GPTs 接入国产大模型时,需要配置哪些合规项才能完成备案、控制数据出境并留下可审计日志?
需要配三块:一是核验所选国产模型已完成生成式人工智能服务备案;二是在链路上加境内网关,做密钥托管、字段脱敏与出境判断;三是配置应用侧的内容审核、六个月日志留存和生成内容标识。仅个人本地自用、不向境内公众提供服务的场景可相应简化。
GPTs 接入国产模型的合规配置由三部分构成:模型侧备案核验、链路侧密钥与数据出境管控、应用侧内容审核与日志留痕,缺一项就不算完成接入。面向境内公众提供服务的场景适用这套配置;仅个人在本机调试、不对外提供服务且不处理他人个人信息的场景,可以只保留备案核验和密钥隔离两项。
接入前必须先核验所选国产模型是否已完成生成式人工智能服务备案,这是唯一不能由接入方自己补齐的一项。核验动作是拿到服务提供方的备案信息与算法备案清单,确认备案主体与实际签约主体一致,并把备案号写进内部服务台账;只凭销售口头承诺不算核验完成。用开源权重在自有服务器上部署模型的,备案义务落在部署方,需按属地网信部门要求确认是否走备案或登记流程。
GPTs 侧直接填写国产模型的接口地址,会同时带来密钥暴露和数据路径不可控两个问题,正确做法是在境内加一层模型网关做中转。网关承担三件事:把模型密钥收在服务端、按租户分发短时效凭证、把出口 IP 固定下来便于审计。这样 GPTs 的 Action 只认识网关地址,后续换模型或加模型都不必改动 GPTs 配置。
在 Actions 的 OpenAPI schema 里只声明路径、参数和鉴权方式,不要把密钥、内部域名或模型厂商标识写进描述文本。鉴权优先选 API Key 或 OAuth,密钥填在平台的认证配置里,而不是 schema 或 instructions 里,因为 instructions 的内容可以通过对话被逐步套出来。schema 里的 operationId 和描述要与实际开放的能力一致,声明了未开放的接口等于自己扩大攻击面。
只要 GPTs 侧的对话内容包含境内自然人的个人信息并被境外平台处理,这段链路就落入数据出境合规范畴,判断要在网关侧做而不是上线后补救。可落地的做法是字段白名单加脱敏:网关只放行模型推理必需的字段,手机号、证件号、住址等在上行前替换为占位符,回包时再在本地还原。涉及重要数据或大规模个人信息的,需按数据出境相关规定走评估或标准合同路径,这一步要在设计阶段确定,等系统跑起来再改成本极高。
接入方是内容安全的责任主体,把审核完全交给模型服务方并不构成免责,网关侧必须有一套独立的输入输出双向审核。审核策略放在网关而不是 GPTs 的 instructions 里,因为后者可以被提示词绕过;命中策略时返回固定的兜底话术,并记录命中的具体规则。行业禁限内容、涉未成年人内容、医疗金融等专业建议类问题,建议单独建策略组并指定复核人。
调用日志的留存期限不少于六个月,这是网络安全层面的基本要求,日志字段要能支撑事后追溯。需要落地的字段包括请求唯一标识、租户、所用模型与版本、耗时、命中策略、返回状态;正文内容要么不存,要么脱敏后单独加密存储。日志本身也是数据资产,跨租户查询要有权限隔离,批量导出要留审批记录。
人工智能生成合成内容的标识要求包含显式标识和隐式标识两层,GPTs 场景下这两层都可以在网关与前端拼装完成。显式标识是在最终展示的内容里加可感知提示,隐式标识是在返回结构里带上生成来源、模型标识等元数据字段。只在会话里写一句免责声明不等于完成标识,元数据要能随内容一起流转到下游系统才有效。
GPTs 无法完成境内手机号实名,账号体系必须在网关侧重建,否则回答不了“谁在什么时候用了哪个模型”这个审计必问项。可行做法是把 GPTs 平台的用户标识映射到内部账号,网关按账号发短期凭证、做配额和限流,把“谁能用哪个模型、每天多少额度”做成配置项而不是写在代码里。共享一个密钥加白名单是常见简化做法,但白名单一旦外泄就无法定位责任人,只适合小规模内部试用。
上线前用一份可勾选的清单做验收,比逐条读法规更容易落地。清单至少包含:模型备案信息已归档、网关已托管密钥并固定出口、schema 中无敏感字段、上行脱敏规则已生效、双向审核已接入、日志留存与脱敏已验证、生成内容标识已随包返回、租户配额可调。任何一项为空都不应放行对外提供服务。
内部自用与对外提供服务的合规义务并不相同,判断标准是是否向境内不特定用户提供可访问的生成式服务,而不是有没有收费。仅限内部员工、有明确账号管控、不开放公开注册的使用方式,义务集中在备案核验、密钥隔离和日志留存;一旦通过公开链接让不特定用户使用,就应按对外服务准备全套配置。国产模型按 token 计量,网关侧要同步做按租户计量与对账,否则成本和责任会一起失控。