本章进度 9 / 18
50%
正文已完成
L194沿数据流追查一次敏感信息
用代表性标记值检查采集、推理、缓存、日志、导出与删除,让数据保护从声明变成证据。
现在把“敏感数据”用于一次具体操作,检查你能否独立做出并修正结果。
建议先完成同主题的理解与判断;本页不会锁课,可以边做边回补。
- 按本课练习说明准备真实材料
- 保留练习与复盘记录
数据流图只有和真实请求、存储与删除结果对得上才有价值。本课用可追踪测试值验证每个节点。
能完成一次端到端敏感数据流审查并定位未受控的复制点。
核心概念
先把关键判断说清楚
给测试数据加指纹
使用专门的虚构标记值,便于在响应、缓存和日志中准确搜索。
逐边界核对
每跨越前端、服务、模型、工具和观测系统一次,都记录传输了什么、由谁控制。
删除也要读回
发出删除请求后重新查询缓存、索引和导出,确认数据已不可访问。
案例拆解
已删除对话仍出现在调试包
用户删除了医疗问答记录,主数据库已清空,但支持团队导出的调试包仍包含完整请求。
- 01
用虚构病例标记贯穿测试请求
- 02
在数据库、缓存、追踪和调试导出中搜索
- 03
补充调试包保留期并把删除任务扩展到派生存储
案例结果
删除验收覆盖数据库、缓存、索引和调试导出,不再只查主数据库。
提交前练习
现在轮到你
为一条健康问答记录设计不接触真实个人数据的数据流审查。
完成本课需要:完成以下内容用于本课收口。
内容会自动保存在当前设备
查看参考答案与评分标准
参考答案
使用虚构标记 PATIENT-TEST-947;仅请求处理内存和受控记录可短时出现;常规日志、分析导出禁止;删除后查询主库、缓存、搜索索引和支持调试包。
评分标准
- 标记不是真实个人数据
- 节点覆盖派生存储
- 删除结果通过重新读取验证
本课收口 · 学习证据
留下完整学习证据
读完内容、完成练习、通过理解检查并留下 12 字以上总结,才记为已验证。
你现在更接近哪一种状态?
尚有必填项未完成,请补齐后再继续。
资料来源
继续核对与延伸阅读
本课内容最近更新于 。
- NIST AI Risk Management Framework↗standard · 核对日期 2026-08-23
- Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile↗standard · 核对日期 2026-08-23
- OpenTelemetry Signals↗official-docs · 核对日期 2026-08-23