我的資料安全嗎：用 AI 的時候，到底有什麼離開了你的電腦（Chinese original）

「我把公司文件貼給 ChatGPT，安全嗎？」

這個問題得不到有用的答案，因為它把三件不同的事混在一起了：有什麼東西離開了你的電腦、它到了那邊會怎樣、這樣做有沒有違反你該遵守的規定。

第一篇是技術事實，可以自己驗證。第二篇是別人的承諾，你驗證不了。第三篇不是技術問題，也不是本站能回答的。

這篇只處理第一篇，然後給三條不管第二篇的答案是什麼都成立的規則。

先講清楚邊界：本文不構成法律意見，不引用任何供應商的服務條款原文（那些條款會改版，而且各地版本不同），也不替任何一家公司斷言它拿你的資料做了什麼。要確認這些，去讀你要用的那個工具的官方隱私與條款頁面，以及問你公司的法務與 IT。

先分清兩件事：雲端工具與本地工具

這是整篇的地基，詞條在本地 vs 雲端（自己跑還是呼叫 API）。

雲端工具：模型跑在別人的伺服器上。你打的字必須透過網路送到那邊，才能算出回答。這不是設計缺陷，這是它的運作方式 —— 沒有辦法「用雲端模型但不要把內容送過去」，那句話本身是矛盾的。

本地工具：模型跑在你自己的機器上。你的內容不需要出門。代表：Ollama、LM Studio。

代價要講清楚：本地方案不是「又免費又安全又強」。它的能力上限通常低於雲端最新的那幾個模型，而且吃你的記憶體與算力；下載模型本身要幾個 GB 的磁碟空間。它換到的是「內容不出門」這一件，不是全部。

詞條本地 vs 雲端（自己跑還是呼叫 API）也把另一個方向的誤解點出來了：「本地＝免費」也是錯的，硬體、電力、你自己的維運時間都是成本。

用雲端工具時，實際離開你機器的四類東西

一、你打字輸入的內容。 包含你的問題、你貼上去的那段文字、以及你上傳的檔案內容。這一類最明顯。

二、Agent 自己去讀的檔案。 這一類最多人漏掉，也是新手最驚訝的一項。

如果你用的不是網頁聊天框，而是一個能動你電腦的 AI Agent（命令列工具、AI IDE 這類），它會為了回答你的問題去讀檔案 —— 讀你的程式碼、讀你的筆記、列你的資料夾。它讀到的內容，會成為它送給模型的上下文的一部分。

你沒有「貼」任何東西，但內容還是出去了。

這件事的正常邊界在哪、它到底能看到多少，有一整篇在講：AI Agent 到底看得到你電腦裡的什麼。短版是：一個設計正常的 Agent 看得到它被啟動的那個資料夾，看不到你整顆硬碟 —— 而它每次要做超出範圍的事，應該要問你。

三、錯誤訊息與診斷資訊。 你回報一個 bug、或工具自己送出崩潰報告時，附帶的內容可能包含路徑、環境變數名稱，有時甚至包含變數的值本身。這就是為什麼怎麼讀一則錯誤訊息裡有一條「貼出去之前先塗掉密鑰」。

四、使用紀錄。 哪個帳號、什麼時候、用了多少。這一類通常不含你的內容本身，但它能證明「某人在某時用了這個工具」。

「我們不用你的資料訓練模型」這句話

你會在幾乎每一家的官方頁面上看到這句話或它的變體。它值得認真對待，但也值得看清楚它的邊界。

它承諾的：你送去的內容不會被拿去改進那個模型。

它沒有承諾的（這幾項都跟「安全」有關，但都不在「不訓練」的範圍內）：

資料不會被傳輸。 它一定會，那是雲端工具的運作方式。
資料不會被暫時存放。 多數服務會保留一段時間以維持對話、偵測濫用、或履行法律義務。保留多久，各家不同。
不會有人看到它。 多數供應商保留在特定情況下（例如濫用偵測、法律要求）檢視內容的權利。這條幾乎都在條款裡，而且很少人讀到。
資料外洩時它會消失。 如果那家公司的系統出事，你送過去的東西就在範圍內。
這個承諾適用於你正在用的這個方案。 這是最容易被漏掉的一項：同一家的「個人免費版」「個人付費版」「企業版」常常有不同的資料處理條件。你在網路上讀到的「它不用你的資料訓練」，可能只對其中一個方案成立。

還有一個更根本的問題：這是一個你無法驗證的承諾。

你可以驗證「有沒有東西離開你的電腦」（關掉網路再試一次就知道了）。你無法驗證「它到了那邊之後被怎麼用」。

所以正確的做法不是去猜哪一家的承諾比較可信，而是從源頭控制什麼東西會被送出去。這就是下面那三條規則。

三條規則

規則一：不要貼秘密

「秘密」指的是：洩漏之後，你能做的只有善後，沒有挽回。

具體包括：

API key、密碼、私鑰（見 Private Key（私密金鑰））、憑證
資料庫連線字串、內部服務的網址與埠
未公開的財務數字、未公開的產品計畫
任何「一旦出現在公開網頁上就會造成損失」的文字

