OpenAI 扩展零数据留存机制：用自动化分析识别跨交互安全风险
据 IT之家 8 月 20 日消息，OpenAI 当天发布博文，宣布面向符合资格的前沿模型 API 客户扩展“零数据留存”（Zero Data Retention，ZDR）服务，并以预览版形式推出“私密安全处理”（Private Safety Processing）。这一机制的核心变化在于：在不让 OpenAI 员工接触客户底层内容的前提下，通过自动化系统分析多轮、跨交互甚至跨账户的风险模式，以应对更复杂的模型使用场景。
OpenAI 在博文中强调，ZDR 场景下，请求处理完成后不会保留提示词或模型回复，员工无法审阅客户内容，企业数据也不会用于训练模型，除非客户明确选择加入。此次扩展并不是改变企业数据保护承诺，而是试图在隐私保护与安全治理之间增加一层新的技术处理能力。
为什么逐条审核不够用了
随着前沿模型被用于更长、更复杂的任务，安全风险也不再总是出现在单次提示词或单轮回复中。OpenAI 指出，部分严重风险可能要在多轮交互之后才会显现，例如用户持续试探系统边界、拆分任务以规避限制，或在不同对话和账户之间形成关联行为。
传统兼容 ZDR 的安全系统通常更偏向逐条评估交互，即判断某一次请求或某一次回复是否存在问题。这种方式适合处理显性的违规内容，但面对跨对话、跨账户、长期试探等更隐蔽模式时，识别能力会受到限制。对于将模型接入业务流程、自动化代理或内部工具链的企业而言，这类“碎片化风险”也更难通过单点规则发现。
- 数据留存承诺：请求处理完成后不保留提示词或模型回复。
- 员工访问限制：即使内容被标记，OpenAI 员工仍无法查看客户底层内容。
- 自动化分析：系统只分析关联交互中的风险模式，而非开放人工审阅。
- 客户可控：客户可依据自身系统信息调查警报，并选择是否向 OpenAI 提供补充材料。
私密安全处理如何运作
来源显示，Private Safety Processing 可用于两类场景：一类是客户自行控制基础设施中的内容，另一类是 OpenAI 提供的存储环境。在后者中，客户内容会由客户控制的密钥加密，OpenAI 员工不持有这些密钥，因此无法访问底层提示词和模型回复。
当自动化系统识别出潜在风险后，OpenAI 接收到的并不是完整内容，而是范围受限的安全信号，用于说明涉及的活动类型，并据此判断是否需要采取处置措施。换言之，该机制试图把“看见风险模式”和“看见客户内容”分离开来：系统可发现异常活动类别，但人工人员仍不能直接读取企业数据。
如果客户收到相关警报，可通过自身系统中的信息开展调查，决定是否处置。若客户需要申诉、说明合法活动，或协助核查已经确认的滥用行为，也可以自行选择向 OpenAI 提供相关信息。这一设计将更多解释权和上下文补充权留给客户，尤其适合对数据边界较敏感的企业 API 使用者。
影响解读：企业 AI 安全从“内容审查”走向“行为模式识别”
从产业角度看，OpenAI 此次扩展 ZDR 的重点，不只是提升某个 API 功能，而是反映出企业级 AI 安全治理正在转向更复杂的阶段。随着模型被部署到代码生成、数据分析、客服自动化、代理执行等场景，风险不一定来自单条输入，而可能来自连续任务中的意图变化和策略绕过。
这也意味着，AI 服务商需要在合规、隐私和风控之间寻找新的平衡。对于大型企业客户来说，“数据不被保留、不被训练、不被人工查看”仍是采用前沿模型 API 的关键前提；但对于模型平台来说，完全缺乏跨交互风险感知，也会削弱其发现滥用行为的能力。Private Safety Processing 正是在这两个需求之间做技术折中。
OpenAI 称，该能力目前正与早期客户测试，计划于 9 月开始推出，并发布技术白皮书。公司还表示，后续会提前向客户说明更新内容、对既有承诺的影响，以及客户规划所需的时间和支持。对于关注企业 AI 部署的中文读者而言，这类机制值得持续关注：它可能成为前沿模型 API 在金融、医疗、政企和研发等高敏感场景中扩大落地的重要基础设施之一。