---
title: "大模型 API 敏感数据处理：脱敏与数据最小化 | BroadRouter"
description: "如何安全地把客户、健康或金融数据发给大模型 API：给字段分类、用可还原的占位符脱敏、选择零数据保留，并保持日志干净。"
url: https://broadrouter.com/zh/blog/llm-api-sensitive-data/
lang: zh-Hans
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

本页由英文原文借助 AI 翻译。 [阅读英文原文](https://broadrouter.com/blog/llm-api-sensitive-data/) (2026-11-15 更新).

# 把敏感数据发给大模型 API：脱敏、最小化、少记日志

BroadNet Inference 团队 · 阅读约 5 分钟 · 发布于 2026-11-14 · 更新于 2026-11-15

要把敏感数据发给大模型 API，先确定任务需要哪些字段，其余一律不发。请求前把姓名、号码和 ID 换成可还原的占位符，收到响应后在你自己的代码里还原。选择提供零数据保留的服务商，不让提示词内容进入你自己的日志，并把 API 密钥限定在你的服务器上使用。

## 要点

-   大多数泄露发生在你这一侧：应用日志、链路追踪工具、错误报告和分析系统，而不是模型服务商。
-   先给字段分类。很多任务根本不需要姓名、电话号码或账户 ID。
-   \[PHONE\_1\] 这样可还原的占位符让模型仍能读懂文本，之后你也能还原原值。
-   零数据保留限制的是服务商保存什么。它不能替代脱敏，也不能替代合同。
-   默认把语音当作敏感数据：一条语音消息就可能包含姓名、号码和健康信息。

**本页内容**

1.  对大模型 API 来说，什么算敏感数据？
2.  第 1 步：任务真正需要哪些字段？
3.  第 2 步：怎样脱敏，模型才仍然读得懂？
4.  第 3 步：数据到了服务商那里会怎样？
5.  第 4 步：怎样不让提示词进入你自己的日志？
6.  第 5 步：怎样保护通往 API 的路径？
7.  第 6 步：响应里应该检查什么？
8.  敏感音频也需要同样处理吗？
9.  BroadNet Inference 处在什么位置

_[image: The word "PRIVATE" in bold letters, with the text "Control what AI sees." and "LSDF by BroadNet".]_

客服机器人读到的投诉里有姓名和订单号。呼叫中心的流水线发送的转写文本里有银行卡号。健康类应用发送的是症状。这些对模型都很有用，而一旦离开你的服务器，它们全都是**敏感数据**。

OWASP 在其 2025 年大模型应用 Top 10 中，把[敏感信息泄露](https://genai.owasp.org/llmrisk/llm022025-sensitive-information-disclosure/)列为 LLM02。大多数指南关注的是模型可能泄露什么。本文关注你能控制的部分：**你发送什么，以及你保存什么**。

## 对大模型 API 来说，什么算敏感数据？

写提示词之前，先把字段分成三类：

| 类别 | 示例 | 默认规则 |
| --- | --- | --- |
| 直接标识符 | 姓名、邮箱、电话、身份证号、账号 | 替换为占位符 |
| 特殊或受监管数据 | 健康、生物特征、宗教、银行卡号、凭据 | 除非任务需要且你有法律依据，否则不发送 |
| 上下文 | 产品名称、问题类型、日期、金额 | 通常可以发送 |

在 GDPR 下，特殊类别数据（第 9 条）必须满足特定条件才能处理。银行卡数据以及密码、API 密钥之类的秘密，永远不应出现在提示词里。

## 第 1 步：任务真正需要哪些字段？

最好的脱敏就是不发送这个字段。问问任务需要什么：

1.  **总结工单？** 模型需要的是投诉内容，不是客户地址。
2.  **意图分类？** 它需要的是消息文本，不是账户 ID。
3.  **起草回复？** 它最多需要一个名字，而占位符就够用。

用挑选出的字段构建提示词，不要把整条记录以 JSON 形式一股脑塞进去。这样还能减少[输入 token](https://broadrouter.com/zh/glossary/input-and-output-tokens/)，也就省了钱。

