数据隐私不是"加个加密"就完事的事，而是从数据收集、传输、处理、存储到销毁的全生命周期保护，尤其在 LLM 场景下，Prompt 中的 PII 泄露是最容易被忽视的风险。
前置知识
核心概念
PII 的定义与分类
PII（Personally Identifiable Information，个人可识别信息）是数据隐私保护的核心对象。按照识别能力的强弱，可以分为三类：
1. 直接标识符（Direct Identifiers）
能单独识别到特定个人的信息：
2. 间接标识符（Indirect Identifiers）
单独使用时无法识别个人，但结合其他信息可能识别：
3. 准标识符（Quasi-Identifiers）
单条无法识别，但组合后可唯一确定个人。研究表明，87% 的美国人可以通过"出生日期 + 性别 + 邮编"三个字段唯一识别（Latanya Sweeney 研究）：
PII 在 Prompt 中的处理
LLM 场景下，用户可能在 Prompt 中无意输入 PII。处理方式有三种：
脱敏（Masking）
用占位符替换敏感信息，原始数据不保留：
# 脱敏前prompt = "用户张三（身份证：110105199001011234，手机：13800138000）申请了 50 万房贷"# 脱敏后prompt = "用户 [NAME]（身份证：[ID_CARD]，手机：[PHONE]）申请了 50 万房贷"
匿名化（Anonymization）
彻底删除 PII，不可恢复。适用于统计分析场景：
# 匿名化后prompt = "某用户申请了住房贷款，金额 50 万，年龄 34 岁"
假名化（Pseudonymization）
用可逆的哈希值替换，保留关联能力但隐藏真实身份：
import hashlibdef pseudonymize(value: str, salt: str) -> str: """假名化：相同值生成相同哈希，但不可直接反推""" return hashlib.sha256(f"{salt}{value}".encode()).hexdigest()[:16]name_hash = pseudonymize("张三", "project-salt-2024")# 输出: "a7b3c9d2e1f0..."
三种方法对比
法规要求对 AI 系统的具体要求
GDPR（欧盟通用数据保护条例）
中国个保法（PIPL）
数据安全法
数据出境问题
跨境传输风险
使用云 API（OpenAI / Anthropic / Google）时，用户数据会传输到境外服务器：
用户设备 → 企业服务器 → [跨境传输] → OpenAI/Anthropic API（美国） → 返回结果 ↑ 风险点：数据在境外服务器上处理，受当地法律管辖
主要风险：
解决方案
Prompt 缓存中的敏感数据泄露
KV Cache 中的 PII 残留
vLLM 等推理引擎使用 KV Cache 加速推理。如果缓存命中，之前的 Prompt 内容可能在缓存中残留：
场景：1. 用户 A 发送："张三的信用卡余额是 50000 元，能否贷款？"2. KV Cache 缓存了此 Prompt 的 K/V 值3. 用户 B 发送相似结构的 Prompt4. 缓存命中，但极端情况下可能导致信息泄漏
防护措施：
Prompt 缓存（Redis/内存）加密
# Redis 中缓存的 Prompt 应加密存储import hashlibimport hmacfrom cryptography.fernet import Fernetclass SecurePromptCache: def __init__(self, encryption_key: bytes): self.fernet = Fernet(encryption_key) def store(self, cache_key: str, prompt: str): encrypted = self.fernet.encrypt(prompt.encode()) redis_client.setex(cache_key, 3600, encrypted) # 1小时过期 def retrieve(self, cache_key: str) -> str: encrypted = redis_client.get(cache_key) if encrypted: return self.fernet.decrypt(encrypted).decode() return ""
部署视角
数据分级 + 加密存储方案
热数据（内存）
温数据（Redis）
冷数据（磁盘）
面试视角
满分回答：设计一个金融场景的隐私合规方案
面试官问题："我们准备上线一个 AI 信贷审批系统，请设计完整的隐私合规方案。"
满分回答框架：
第一步：数据分类分级
"首先对涉及的数据进行分类分级。信贷场景涉及的数据包括：
不同级别采用不同的保护策略。"
第二步：处理链路设计
"用户提交申请后，数据流如下：
第三步：合规保障
"合规方面：
第四步：应急响应
"如果有数据泄露：
最佳实践
学习助手
