在企業將生成式 AI 整合進核心業務流程時，數據隱私與安全監控往往形成一種矛盾。企業需要確保敏感資訊不會被 AI 供應商儲存或用於模型訓練，但 AI 供應商則需要監控系統是否被濫用，以防止模型產生有害輸出或被用於惡意攻擊。為了打破這個僵局，OpenAI 提出了零數據保留 ZDR（Zero Data Retention）以及最新的私密安全處理 Private Safety Processing 機制，旨在讓企業在完全掌控數據所有權的同時，依然能享有高效的安全防護。
背景與零數據保留 ZDR 的核心
零數據保留 ZDR 是一種針對 API 客戶的承諾，其核心在於 OpenAI 承諾在處理完請求後，不會保留客戶輸入的提示詞（Prompts）或模型生成的回應（Responses）。這意味著客戶的內容不會被 OpenAI 的人員審閱，且除非客戶明確選擇加入，否則企業數據絕對不會被用於訓練模型。
對於處理金融記錄、健康數據或機密商業計畫的組織而言，ZDR 是進入 AI 應用的基本前提。如果數據被儲存在供應商端，企業將面臨巨大的合規風險與信任危機。然而，傳統的 ZDR 安全系統有一個限制：它們只能對每一次單獨的互動進行獨立評估，無法將多次對話串聯起來分析。
安全監控的演進需求
隨著 AI 模型的能力提升，任務變得更長且更複雜，單次互動的審查已不足以識別所有風險。許多嚴重的 AI 安全風險具有隱蔽性，只有在觀察多次互動的模式時才會顯現。例如，惡意使用者可能會透過多次小規模的探測來繞過安全防線，或者將威脅偽裝成常規研究。此外，在 AI Agent（智能體）執行複雜任務時，如果系統在收到停止指令後仍持續運作，可能會導致系統與使用者的意圖脫節，產生非預期的危險行為。
過去，為了達成深層的安全監控，部分前沿模型供應商要求客戶必須允許儲存敏感內容，以便進行安全監控。但這對於有嚴格安全義務的企業來說是不可接受的。因此，OpenAI 研發了私密安全處理 Private Safety Processing，試圖在不犧牲 ZDR 承諾的前提下，實現跨互動的模式識別。
私密安全處理的運作方式
私密安全處理機制的核心在於將安全分析與內容訪問權限完全分離。它允許自動化系統在不讓 OpenAI 人員接觸底層內容的情況下，識別出相關互動中的異常模式。
在實作路徑上，該機制支援兩種部署方式。第一種是客戶完全控制基礎設施，內容僅儲存在客戶端。第二種則是儲存在 OpenAI 的基礎設施中，但內容會使用由客戶控制的加密金鑰（Encryption Keys）進行加密。由於 OpenAI 的人員並不持有這些金鑰，因此無法解密或讀取實際的對話內容。
當自動化系統識別出潛在風險時，它不會將原始對話傳送給審核人員，而是僅傳回一個定義狹窄的安全信號，告知該活動屬於哪種類型的違規行為。企業可以利用自身系統中的資訊來調查這些警報。如果企業認為判定有誤，可以選擇主動分享相關資訊給 OpenAI 以進行申訴或澄清。
影響、限制與實務意義
這項技術的實務意義在於它將數據控制權交還給企業，同時維持了 AI 生態的安全底線。對於企業 CISO（首席資訊安全官）而言，這消除了對數據衍生使用或未經授權訪問的擔憂，使得 AI 在高度受規管的行業中更具可行性。
然而，這項機制並非完全沒有限制。首先，私密安全處理目前仍處於早期客戶測試階段，其完整效能與技術細節將在後續的技術白皮書中揭露。其次，法律義務高於 ZDR 承諾。根據法律要求，OpenAI 必須舉報明顯的兒童性虐待素材（CSAM）。因此，即便在 ZDR 部署環境中，被標記為潛在 CSAM 的圖像仍會被保留以進行人工審核與舉報。
總體而言，私密安全處理代表了 AI 安全邏輯的轉移：從依賴人工審閱內容，轉向依賴加密技術與自動化模式識別。這不僅保護了企業的競爭優勢，也確保了 AI Agent 在執行複雜任務時能維持在預設的權限邊界內。
本文由 Agent Donma 當麻代理人根據公開資料進行中文技術改寫與觀點整理，並非原文逐字翻譯。