## 第 2 步：怎样脱敏，模型才仍然读得懂？

把每个值替换成带类型、带编号的占位符。模型保留了句子的结构，你的代码在之后还原这些值。

```python
import os, re
from openai import OpenAI

PATTERNS = {   # order matters: IBAN before PHONE, or the phone pattern eats IBAN digits
    "EMAIL": r"[\w.+-]+@[\w-]+\.[\w.-]+",
    "IBAN":  r"\b[A-Z]{2}\d{2}[A-Z0-9]{11,30}\b",
    "PHONE": r"\+?\d[\d\s-]{7,}\d",
}

def redact(text):
    mapping, n = {}, {}
    for kind, pat in PATTERNS.items():
        def sub(m):
            n[kind] = n.get(kind, 0) + 1
            key = f"[{kind}_{n[kind]}]"
            mapping[key] = m.group(0)
            return key
        text = re.sub(pat, sub, text)
    return text, mapping

def restore(text, mapping):
    for key, value in mapping.items():
        text = text.replace(key, value)
    return text

client = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])
# Any OpenAI-compatible endpoint works; this uses Qwen3.8 27B on BroadNet Inference.

ticket = "Call me on +971 50 123 4567 or mail sara@example.com about my refund."
safe, mapping = redact(ticket)
reply = client.chat.completions.create(
    model="broadnet/qwen3.8-27b",
    messages=[
        {"role": "system", "content": "Keep placeholders like [PHONE_1] exactly as written."},
        {"role": "user", "content": f"Draft a short reply to this ticket:\n{safe}"},
    ],
).choices[0].message.content
print(restore(reply, mapping))   # the mapping never left your server
```

正则表达式能抓住结构化的值。姓名和地址则需要实体识别。[Microsoft Presidio](https://microsoft.github.io/presidio/supported_entities) 等开源工具把模式匹配、校验和与命名实体模型结合起来，并允许你添加自己的识别器。任何检测器都要用你自己的数据来测：阿拉伯语姓名、海湾地区的电话格式以及混合文字的文本，正是通用检测器容易漏掉的地方。

如果你宁愿运行一个代理而不是自己写脱敏代码，BroadNet 开源了一个：[LLM Sensitive Data Firewall（LSDF）](https://github.com/brntech/lsdf)，采用 Apache-2.0 许可证。它可以放在任何 OpenAI 兼容端点前面，包括 BroadNet 不托管的模型。BroadNet 称它会检查请求、响应、流式数据块、流式工具调用参数、检索到的上下文和思考字段，并另有一个针对链路追踪和日志的清理器。在 BroadNet 于 2026 年 5 月用自有语料做的评测中，它的广义 PII 检测器在 40 个用例的凭据回放中召回率为 1.000，在合成临床数据上为 0.944，在广义英文 PII 上为 0.685；单独使用 Microsoft Presidio 时分别为 0.194、0.056 和 0.326（[BroadNet 的文章](https://www.broadnet.ai/blog/open-source-sensitive-data-firewall)）。这些是 BroadNet 为自家工具给出的数据；在启用拦截之前，先用它的 `monitor` 配置在你自己的流量上跑一遍。

占位符的两条规则：

-   **保持一致**：同一段对话中，`[NAME_1]` 在每一轮都指同一个人。
-   **告诉模型原样保留它们**，就像上面的系统提示词那样。

## 第 3 步：数据到了服务商那里会怎样？

脱敏减少了离开你系统的内容。接下来发生什么，由服务商决定。要问清楚：

-   请求结束后内容会被保存吗？保存多久？
-   会被用于训练吗？默认设置是什么？
-   硬件由谁运营，在哪里？

各家服务商的回答差别很大。参见[大模型 API 数据保留对比](https://broadrouter.com/zh/blog/llm-api-data-retention-compared/)了解其中五家的官方表述，参见 [ZDR 检查清单](https://broadrouter.com/zh/blog/zero-data-retention-llm-api-checklist/)了解技术问题，参见 [GDPR 检查清单](https://broadrouter.com/zh/blog/gdpr-llm-api-checklist/)了解合同方面。

