这张卡讲 PII 在 AI 系统里为什么比传统软件更难管，以及怎么管。
核心拆解：个人身份信息是能直接或间接识别特定个人的数据，姓名、证件号、位置、组合可识别的行为特征都算。AI 系统的新风险面：检索会把散落的 PII 聚合进上下文，输出可能复述训练或检索到的 PII，日志与追踪存的是原文。治理四件事：入口识别与分类分级、按场景脱敏、采集最小化、日志与评测数据的访问控制。最常见的疏漏是评测集成为漏点——真实用户数据被拷进评测流程后广泛传播。
增量判断：国内个人信息保护法律体系对告知同意与最小必要有硬要求，客户安全部门的评审比通用实践更细。FDE 的增量视角是把 PII 检查项写进上线清单与验收材料，而不是留在口头承诺里。
行动建议：检查你的评测集与追踪日志里有没有未脱敏的真实个人数据，有就立即治理。这类检查在移交前做，成本最低。
—— FDEChina编辑部 · 架构师视角
定义
PII（Personally Identifiable Information，个人身份信息）指能直接或间接识别特定自然人的信息，包括姓名、证件号码、联系方式、位置数据及可组合识别的行为特征，是 AI 系统合规治理的第一优先级对象。
展开
AI 系统的 PII 暴露面比传统软件更宽：检索增强生成会把散落在知识库里的 PII 聚合进上下文窗口，模型输出可能在回答中复述检索到的个人信息，日志、追踪与评测数据里存的是原文，多个环节都在复制敏感数据。治理动作有四层：入口处识别与分类分级，按场景做脱敏或假名化，坚持采集最小化，对日志与评测数据实施访问控制与留存期限。最常见的疏漏是评测环节——真实用户数据被拷贝进评测集后在小范围流通，恰恰成为泄露点。国内个人信息保护相关法律对告知同意与最小必要原则有明确要求，客户安全部门的评审标准通常细于通用实践，FDE 应把 PII 检查项写进上线检查清单与验收材料：识别覆盖了哪些字段、脱敏规则是什么、评测数据从哪里来、日志留存多久，逐项有答案，逐项可审计。