接上傳
優先攔截直接識別符與高風險憑證：姓名、證件號、聯絡方式、地址、銀行帳號、登入憑證、API Key、存取權杖、客戶編號和員工編號。密碼、私鑰、復原碼和正式環境金鑰不應提供給任何生成式 AI 服務。
也要審查間接敏感內容：合約價格與條款、未發布財務資料、客戶申訴、健康與人事紀錄、商業策略、原始碼，以及能藉由組合資訊重新識別個人或專案的上下文。
上傳前更穩妥的做法
先最小化資料：只提供完成任務必需的摘錄，刪除附件、批註、隱藏欄和無關上下文。對仍需保留語意位置的資訊，用穩定佔位符替換真實值，並人工覆核遺漏與誤判。
再確認處理邊界：選擇已獲組織批准的端點和帳號設定，確認資料是否會被保留、誰可存取、是否跨境傳輸；必要時諮詢安全、法務或隱私團隊。去識別化能降低暴露，不會讓其餘內文自動變成無風險內容。
常見問題
供應商說「不訓練模型」就可以直接上傳嗎？
不一定。不用於訓練只涵蓋一項風險；仍需評估處理鏈路、保留、存取控制、組織政策、合約義務和其餘內文是否屬於機密資訊。
把姓名和手機號刪掉，文件就安全了嗎？
不一定。價格、專案名、職位、時間地點和少量上下文也可能識別出個人、客戶或業務。應依任務最小化內容，並人工覆核。
Veil Translate 如何降低翻譯時的暴露？
它在瀏覽器本機將已辨識並確認的敏感實體替換為佔位符，再把遮蔽文字直連送到你選擇的翻譯端點。其餘去識別化內文仍以明文出網，因此也應審查。