# 人工智能背景下的数据安全八大发展趋势：中国信通院云计算与数字化研究所洞察（附下载） - 智慧城市行业分析 *Источник: 智慧城市行业分析* *Дата: 2026-07-14* *Язык: zh* **Кратко:** 前言 2026年7月2日，全球数字经济大会组委会主办，中国信息通信研究院（以下简称“中国信通院”）、中国通信标准化协会、中国网络安全产业创新发展联盟人工智能安全工作组共同承办的2026全球数字经济大会——云智算安全论坛在北京正式召开。 技术的每一次跃进，都伴随着新的挑战。当AI成为驱动社会运转的核心引擎，数据——这个新时代的“石油”，其安全问题已从后台走向前台，成为决定AI能否健康、可持续发展的关键基石。当数据产权的边界在AI协作中变得模糊，如何在释放数据价值与筑牢安全防线之间找到新的平衡，已成为行业关注的焦点。 在本次论坛上中国信通院云计算与数字化研究所开源和软件安全部主任郭雪对“人工智能背景下的数据安全八大发展趋势”进行了洞察。 趋势一：落实数据三权分置，推动数据产权制度成为共识 人工智能时代数据权责结构变化，传统模式难适配；数据三权（持有、使用、经营）分置可提升制度弹性，且需依场景差异化配置规则，以平衡权益、释放数据价值。 趋势二：数据安全责任从静态划分转向场景化动态适配 AI时代数据安全责任已从“谁掌握谁负责”的静态模式，转变为随场景动态变化的复杂模式。因模型与控制权的分离，责任主体扩展至大模型提供方，边界趋于模糊。为此，需通过场景识别与控制权分析等步骤，实现责任的动态精准适配。 趋势三：机密计算正在成为数据“使用中安全”的新基建 针对数据在运算阶段易暴露的痛点，机密计算利用硬件级可信执行环境（TEE）实现数据“可用不可见”。它不仅解决了多方协作、云上信任及模型保护等难题，还形成了从底层硬件、云主机、开发框架到智能体的五大应用等级，为AI时代的数据全链路安全提供了坚实的底层支撑。 趋势四：精准布控“模数共振”汇聚、训练、协同环节的数据安全 “模数共振”在汇聚、训练及协同环节带来数据泄露与确权风险。为此需布控三道防线：通过分类分级与机密计算筑牢汇聚安全；利用安全审查与权限管控强化训练防护；建立多方安全计算与身份验证体系，确保流转可控、责任可究，保障跨主体协作安全。 趋势五：可信数据空间迈向AI原生驱动新阶段 智能体成为空间的主动执行者与安全守护者，推动治理模式从静态合约转向由安全、合规类智能体实时感知的“自治与智治”，推理能力也从人工规划升级为由任务智能体自主决策的“自主执行”，实现了技术与治理的深度融合。 趋势六：以“来数加工”化解Token出海数据安全合规痛点问题 AI时代Token出海面临高频跨境、多落脚点等新风险，传统监管机制失效。通过设立“数据保税区”及“来数加工”模式，实现境外数据入境处理后结果返回的全链路闭环，有效解决合规难题，推动Token出海落地。 趋势七：从身份、权限、行为三维度构建智能体可信数据使用环境 智能体的“主动性”特征引入了新的数据安全风险。通过身份可信、权限可信、行为可信三层体系，构建智能体运行可信环境：身份可信解决谁在访问数据；权限可信解决能访问什么数据；行为可信解决数据去哪里。 趋势八：零信任理念正在缝合智能体协同工作引入的数据安全罅隙 多智能体协同面临数据流转失控与共享污染风险，如过度传递、路由不可见及记忆投毒等。为此引入零信任理念构建新边界：坚持“永不信任”将验证细化至工具调用级，基于“假设失效”管控智能体行为，并将权限从用户级下沉至操作级，从而解决智能体间的信任缺失问题。 前言 2026年7月2日，全球数字经济大会组委会主办，中国信息通信研究院（以下简称“中国信通院”）、中国通信标准化协会、中国网络安全产业创新发展联盟人工智能安全工作组共同承办的2026全球数字经济大会——云智算安全论坛在北京正式召开。 技术的每一次跃进，都伴随着新的挑战。当AI成为驱动社会运转的核心引擎，数据——这个新时代的“石油”，其安全问题已从后台走向前台，成为决定AI能否健康、可持续发展的关键基石。当数据产权的边界在AI协作中变得模糊，如何在释放数据价值与筑牢安全防线之间找到新的平衡，已成为行业关注的焦点。 在本次论坛上中国信通院云计算与数字化研究所开源和软件安全部主任郭雪对“人工智能背景下的数据安全八大发展趋势”进行了洞察。 趋势一：落实数据三权分置，推动数据产权制度成为共识 人工智能时代数据权责结构变化，传统模式难适配；数据三权（持有、使用、经营）分置可提升制度弹性，且需依场景差异化配置规则，以平衡权益、释放数据价值。 趋势二：数据安全责任从静态划分转向场景化动态适配 AI时代数据安全责任已从“谁掌握谁负责”的静态模式，转变为随场景动态变化的复杂模式。因模型与控制权的分离，责任主体扩展至大模型提供方，边界趋于模糊。为此，需通过场景识别与控制权分析等步骤，实现责任的动态精准适配。 趋势三：机密计算正在成为数据“使用中安全”的新基建 针对数据在运算阶段易暴露的痛点，机密计算利用硬件级可信执行环境（TEE）实现数据“可用不可见”。它不仅解决了多方协作、云上信任及模型保护等难题，还形成了从底层硬件、云主机、开发框架到智能体的五大应用等级，为AI时代的数据全链路安全提供了坚实的底层支撑。 趋势四：精准布控“模数共振”汇聚、训练、协同环节的数据安全 “模数共振”在汇聚、训练及协同环节带来数据泄露与确权风险。为此需布控三道防线：通过分类分级与机密计算筑牢汇聚安全；利用安全审查与权限管控强化训练防护；建立多方安全计算与身份验证体系，确保流转可控、责任可究，保障跨主体协作安全。 趋势五：可信数据空间迈向AI原生驱动新阶段 智能体成为空间的主动执行者与安全守护者，推动治理模式从静态合约转向由安全、合规类智能体实时感知的“自治与智治”，推理能力也从人工规划升级为由任务智能体自主决策的“自主执行”，实现了技术与治理的深度融合。 趋势六：以“来数加工”化解Token出海数据安全合规痛点问题 AI时代Token出海面临高频跨境、多落脚点等新风险，传统监管机制失效。通过设立“数据保税区”及“来数加工”模式，实现境外数据入境处理后结果返回的全链路闭环，有效解决合规难题，推动Token出海落地。 趋势七：从身份、权限、行为三维度构建智能体可信数据使用环境 智能体的“主动性”特征引入了新的数据安全风险。通过身份可信、权限可信、行为可信三层体系，构建智能体运行可信环境：身份可信解决谁在访问数据；权限可信解决能访问什么数据；行为可信解决数据去哪里。 趋势八：零信任理念正在缝合智能体协同工作引入的数据安全罅隙 多智能体协同面临数据流转失控与共享污染风险，如过度传递、路由不可见及记忆投毒等。为此引入零信任理念构建新边界：坚持“永不信任”将验证细化至工具调用级，基于“假设失效”管控智能体行为，并将权限从用户级下沉至操作级，从而解决智能体间的信任缺失问题。 [Оригинал](https://www.smartcity.team/professional/aidatasafety/)