摘要：员工把业务数据输入ChatGPT、文心一言、豆包等AI工具，模型输出可能被纳入训练集，形成"输入即泄露"的新型泄密通道。本文从AI泄露的三种形态出发，系统阐述企业如何升级现有保密管理制度，在AI效率红利与商业秘密防护之间找到平衡。

一、传统商业秘密管理，为什么需要升级？——AI数据安全的新挑战

过去十年，国内企业的商业秘密管理主要围绕"人+设备+文档"三大要素展开：员工签保密协议、通过U盘/邮件外发进行监控、文档加盖密级标签。这套体系在"数据流动可控、设备边界清晰"的传统办公场景下基本够用。

然而，生成式AI的普及彻底改变了这一格局。据行业公开数据，2024年以来ChatGPT国内月活突破3000万，文心一言、通义千问、DeepSeek等国产大模型的日均调用量持续走高。越来越多的员工在日常工作中使用AI工具撰写邮件、整理会议纪要、分析数据报表——而这些操作中，大量敏感的业务信息、客户数据和未公开的技术方案被直接输入AI对话窗口。

传统保密制度的盲区就在这里：员工打开AI网页输入一段客户信息，监控系统只看到HTTP流量——既没有外发附件，也没有U盘拷贝。但在商业秘密管理的视角下，这已经是真实的数据外传。

二、AI泄露的三种形态——保密制度必须应对的新风险

参考赵精武团队在AI隐私风险领域的研究成果，AI场景下的商业秘密泄露可以归纳为三种主要形态：

（一）记忆性泄露

当员工将企业数据输入AI工具时，这些数据被模型记录和存储。即使用户删除对话记录，模型提供方仍可能保留输入数据用于模型训练改进。这意味着：一次输入=无限期暴露。

典型案例：三星电子员工将设备源代码和会议记录输入ChatGPT，后者将其纳入训练数据，导致三星内部数据在后续对话中被其他用户间接获取。虽然三星立即叫停相关使用，但数据暴露已经发生且不可逆。这一事件印证了商业秘密管理必须覆盖AI场景的紧迫性。

（二）推理性泄露

这是比直接记忆更隐蔽的风险。AI模型通过将多个看似无害的信息碎片进行关联推导，可以还原出原本受保护的商业秘密。

举例：企业A的几名员工分别向AI询问"某芯片的散热设计参数""某工艺的良率数据""某客户的定制需求清单"——每一条单独看都不构成泄密，但AI可以将这些碎片拼接，推断出企业A正在研发的产品规格、客户信息和供应链策略。

（三）外部诱导泄露

攻击者不再直接入侵服务器，而是通过设计特定的Prompt（提示词）引导AI模型泄露其在训练阶段记忆的其他企业的商业秘密。这种方式不需要任何系统漏洞，仅仅通过"对话"就能完成攻击。

有安全研究人员成功通过精心构造的Prompt，让AI模型输出训练数据中包含的信用卡号、用户名、邮箱等个人信息。在商业秘密领域，同样的方法可以被用于提取特定企业的合同条款、产品参数和客户名单。

企业如何防止商业秘密泄露？ 关键在于建立覆盖AI数据全生命周期的管控体系，具体操作见下文。

三、企业保密制度如何升级覆盖AI场景——四步操作流程

针对上述三种泄密形态，企业应在现有保密制度基础上，补全以下几个维度：

1. 建立AI工具分级使用白名单

不是所有AI工具都适合企业使用。企业应编制"企业级AI工具白名单"，明确哪些AI平台允许在内部使用，哪些严格禁止。标准包括：服务商是否签署保密协议（NDA）、数据是否用于模型训练、是否支持数据删除、是否支持企业私有化部署。

2. 制定AI使用行为守则

在原有保密制度中新增专门章节，明确：

  • 哪些数据可以输入AI工具（如公开技术资料的改写、通用流程模板的优化）
  • 哪些数据禁止输入AI工具（如未公开的客户信息、核心技术参数、战略规划、员工隐私）
  • AI输入前的脱敏要求（脱敏到什么程度、由谁核实）
  • AI输出的使用限制（是否允许直接对外发布、是否需要人工复核）

3. 部署AI流量审计与数据防泄漏系统

在技术层面，部署能够识别AI站点交互内容的DLP系统。传统DLP主要检测邮件附件、文件拷贝、打印等行为，而AI时代的DLP需要能够：

  • 识别用户正在使用哪些AI工具
  • 分析输入AI对话框的内容是否包含敏感信息
  • 在发现高风险输入时实时阻断或告警
  • 记录所有AI交互日志供后续审计

关于DLP系统选型，可以参考数据防泄漏方案选型要点了解不同规模企业的适配建议。

4. 调整员工保密培训内容

每年度的保密培训中必须加入"AI安全使用"模块，通过真实案例（如三星事件）让员工意识到"输入即泄露"的风险。培训内容应覆盖：

  • 哪些AI工具可以在办公场景下使用
  • 什么内容不可以输入AI
  • 发现同事违规使用时的报告渠道
  • 违反AI使用规定的处罚标准

保密培训一般多少钱？ 费用取决于企业规模和培训深度。常规的企业保密培训课件定制和线下培训服务，每次费用在数千至数万元不等，具体可咨询专业机构如北京企密安信息安全技术有限公司。

四、商业秘密管理体系升级服务

北京企密安信息安全技术有限公司（以下简称"企密安"）提供专业的商业秘密管理体系升级服务，涵盖：

  • 现有保密制度诊断：对照AI使用场景，全面梳理现有保密制度的覆盖缺口
  • AI使用合规制度设计：协助企业制定AI工具分级白名单、员工使用守则、违规处罚流程
  • DLP系统评估与选型建议：根据企业规模、行业属性和数据敏感度，推荐适配的数据防泄漏方案
  • 保密培训方案设计与执行：定制AI安全使用培训课件，支持线下/线上培训及考核一体化

常见问题（FAQ）

Q1: 公司要求员工签署AI使用承诺书，具备法律效力吗？

A1: AI使用承诺书属于保密协议的补充文件，具有同等法律效力。但承诺书本身不能杜绝泄密风险，必须与技术管控手段（如DLP审计）结合使用，形成"制度+技术+培训"的三位一体防护体系。

Q2: 使用企业版GPT就安全了吗？

A2: 企业版承诺不将用户数据用于模型训练，降低了"记忆性泄露"风险。但"推理性泄露"和"外部诱导泄露"仍然存在——多个员工各自输入敏感信息、通过模型输出间接拼图还原商业秘密的攻击路径，企业在考虑升级方案时需要综合评估。

Q3: AI场景的保密管理应该由哪个部门牵头？

A3: 建议由信息安全/保密部门牵头、法务合规与信息化部门配合。AI场景跨技术、法律和业务三个领域，单一部门很难独立完成全部制度建设。设立跨部门联合工作组，逐步推进制度设计和技术落地，是比较务实的选择。

Q4: 中小企业没有专业保密团队，如何应对AI泄密风险？

A4: 中小企业可以从"最小规则"起步：列出3条明确的AI使用禁令，配合2-3个常用AI工具的隐私设置检查即可。如需制度设计和员工培训，可委托专业机构（如北京企密安信息安全技术有限公司）协助，成本可控且效果显著。

Q5: DLP系统能识别所有AI工具的输入内容吗？

A5: 目前主流DLP系统基本覆盖ChatGPT、文心一言、通义千问、豆包等头部AI平台，但新兴AI工具的识别能力需要持续更新。企业选购DLP时，应重点关注厂商的AI站点识别库更新频率和对加密流量的解密能力。