收益：
- 能够根据敏感级别（公开/内部/机密/绝密）评估信息并应用“询问级别，匹配工具”反射
- 了解人工智能的数据存储、模型训练、收集和泄露风险，并将开放世界和机密世界分开
- 能够采用最小数据原则、个人数据保护以及保护不确定信息的纪律，就好像它是更高级别的一样。
外交建立在信任的基础上，而信任又建立在保密的基础上。谈判立场、情报评估、与对话者的对话内容或尚未宣布的决定如果落入坏人之手，可能会危及国家利益、谈判结果，甚至人民安全。人工智能给这一领域带来了巨大的速度，但也带来了新的、严重的隐私风险。在本单元中，您将学习如何在人工智能时代保护机密和敏感信息、哪些数据可以进入哪些车辆以及安全使用的纪律。
本单元是该模块中最关键的安全课程。这里的一个错误——将机密文档粘贴到错误的工具中——是不可逆转的。因此，这里需要记住一个条件反射：在向人工智能工具提供任何数据之前，总是要问：这个数据属于哪个类别，这个工具是否被批准用于该类别？
信息分类：基本区分
外交信息通常根据其敏感性进行分类。尽管各个机构的情况有所不同，但基本逻辑是这样的：
- 未分类/公开：已发布且可公开访问的信息。例如：官方新闻稿、公共新闻。
- 受限/内部：不公开但敏感度较低的内部信息。
- 机密：泄露可能严重损害国家利益的信息。例如：谈判立场、内部评估。
- 绝密：披露后会造成最严重伤害的信息。例如：敏感情报、关键安全信息。
经验法则很简单：任何未公开的机密信息都不会输入到您的机构尚未批准用于该类别的人工智能工具中。根据定义，公共人工智能服务未获得此类信息的认证。
提示：如果您不确定，请像老年人一样对待这些信息。说“这可能是已知的”是一个危险的猜测。在您百分百确定该信息是公开的之前，请像保密信息一样保护它。不必要的谨慎不是成本，而是保证。
人工智能的隐私风险
人工智能工具与传统软件相比会带来不同的隐私风险：
1. 数据处理和存储：您写入公共人工智能服务的文本可能会被处理并存储在该服务的服务器上。您无法控制谁访问它、保留它多长时间以及如何使用它。
2. 用于模型训练：某些服务可能会使用您输入的数据来改进模型。这就产生了您的机密信息将间接进入模型的“内存”并泄露给其他人的风险。
3. 聚合风险：单独看来无害的信息组合起来可能会形成敏感的画面。在不同时间输入的小块信息可以共同泄露一个秘密位置。
4. 访问和泄露风险：与任何外部系统一样，人工智能服务可能会遭受数据泄露。您提供的数据可能会在该违规行为中暴露。
解决这些风险的方法是建立两个独立的世界：用于开源工作的通用工具；仅限内部、安全、经批准的系统，不会导出用于机密工作的数据。切勿将两者混合。
注意：仅仅说“我是匿名的”通常是不够的。即使您删除了姓名，上下文（日期、地点、事件、参与方数量）也可能足以让专家编辑身份和职位。真正的敏感信息不是通过屏蔽来保护的，而是通过适当选择工具和媒体来保护的。
安全使用纪律
设置实用的控制流程：
- 确定班级。这些数据是公开的、内部的、机密的还是绝密的？
- 配对车辆。这个类可以用这个工具处理吗？如果没有，就停下来。
- 最低数据政策。即使在一份可行的工作中，也不要提供超出工作所需的信息。
- 保护个人数据。仅在必要时并在合法基础上处理个人数据（姓名、联系方式、位置）；如果不需要，则将其屏蔽或根本不提供。
- 保留记录。记录您在哪项工作中使用哪种工具、使用哪些数据；如果有问题，是可以追溯的。
提示：在团队中建立“隐私第一”的文化：新职员或实习生应该从第一天起就学会“机密文件不得进入公共领域”。大多数违规行为并非出于恶意，而是因为不知道车辆的开放程度。
三个迷你箱子
案例 1——反射阻止了违规行为。一位专家正要总结一份采访记录，突然停下来询问其分类：该记录是与对话者的机密对话。改用内部安全系统而不是公共工具。一个简单的“先询问班级”的反应阻止了违规行为。
