2026-11-06 02:47:49 网络安全文章来源：ZONE.CI 全球网 0 阅读模式

天融信出席中国-东盟信息港论坛，分享“从数据跨境到安全AI应用”创新实践

Cismag
Cismag

信息安全与通信保密杂志社

2026年11月5日 17:05
四川

去阅读

数据正在像货物一样跨境流动。货物过关有海关，数据过关靠什么？

2026年世界互联网大会乌镇峰会期间，天融信科技集团高级副总裁毕学尧受邀出席中国—东盟信息港论坛，发表《从数据跨境到安全AI应用——以可信数据空间与AI赋能物流行业数据跨境安全实践》主题演讲，提出落地路径：以可信数据空间管好数据，以AI安全管住AI，以AI赋能安全提升防护能力。

据国家数据局《全国数据资源调查报告（2025年）》，2025年我国数据跨境流通总量达142.34EB，同比增长14.88%。海量流通催生四大诉求：多国合规与隐私保护、多方数据可信流通、AI预测与风险识别、数据泄露与滥用防范。

落地难点同样突出。据联合国贸发会议《数字经济报告》统计，全球已有65个国家和地区实施数据本地化政策，规则互不兼容；分类分级标准不完善，重要数据边界模糊；物流链条各方标准不一、系统割裂。归根结底是四大痛点：多方数据协同难、跨境安全风险高、跨主体信任不足、可持续运营压力大。

风险不止于“传出去”

全生命周期管控贯穿流动前中后

跨境数据风险贯穿识别、授权、传输、使用、再共享与退出全过程，不能只盯“是否出境”单一环节。毕学尧提到，流动前，做好分类分级与敏感识别，审核接收方资质，完善审批与合规审查；流动中，落实身份认证与字段级、行级访问控制，做好加密传输，全程记录日志；使用后，做好用途变更审批，限制再共享并脱敏，落实保存期限与删除返还，确保审计完整、责任可追溯。

跨境数据治理是一项持续管理工作，而不是一次性的出境判断。

AI进入真实业务

风险呈现内生、应用、衍生三个层面

对应全国网络安全标准化技术委员会《人工智能安全治理框架3.0》划分标准：内生风险来自模型自身能力边界和不确定性，如错误的延误预测；应用风险来自模型接入业务后的设计与配置，如提示词注入、工具调用被劫持；衍生风险来自智能体自主执行任务，如越权调用调度接口。

毕学尧指出，大模型和智能体应用变化非常快，一个人可以控制多个智能体，每个智能体又可能协调几十个智能体工作，行为存在不可控倾向，AI安全保护和运营必须跟上。框架有两个要点值得关注：AI加持的网络攻击正从辅助人实施向自主组织和执行演进；基于静态规则的传统防护体系面临结构性失效风险。

三项能力协同支撑

管好数据、管住AI、提升防护

平台建成，不代表风险自动可控：多方授权持续变化、日志分散关联困难、告警研判耗时。毕学尧强调，数据的使用和安全相互关联，平台不单要保障安全，还要可持续，必须围绕供需双方真实的场景需求来搭建和运营。

对此，他提出三项相互支撑的能力：可信数据空间管好数据，落实数据授权与用途控制，支持隐私保护与使用审计；AI安全保障AI自身，管理模型身份与调用权限，防护输入输出与工具调用；AI赋能安全提升防护能力，智能识别敏感数据、检测异常行为、辅助研判与闭环处置。在AI安全策略上，他进一步指出，要防患于未然——从软件漏洞发现到大模型、智能体的安全评估，把风险控制在前期，再对支撑平台加固增强，让AI运行在安全可控的环境中。

简言之，以可信数据空间管好数据，以AI安全保障AI自身，以AI赋能提升防护能力，做到风险发现更早、研判分析更准、应急响应更快。

拆解跨境物流链路

数据交换、AI调用、安全运营落地实践

毕学尧以一条跨境物流链路为实例，拆解三项能力如何在产业场景落地。以物流延误预测为例：出口企业提供订单信息，物流企业同步运输轨迹，东盟仓储伙伴提供库存状态，AI应用作为需求方支撑预测与调度。流程上分八步——提出需求、发现数据资源、核验身份、确认授权、选择传输或计算方式、可控环境使用、按约交付、全程留痕审计。并非所有数据都须离开持有方，受控传输、脱敏共享、隐私增强计算都是可选项；接入可信数据空间也不等于自动取得跨境传输许可，具体路径仍需结合适用要求判断。

数据完成授权，不代表AI可以无约束调用。围绕内生、应用与衍生三类AI风险，天融信按“先体检、再守门、后运营”的AI安全全生命周期思路，搭建对应的安全能力矩阵——AI应用，安全先行。

上线前“体检”，评估先行。依托AI安全评估系统与评估服务，以38万内容合规题库、2100多个智能体漏洞库为底座，覆盖提示词注入、越狱等对抗攻击、数据泄露与内容合规风险，从通用、模型、管理三个维度开展上线准入评估；智能体安全评估覆盖九大维度39项检查项，可检测提示词攻击与恶意MCP滥用，输出依标准、可量化的评估报告，支撑上线备案与合规整改。

运行中“守门”，防护兜底。依托大模型安全网关，抵御提示词注入与越狱攻击、阻断敏感数据外泄，支持流式还原检测与合规审计；通过智能体安全管理与API安全审计，实现告警降噪研判、数字员工管控，主动发现影子API与影子智能体，全面审计API访问行为，让每一次AI调用都有据可查。

落到物流场景，核心是四件事：拦截恶意输入、防范越权访问、阻断敏感输出、保障审计可追溯；调度优化等高风险操作保留审批与人工复核，让AI在安全范围内运行，做到可靠、可控、可审计。

平台持续产生的认证、访问、调用、告警等信息，反向反哺安全运营：从权限、过程、行为、数据四个维度分析风险，执行降权、隔离、熔断、撤销授权等处置。毕学尧谈到，智能体和AI在漏洞挖掘和利用方面的速度与能力超出想象，应对这类风险必须有相应的智能体和AI进行自动化、快速的响应——过去以人为主的响应方式已经不够用了。

从安全控制走向业务赋能

多维度指标验证方案价值

方案价值以三类指标衡量：安全指标，看跨境数据合规率、异常检测准确率、高风险事件处置效率；技术指标，看数据协作成果率、AI应用调用成功率、平台可用性与稳定性；业务指标，看跨境延误率下降、效率提升与成本优化。

毕学尧建议，中国—东盟跨境数据协作可从真实业务和重点场景起步，按治理、安全、技术、业务四个层面推进，每个层面都遵循同一套方法——先建立基线，再受控测试、复核结果、持续改进：治理层面，把参与主体、数据清单、授权依据和用途责任说清楚，以规则执行情况为基线；安全层面，落实访问拦截、敏感防护、越权限制与事件追溯，以拦截效果为基线；技术层面，关注接口可用性、处理时延、告警误报漏报，以性能指标为基线；业务层面，衡量延误识别提前量与调度响应效率，以建设前的实际水平为基线。

四个层面整体遵循“场景先行、规则和责任先行、小步验证、持续改进”的模式——成效要落在可复核的控制结果和业务价值上，而不只是平台已经上线。