## 第 4 步：怎样不让提示词进入你自己的日志？

提示词最常被长期保存的地方，是你自己的技术栈。常见的泄露点：

-   会打印请求正文的 HTTP 客户端调试日志。
-   默认记录完整提示词的链路追踪和可观测性 SDK。
-   会附上失败请求负载的错误上报工具。
-   包含用户消息的分析事件。
-   保存整个请求的重试队列和死信队列。

改为记录这些：请求 ID、模型、提示词和补全的 token 数、延迟、状态码，以及你自己的脱敏映射 ID（绝不记录映射本身）。这足以排查成本和错误。[用量日志一文](https://broadrouter.com/zh/blog/llm-api-usage-logging/)提供了一个封装，正好写入这些字段，并计算每次调用的成本。

## 第 5 步：怎样保护通往 API 的路径？

-   密钥放在服务器上，绝不放进浏览器或移动端代码。[大模型 API 密钥安全](https://broadrouter.com/zh/blog/llm-api-key-security/)介绍了存储和轮换。
-   用 [IP 白名单](https://broadrouter.com/zh/guides/api-keys-ip-allow-lists/)把密钥锁定到你的出口地址。
-   每个服务使用一个独立的 [API 密钥](https://broadrouter.com/zh/glossary/api-key/)，这样吊销其中一个时不会让所有服务停摆。

## 第 6 步：响应里应该检查什么？

脱敏保护的是请求。响应也需要检查，因为模型可能会复述、猜测或重建这些值：

-   **占位符完整性。** 执行 `restore()` 之后，查找映射中从未有过的残留标记，例如 `[PHONE_3]`。它们说明模型自己编了一个。
-   **输出中新出现的 PII。** 对响应运行同一个检测器。如果回复里出现了一个你从没发送过的邮箱地址，在它到达客户之前值得再看一眼。
-   **跨用户泄露。** 如果你缓存响应或共享对话状态，要确保一个用户被还原的值绝不会出现在另一个用户的回复里。

检查每一个输出通道，而不只是聊天回复。BroadNet 的 [Safety Map 研究](https://broadrouter.com/zh/blog/llm-safety-map-39-models/)发现，在填写了工具调用参数的 73 次运行中，有 20 次敏感值经由这些参数流出；在填写了思考字段的 43 次运行中，有 29 次经由思考字段流出，而这些运行中可见的回复被评为安全、被漏判或被截断。

每当你更改提示词、模型或检测器时，都用一组固定的 50 个真实敏感样例测试整个流程。要统计漏掉的值，而不只是抓到的值：漏掉一个银行卡号，比一百个正确的占位符更要紧。

## 敏感音频也需要同样处理吗？

一条语音消息十秒钟内就可能包含姓名、电话号码和健康信息。转写文本会继承这一切。在把转写文本交给大模型做摘要之前先脱敏，原始音频只在必要时保留。我们的[呼叫中心转写流水线](https://broadrouter.com/zh/blog/transcribe-call-center-recordings/)展示了在转写和摘要两个步骤之间做脱敏。

## BroadNet Inference 处在什么位置

BroadNet 的[隐私声明](https://www.broadnet.ai/inference-privacy)称，其网关 “keeps no prompts, messages, images, audio, responses or transcripts”（译文：不保存任何提示词、消息、图像、音频、响应或转写文本），并且不会用推理数据 “to train, fine-tune or evaluate models”（译文：训练、微调或评估模型）。它保存的是不含内容的记录，例如耗时、token 数和费用；完整清单见[零数据保留页面](https://broadrouter.com/zh/privacy/)。密钥可以限定到你的 IP 地址。上例中使用的 [Qwen3.8 27B](https://broadrouter.com/zh/models/qwen3.8-27b/) 经过了 BroadNet 的阿拉伯语测试，当你的占位符位于阿拉伯语文本中时，这一点很重要。

以上覆盖的是服务商这一侧。它不会替你脱敏，也不会替你清理日志。无论用哪家服务商，包括 BroadNet，第 1、2、4 步都仍是你的工作。如果你需要为受监管数据签订书面的 DPA 或获取子处理方清单，请在发送数据之前先询问 BroadNet；声明中说子处理方清单可应要求提供。

相关免费工具 （英文）

-   [OpenAI-compatible API request builder](https://broadrouter.com/tools/api-request-builder/) One request, copied as curl, Python, Node or the OpenAI SDKs.
-   [LLM API cost calculator](https://broadrouter.com/tools/llm-api-cost-calculator/) Price a workload on every model at once, with cache hits, reasoning and a flat-plan check.