案例 2 — 确认收款风险。团队会在不同的日子将看似“无害”的小信息输入到外部工具中。安全审查显示，这些内容结合起来，泄露了即将举行的谈判的议程。申请已被停止；该工作已转移到安全的环境中。
案例 3——假匿名。一名职员认为该文件是“匿名”的，因为他删除了姓名并将其交给了外部代理。然而，文件中的日期、地点和事件描述已经清楚地表明了所指的是谁。仅仅删除名字还不够；无论如何，该文档应该在安全的环境中进行处理。
四个可复制模板
1) 类别和车辆预检：
下面我将介绍一下工作。告诉我（不要做这项工作）：（1）这些数据可能有什么敏感度类别（公共/内部/秘密/绝密），（2）这个类别是否应该在公共人工智能工具中处理，（3）如果不是，需要什么类型的环境。作业/数据描述：[此处]
2) 个人数据扫描和屏蔽：
在下面的文本中列出在处理之前必须屏蔽的个人/敏感数据（姓名、职务、联系人、位置、健康状况、身份证号码）。处理文本；只需告诉我哪些区域需要删除即可。我将进行屏蔽并重新发送。文本：[此处]
3) 收款风险评估：
我正在考虑将以下信息单独导出到外部工具：[pieces]。尽管这些单独来看可能无害，但当它们结合起来时可以创造出敏感的画面（例如立场、议程、身份）吗？评估收集风险并告知哪些物品不应一起赠送。
4) 公开可用性确认：
我不确定以下信息是否公开：[信息]。列出在将其视为公开之前我需要进行哪些验证（是否有正式版本、发布者、日期）。如果我不确定，请提醒我“保密”原则。
弱提示/强提示
弱提示：
总结一下这篇采访笔记。 （隐藏内容直接粘贴到笔记中）
这是最危险的错误：一份机密文件在没有受到质疑的情况下就进入了公共媒体。泄漏风险已经发生且无法逆转。
强大提示（先检查）：
我想处理会议记录。但首先：这张纸条可能属于秘密班级。请告诉我此类文档是否可以在公共工具中处理，正确的方法是什么？我不会向您提供该文件的内容；我只是要求正确的流程。
区别很明显：根本不给出机密内容，首先询问正确的流程，并将工作定向到适当的环境。
类别到车辆映射表
信息类
例子
公共人工智能
合适的环境
公开的
新闻稿
适合的
通用工具
内部/服务特定
内注
通常没有
内部批准
秘密
谈判立场
从不
安全机构体系
绝密
敏感情报
从不
最高安全性
个人资料
凭证
仅限必要+合法
蒙面/安全
常见错误
- 输入数据而不要求班级。每次工作之前，都会反射性地问“这是哪个班级的？”是必须的。
- 假设“这可能是显而易见的”。不确定的信息受到机密保护。
- 将删除姓名误认为是匿名化。上下文可能会泄露身份。
- 忽略收集的风险。小零件在组装时可能会很脆弱。
- 混合两个世界。开放作业和分类作业在不同的工具/环境中运行。
综上所述
保密是外交人工智能使用的最关键限制。以信息分类（公开/内部/机密/绝密）、“问类、匹配车辆”反射、最小数据原则、个人数据保护和收集风险作为本单元的支柱。开源工作的通用工具；仅使用内部安全、经批准的系统进行机密工作。切勿混淆两者；如有疑问，请像老年人一样保护信息。
应用任务
列出来自您自己（或想象的）办公桌的 8 条不同数据（有些是公开的，有些是敏感的）。将每个都放在一个类中并决定“可以在哪个工具中处理它”。使用“类别和车辆预检查”模板评估不明确的问题。选择三幅作品，并结合“收藏风险评估”来检查它们是否构成敏感画面。
清单
- [ ] 我首先确定了每个数据的敏感度类别。
- 我从未输入过 [ ] 类别不适合公共车辆的数据。
- [ ] 我像上级一样守护着我不确定的信息。
- [ ] 我仅在必要且合法的情况下处理个人数据，并进行屏蔽。
- [ ] 我冒着收集和分离两个世界的风险。