税务数据进入大模型前应如何保护隐私

税务数据进入大模型前应如何保护隐私

税务数据里有收入、交易、家庭与经营关系。大模型接触这些资料前，机关应先确定任务是否真的需要明细。回答政策问题可用公开规则，不必读取个人税表；核对一项申报只传必要字段，敏感附件留在受控环境。数据最小化比事后强调“不会泄露”更可靠。

权限按角色和案件分配。客服能看到办理状态，不等于能翻阅全部财务资料；外包技术人员调试模型，可用脱敏样本。合同写明输入是否被保存和训练、服务器位置、分包商、删除和事故通知。查询与输出都有日志，防止模型把甲企业数据带进乙企业答复。

以一项退税核对为例，模型只需看到申请金额、相关交易字段和必要凭证，不需要读取纳税人的所有历史咨询与家庭情况。数据团队在输入前做字段清单，逐项说明用途和保存期限。若有人提出“全量数据会让模型更聪明”，应先要求证明新增字段确有必要。

技术隔离要覆盖检索与生成。把一家公司资料放进知识库后，模型是否可能在另一家公司提问时引用？测试要使用相似名称、错误权限令牌和诱导提示。日志本身也会包含敏感文本，应分级存储，定期删除。开发人员排查错误时优先使用合成或脱敏样本。

上线前做越权测试：用相似企业名、诱导提示和跨会话查询，检查系统会不会泄露。停用供应商时演练导出和删除，确保税务服务不中断。纳税人应能知道自己的信息被用于什么服务、如何提出纠错。

采购合同还需解决退出。模型更换时能否完整移交数据、删除供应商副本、解释已有自动决定？这些要求比笼统写“遵守隐私规定”更能防止风险。纳税人获得更便捷服务，不应以失去对财务资料的控制为代价。

一份可执行的数据清单可写到字段级：姓名用于核实身份，交易金额用于对应凭证，完整家庭资料与此项服务无关就不传。每个字段标注保存期和可见岗位。模型输出也要受控，不能在政策问答里带出某个纳税人的真实案例。机关定期测试跨会话泄露、错误引用与供应商分包访问，结果交给独立的隐私负责人审阅。

更安全的数据设计是让模型“看见任务所需片段”，而非把整个纳税档案复制进对话。对历史记录的跨案访问要有理由和审批，调试日志也要限期删除。发生泄露时，机关与供应商谁通知、谁调查、谁补救，提前演练清楚。

隐私不是税务 AI 的附加选项。它决定纳税人是否敢如实使用这项服务。