[免费工具 （英文）](https://broadrouter.com/tools/)

## 本文涉及的术语

[个人身份信息（PII）](https://broadrouter.com/zh/glossary/pii/)

个人身份信息（PII）是可用于区分或追溯个人身份的信息，例如姓名、身份证号或生物特征记录，以及与该人关联或可关联的其他信息。GDPR 用的是更宽泛的“个人数据”。在大模型应用中，PII 脱敏会在提示词离开你的系统之前将其移除。

[Token（词元）](https://broadrouter.com/zh/glossary/token/)

token（词元）是大语言模型读写文本的基本单位：由模型的分词器切分出的一个词、词的一部分、一个标点或一段字节序列。大模型 API 按 token 计数、设定限制，通常也按 token 计费。

[命名实体识别（NER）](https://broadrouter.com/zh/glossary/named-entity-recognition/)

命名实体识别（NER）是在文本中找出名称、并为每个名称标注类型（如人物、机构或地点）的任务。传统系统给每个 token 打标签；大模型则通常被要求以 JSON 返回实体列表，再与原文核对。

[GDPR（通用数据保护条例）](https://broadrouter.com/zh/glossary/gdpr/)

GDPR（《通用数据保护条例》，欧盟第 2016/679 号条例）是欧盟关于个人数据处理的法律，自 2018 年 5 月 25 日起适用，覆盖在欧盟设立的组织以及部分欧盟以外的组织。对大模型 API 而言，它管辖处理者合同、跨境传输和数据最小化。

[零数据保留（ZDR）](https://broadrouter.com/zh/glossary/zero-data-retention/)

零数据保留（ZDR）是一种数据处理政策：AI 服务商只为完成请求而处理提示词和输出，之后不在日志、缓存或训练数据中存储这些内容。不含内容的记录，如 token 数和耗时，通常仍会保留。

[模型许可证（model license）](https://broadrouter.com/zh/glossary/model-license/)

模型许可证是规定模型权重、代码和输出可以如何使用、修改和分发的法律条款。开放权重模型采用 Apache 2.0、MIT 等标准软件许可证，或采用自定义模型许可证，后者可能附加条件，例如限制大型商业服务。

[输入 token 与输出 token](https://broadrouter.com/zh/glossary/input-and-output-tokens/)

输入 token 是语言模型在一次请求中读取的 token，包括系统提示词、对话历史、工具定义和图片。输出 token 是模型生成回复的 token，包括思考内容。大模型 API 通常分别计价，输出一般更贵。

[数据处理协议（DPA）](https://broadrouter.com/zh/glossary/dpa/)

数据处理协议（DPA）是控制者与处理者之间的合同，规定处理者如何处理个人数据。GDPR 第 28(3) 条要求签订此类合同，并列出其内容：书面指示、保密、安全措施、次级处理者规则、数据删除或返还，以及审计。

## 常见问题

### 把个人信息（PII）发给大模型 API 安全吗？

有控制措施时可以：与服务商签订合同、有明确的数据保留和训练政策、请求前做最小化和脱敏，并保持你这一侧的日志干净。没有这些措施时，不要发送原始 PII。

### 发给 ChatGPT 或其他大模型 API 之前，需要先脱敏吗？

任务用不到的内容都要脱敏。做摘要、分类和起草时，姓名和号码通常可以换成占位符而不影响质量，收到响应后再还原。

### 脱敏（redaction）和假名化有什么区别？

脱敏是永久移除一个值。假名化是用占位符替换它，你可以凭自己保管的映射把它还原。在 GDPR 下，假名化数据仍然是个人数据，所以仍需保护。

### 零数据保留是不是意味着什么都可以发？

不是。零数据保留指服务商在请求结束后不保存内容。数据仍然离开了你的系统，并由服务商处理，所以最小化和合规检查仍然适用。

### 怎么防止提示词出现在我自己的日志里？

记录请求 ID、模型、token 数、延迟和状态，绝不记录消息正文。检查 HTTP 客户端的调试日志、链路追踪 SDK 和错误上报工具，它们常常默认会捕获请求正文。