這條規則有一個很好用的判斷式，比背清單可靠：

如果這段文字明天出現在一個公開的網頁上，我會不會有事？

會 → 不要貼。不會 → 可以貼。

注意「秘密」不只看內容，也看組合。單獨一個數字無害，加上公司名與日期可能就是一則新聞。

規則二：不要貼別人的個人資料

這一條跟第一條的性質不同，值得單獨講。

別人的個資不是你的東西，你沒有權利把它交給一家第三方公司。 這跟它安不安全無關 —— 即使那家公司完全可信，這個動作本身也可能已經越線。

什麼算個資，比多數人以為的寬。詞條 PII（個人識別資料）講得很準：能單獨或組合起來認出特定特定個人的都算。姓名、身分證字號、電話、住址、病歷、精確位置是明顯的；而「某公司＋某職位＋某城市」三個單獨無害的欄位放在一起，常常就指向唯一一個人。

實務上最常出事的是這幾種檔案：客戶名單、履歷、員工資料、含個資的對話記錄、從某個系統匯出來的一整張表。

如果你手上是這種檔案，而你又真的需要 AI 處理它，兩條路：

先去識別化（見 De-identification（去識別化））：姓名換成代號、公司換成「甲公司」、身分證字號與電話整欄刪掉、金額換成比例。注意詞條 PII（個人識別資料）的提醒：人眼抓不住批次資料裡的個資，一份兩千行的表格你「看過一眼」不算處理過。
用本地工具（規則三）。

規則三：敏感檔案用本地工具

這是最乾淨的一條：內容不出門，前面兩條的風險就都不存在。

什麼時候值得付這個代價（能力較弱、速度較慢、要佔磁碟與記憶體）：

檔案裡有別人的個資，而且去識別化會破壞你要做的事
內容是公司機密，而你還沒拿到明確許可
內容受法規約束（醫療、金融帳戶、受出口管制的技術資料）
你在一個不能連外網的環境裡工作

怎麼開始：圖形介面走 LM Studio，命令列走 Ollama。

一條重要的提醒：本地模型解決的是「內容不出門」，它不解決 Agent 在你電腦上亂動檔案的問題。那是沙箱與權限閘門的工作，跟模型跑在哪裡無關。兩件事要分開處理。

步驟

把一份檔案交給任何 AI 工具之前，走這五步。前三步決定「該不該給、給哪一個工具」，後兩步是送出之前的最後檢查。

步驟一：先回答那個判斷式

「如果這份檔案的內容明天出現在公開網頁上，我會不會有事？」

不會 → 直接跳到步驟四。會 → 往下走。

步驟二：確認你有沒有權利把它交出去

如果這份檔案不是你自己的（公司的、客戶的、別人的），答案不由你決定。去問主管或 IT。

公司場景有一份可以直接拿去開會的問題清單：企業資料安全基本盤。它的核心是一套四分法（公開／內部／機密／受監管），每一級對應一組明確的規則 —— 有分級，第一線的人才判得動。

步驟三：選路：去識別化，或改本地

去識別化之後任務還做得成 → 去識別化，然後用雲端工具（能力較強）
去識別化會破壞任務（例如你要它分析的就是姓名與地址的對應關係）→ 改本地工具

不要選第三條路：「我就貼一次，應該沒事。」 這條路的問題不在單次風險，在於它是一個你不會記得做過幾次的動作。

步驟四：貼之前，最後掃一眼

三個地方最容易漏：

檔案頂部與底部：信頭、簽名檔、內部編號、浮水印
附加的 metadata：文件的作者欄、修訂紀錄、Excel 的隱藏欄位與註解
你自己剛剛補上去的那句話：很多人會在貼上的內容前面加一句「這是我們公司某某專案的資料」—— 這句話本身就把上下文補齊了

步驟五：記住你貼過什麼

如果你之後要評估風險（例如那家公司出了資料外洩事件，或你公司開始做工具盤點），你需要知道你送出去過什麼。

這就是稽核記錄在個人層面的版本。做法很土但有效：給每個 AI 工具開一個筆記檔，記下日期、送出去的檔案、用途。 不需要記內容，記「送了什麼檔案」就夠。

三個常見誤解

一、「我用的是付費版，所以比較安全。」 付費通常買到的是能力、額度與支援。資料處理條件是否不同，要看那一家的方案說明 —— 有些家的企業方案確實有不一樣的條件，有些沒有，而且這件事會改版。不要從「我付了錢」推論任何資料處理上的結論。

二、「我刪掉那則對話，資料就沒了。」 你刪掉的是你這一側的顯示。你無法用它推論對方那一側的保留狀態。

三、「本地工具就完全安全。」 本地解決的是內容出門這件事。它不解決：Agent 動到你的檔案、你在本地工具裡也一樣可能貼進別人的個資、以及你的機器本身有沒有被保護。換工具不能取代判斷。

下一步

Agent 到底能看到多少：AI Agent 到底看得到你電腦裡的什麼
本地方案怎麼開始：Ollama、LM Studio
公司場景的完整框架：企業資料安全基本盤、AI 合規與風險邊界
密鑰這一類「貼出去就收不回」的東西：API Key 是什麼
詞條：PII（個人識別資料）、Data Classification（資料分級）、De-identification（去識別化）、本地 vs 雲端（自己跑還是呼叫 API）、Audit Log（稽核日誌）、Sandbox（沙箱）