一、数据分级分类，划定使用边界
公开测试数据：基础字典、常量、虚拟账号，可任意使用、可投喂 AI 模型。
内部非敏感数据：订单编号、商品名称、日志摘要，内部系统流转，有限开放给 AI。
敏感涉密数据：手机号、身份证、银行卡、住址、交易金额、密钥、权限信息，严禁直接入 AI 知识库、严禁导出、严禁大模型训练。
 
二、数据脱敏自动化
静态脱敏：生产数据抽取到测试库时自动掩码、替换、哈希处理（手机号 135****6789、身份证只保留首尾）。
动态脱敏：接口返回、日志打印、AI 调用时实时脱敏，前端和大模型看不到明文。
禁止直接使用生产真实数据，优先通过 Faker、造数平台生成虚拟仿真数据替代。
 
三、存储与访问权限管控
测试数据库、数据中台独立部署，与生产环境网络隔离，防火墙限制访问。
账号较小权限原则：AI 测试服务只分配查询、调用权限，无删除、修改库表权限。
操作日志全留痕：谁调用、哪个 AI 任务使用、调用时间、数据内容可审计追溯。
敏感数据加密存储，密钥单独托管。
 
四、AI 使用过程中的安全约束
投喂大模型前自动过滤敏感字段，系统拦截明文隐私数据进入 Prompt。
不把完整业务数据库批量导入向量库，只抽取规则、参数结构，不带真实业务值。
选用企业级私有化大模型，避免数据外传；禁止公网免费模型处理内部测试报文。
AI 生成的失败报文、截图自动清理脱敏，定期清理模型上下文缓存。
 
五、生命周期安全闭环
临时测试数据（动态订单、临时用户）测试完成自动回滚 / 删除，不长期留存。
过期、作废数据定时任务批量清理归档。
对外交付测试报告时，全部做数据擦除处理。
 
六、制度与风险兜底
制定测试数据使用规范，禁止私自导出、外传测试库数据。
定期开展数据安全巡检，排查明文泄露、越权调用风险。
若涉及客户信息，遵循个人信息保护相关合规要求。