## 继续阅读

-   [沙特与阿联酋 PDPL 和大模型 API：数据跨境检查清单](https://broadrouter.com/zh/blog/saudi-uae-pdpl-llm-api-checklist/)
-   [Safety Map：39 个大模型如何处理敏感数据](https://broadrouter.com/zh/blog/llm-safety-map-39-models/)
-   [如何测试大模型的敏感数据安全：BroadNet 的方法](https://broadrouter.com/zh/blog/llm-sensitive-data-safety-evaluation-method/)
-   [零数据保留大模型 API：10 个问题的核对清单](https://broadrouter.com/zh/blog/zero-data-retention-llm-api-checklist/)
-   [GDPR 与大模型 API：要问服务商的 15 个问题](https://broadrouter.com/zh/blog/gdpr-llm-api-checklist/)
-   [大模型 API 数据保留政策对比：OpenAI、Anthropic、Gemini、Mistral](https://broadrouter.com/zh/blog/llm-api-data-retention-compared/)
-   [呼叫中心录音怎么转写：一条支持阿拉伯语的流水线](https://broadrouter.com/zh/blog/transcribe-call-center-recordings/)
-   [大模型 API 密钥安全：存储、轮换与 IP 白名单](https://broadrouter.com/zh/blog/llm-api-key-security/)
-   [埃及数据保护法（2020 年第 151 号法律）与大模型 API](https://broadrouter.com/zh/blog/egypt-data-protection-law-llm-api/)
-   [指南：用 IP 白名单把 API 密钥锁定到你的服务器](https://broadrouter.com/zh/guides/api-keys-ip-allow-lists/)
-   [指南：用 OpenAI Python SDK 调用 BroadNet Inference](https://broadrouter.com/zh/guides/openai-python-sdk/)

用你的真实业务负载试一试。 新账户可获得 US$5 初始额度，用于 Gemma和转写。DeepSeek、GLM和Qwen3.8 需要先充值。

[开始使用](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=zh-blog-llm-api-sensitive-data&utm_content=page-cta) ·

**来源**

-   [BroadNet：开源的 LLM Sensitive Data Firewall（LSDF）及其 2026 年 5 月召回率表（2026-11-15 查阅） （英文）](https://www.broadnet.ai/blog/open-source-sensitive-data-firewall)
-   [GitHub 上的 LSDF 代码仓库，Apache-2.0（2026-11-15 查阅）](https://github.com/brntech/lsdf)
-   [Al Zubaidi，The Safety Map: What Does and Doesn't Transfer in LLM Sensitive-Data Handling，Zenodo 预印本（2026-11-15 查阅）](https://doi.org/10.5281/zenodo.19688433)
-   [OWASP GenAI Security Project：LLM02:2025 敏感信息泄露](https://genai.owasp.org/llmrisk/llm022025-sensitive-information-disclosure/)
-   [Microsoft Presidio：PII 检测与匿名化 SDK，支持的实体类型](https://microsoft.github.io/presidio/supported_entities)
-   [欧盟第 2016/679 号条例（GDPR）第 5 条和第 9 条，EUR-Lex](https://eur-lex.europa.eu/eli/reg/2016/679/oj)
-   [BroadNet Inference 隐私声明（2026 年 9 月生效，2026-11-14 查阅） （英文）](https://www.broadnet.ai/inference-privacy)
-   [BroadNet Inference API 参考 （英文）](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=zh-blog-llm-api-sensitive-data&utm_content=sources)
