RAS即便签订了专属合同，涉密项目数据为何仍不能输入外部LLM
01摘要
02“不用于训练”与“不离开机构”是两个不同的问题
信息安全负责人在外部LLM合同中最先确认的条款，通常是禁止将数据再用于训练。这一条款固然重要，但涉密项目的规定还要追问一个问题：数据在被处理的那一刻身在何处？
国家情报院指南第4.2节对机构内部业务使用AI模型的情形作了如下表述。
- “应用和使用AI模型的内部业务系统，必须在与互联网等外部网络隔离的状态下运行。”
- 机构自行建设系统时，“用于AI模型训练的机构数据，以及用户提问、生成内容等开发和运行过程中产生的数据，不得直接转移到机构外部”。但如果遵守了网络隔离安全措施，例如使用安全性有保障的网间连接系统，则可作为例外。
- 对于使用云服务的内部行政业务，指南同样写明“不得使用以互联网为基础提供服务的相关技术”。
- 附录中用户信息安全守则的第一条是“禁止输入敏感信息（非公开信息、个人信息等）”。
该指南虽然面向国家和公共机构，但企业承担的涉密项目同样要遵守发包机构的信息安全规定，因此企业也面临同样的问题。
禁止再用于训练，是关于“处理之后做什么”的承诺；而规定所禁止的，从一开始就是“为了处理而把数据发送到外部”这一行为本身。无论合同条件多么优厚，都无法回答第二个问题。
| 外部LLM的使用形式 | 合同或设置能够解决的问题 | 无法解决的问题 |
|---|---|---|
| 一般对话式服务 | 关闭对话记录和训练功能 | 数据被发送到外部服务器 |
| 企业专属合同 | 禁止再用于训练、保存期限与删除、访问控制 | 提问和文档在机构外部处理 |
| 专用云环境或境内区域 | 处理位置（国家）与隔离级别 | 仍是机构网络之外、基于互联网的服务 |
| 本地部署LLM（在内部网络中直接运行） | 处理在机构内部进行 | 模型、服务器和运维须由机构自行负责 |
简而言之，专属合同是降低风险的手段，用于外部服务；本地部署LLM则是确保数据不离开机构的手段。涉密项目的规定所要求的，通常是后者。
03N²SF开放了什么，又没有开放什么
国家情报院于2025年9月发布正式版的国家网络安全体系（N²SF），旨在摆脱一刀切的物理网络隔离，使AI和云服务得以使用。它将业务信息分为机密（C）、敏感（S）和公开（O）三个等级，并对各等级采取不同的信息安全控制措施。
在生成式AI方面，哪扇门敞开、哪扇门关闭十分明确。正式版将生成式AI作为信息服务模型之一，而根据2026年10月发布的应用案例说明，即使是敏感（S）等级的业务网络，也可以接入机构批准的公开（O）等级生成式AI服务。但可发送的文件仅限O等级，C等级和S等级的文件会被拦截。
也就是说，N²SF实施之后，使用公开信息的工作可以交给外部AI，涉及机密和敏感信息的工作则留在机构内部，这一划分依然不变。在承担涉密项目的企业中，最需要AI协助的工作通常属于后者。
- 审阅并汇总项目需求文档、设计文档和测试规程
- 在以往项目文档中查找类似案例和缺陷
- 查询配置与变更历史以及设计依据
- 审查内部代码并编写文档
04国防工业现场的做法更为谨慎
这并不只是公共部门规定的问题。据2026年1月的新闻报道，韩国防卫事业厅（DAPA）向国防企业发出公函，提醒警惕利用生成式AI的黑客攻击，要求在办公电脑上禁用生成式AI，确需使用时不得输入敏感信息（以上依据报道内容，公函原文未公开）。
此外，还有每个项目与发包机构签署的保密承诺书、信息安全审计以及各项目的保密等级。对一线人员而言，很难每次都判断“这份文档能否输入外部AI”，结果往往干脆不用AI。既要守住信息安全，又要获得AI的帮助，现实的做法是将用于机密和敏感业务的AI放在机构内部。
05本地部署LLM应从何处着手准备
建设本地部署LLM并不是从采购GPU服务器开始的，首先要考虑的是数据和业务。
01先对数据进行分级。
02缩小交给AI的业务范围。
03选择模型和许可证。
04加入文档检索（RAG）和访问权限。
05以相同标准进行验证。
06做好运维和信息安全审查的准备。
06明天就要确认的事项
| 负责人 | 确认事项 |
|---|---|
| 信息安全负责人 | 我们的项目文档中，哪些不能输入外部AI？这一界限是否已形成书面文件？ |
| 信息安全负责人 | 除“禁止再用于训练”之外，我们目前使用的外部AI合同对“数据在哪里处理”作出了什么保证？ |
| 业务与工程负责人 | AI最能节省时间的三项业务是什么？这些业务处理的数据属于哪个等级？ |
| IT与基础设施 | 内部网络中是否有放置计算服务器的空间、电力和导入流程？模型更新文件将通过什么途径导入？ |
| 管理层 | “不使用AI”是我们的信息安全政策，还是仅仅因为没有替代方案？ |
07结语
VWAY曾在客户的内部网络中建设带文档检索（RAG）的本地部署LLM，并在相同数据集、相同标准下与外部参照模型进行性能验证。我们还通过MCP将安全分析工具VisualPro连接到本地部署LLM，使工程师能够以自然语言询问设计依据和变更影响。如果您希望从梳理数据等级和目标业务开始，欢迎咨询本地部署LLM建设事宜。
08常见问题
Q1如果与外部LLM签订了专属合同，难道不能输入涉密项目的数据吗？
Q2N²SF实施之后，难道不能自由使用生成式AI吗？
Q3本地部署LLM的性能是否远不如最新的外部模型？
Q4建成本地部署LLM后，可以马上用于机密文档吗？
Q5应该从哪里开始？
· 韩国国家情报院、国家保安技术研究所，《ChatGPT等生成式AI使用信息安全指南》（韩文），2023年6月29日发布（第4.2节 按建设类型引入生成式AI技术时的注意事项，第40～41页；附录 信息安全守则，第52页）
· 韩国国家情报院，《国家网络安全体系（N²SF）信息安全指南》1.0正式版，2025年9月30日发布（Byline Network，2025年9月30日报道） — Byline Network 报道
· AhnLab，《AI时代的业务网络安全：基于N2SF引入支持项目的应用案例》（韩文），2026年10月12日 — 信息服务模型2（生成式AI）说明
· Herald Business，《[独家]防卫事业厅向国防企业发出“生成式AI黑客攻击”警示公函》（韩文），2026年1月27日 — 查看报道