可識別個人資料、公司機密、未公開政府文件,不應直接貼入一般公開型 AI。即使你只係想叫 AI 摘要、翻譯、改寫或除錯,只要內容可能揭露個人、客戶、內部決策、系統憑證或受保護資訊,就應先改成去識別化摘要、刪走敏感欄位,或者改用機構核准的受控環境。
最穩陣的判斷標準唔係 AI 品牌,而係四件事:資料是否敏感、服務會點樣保留或使用資料、機構是否明確准許、出事後能否追蹤同處理。NIST 將資料保護、資料保留、監察、事故應變、退出選項和風險式控制列為生成式 AI 治理項目;如果這些條件無答案,就不應上傳原文。
| 資料類型 | 原則 | 上傳前要確認 |
|---|---|---|
| 個人資料 | 唔好直接上傳可識別個人的原文。如真有需要,先做資料最小化、遮蔽或去識別化,並確認服務條款及機構規範准許。 | EDPB 將 LLM 私隱風險同緩解列為專門議題;NIST 亦把資料保護、資料保留、影響評估和監察列入生成式 AI 治理。 |
| 公司機密 | 唔好放入未經核准的公用 AI。合約、客戶名單、投標或併購資料、法務文件、源碼、密鑰同憑證,都應當作高風險資料處理。 | NIST 的治理項目涵蓋商業使用、資料來源、資料保護、資料保留、事故應變、監察和安全軟件開發。 |
| 政府文件 | 先分清已公開、低敏感、依法可再用的資料,與未公開內部文件、政策草稿、調查或執法資料;後者不應放入一般公開型 AI。 | 歐盟聯合研究中心 JRC 報告把公共部門使用生成式 AI 列為專門領域;歐洲議會附件中的案例摘要亦提到使用官方 Bundestag 資料時避免個人或敏感資訊。 |
只要有一條答唔到,就先唔好將原文放入一般公開型 AI。
提示詞入面寫一句「請保密」,唔等於安全控制。真正要確認的,是資料點樣被保存、誰可存取、是否可退出再利用、出事時由誰處理,以及你所屬機構是否准許。
以下清單係將資料保護、資料保留和風險式控制原則,轉成日常判斷。它不是法律意見;實際做法仍要跟你所在地法律、合約、資安、法務、個人資料和文件管理規範。
公開不等於零風險。如果公開資料仍含個人資料或敏感資訊,仍要按私隱風險同資料保護原則處理。
這類資料未必永遠不能用 AI 處理,但不應在沒有批核、沒有保留規則、沒有監察和事故應變機制時,直接丟入一般公開型 AI。
刪走姓名未必夠。如果證件號碼、電話、電郵、地址、戶口、案號、罕見職銜、日期加地點的組合,仍然可以指向某個人或案件,私隱風險仍然存在。EDPB 文件關注的核心之一,就是 LLM 系統中的私隱風險與緩解;所以上傳前,應一併移除或改寫可識別資料、可回推細節和非必要欄位。
較安全的做法包括:用代稱取代真實姓名同公司名;只提供必要片段;將原始文件改寫成抽象情境;名單、紀錄或表格先做彙總;如果任務真的需要處理原文,就改用機構核准、有權限控制和記錄的工具與流程。
公共部門用生成式 AI,唔係簡單一句全面禁止或全面開放。JRC 的生成式 AI Outlook 報告把公共部門應用列為專門討論領域;歐洲議會附件中的案例摘要亦提到使用德國聯邦議院 Bundestag 的官方資料,並避免個人或敏感資訊。
較可考慮的,通常是已公開、低敏感、可依法使用的官方資料;需要特別保守的,則包括未公開內部文件、政策草稿、調查資料、執法資料、採購評選資料,以及任何含個人資料或敏感資訊的文件。前者仍要檢查使用條件;後者不應直接放入一般公開型 AI。
如果資料外洩會傷害個人、機構、公共利益或合規狀況,就唔好將原文交畀一般公開型 AI。先遮蔽、摘要、最小化;如果任務真的需要原文,改走批核流程和受控工具,並確認資料保護、資料保留、存取權限、監察和事故應變機制。