跳到正文
全部标签

# 数据安全

共 4 篇文章

  • AI Agent 进公司流程前,谁来给它踩刹车?

    AI Agent 进公司流程前,谁来给它踩刹车?

    Microsoft 2026 Work Trend Index 把企业推向 Frontier Firm,Databricks 也开始强调治理 AI agents 能做什么。对数据团队来说,Agent 进公司流程前最该问的不是能不能自动跑,而是谁给它身份、权限、审批和日志边界?
  • AI 合规开始变严,普通数据人要知道哪几件事?

    AI 合规开始变严,普通数据人要知道哪几件事?

    AI 合规不只是法务问题。随着生成式 AI、深度合成标识、拟人化互动等监管要求逐步落地,数据分析师、数据开发和数据产品经理需要知道数据来源、授权范围、敏感信息、输出标识、日志追溯和责任分工这些工作边界,避免把企业 AI 项目做成不可追溯的生产黑箱。
  • 企业 AI 数据合规入门:数据人必须懂的四条边界 MAX

    企业 AI 数据合规入门:数据人必须懂的四条边界

    企业 AI 应用上线前,数据团队不能只说“先接数据试试”。本文从生成式 AI 暂行办法、AI 生成合成内容标识和个人信息保护要求出发,给数据开发、数据治理负责人和 AI 产品经理一套四条数据边界检查法:来源授权、敏感信息、模型使用、输出追溯。
  • 数据治理工程师 L3:治理体系

    数据治理工程师 L3:治理体系

    资深数据治理专家进阶路线:建立企业级数据治理体系,推动数据资产管理、数据安全合规和数据血缘追踪3大核心能力落地。面向3-5年数据治理从业者,提供从单点治理到全局体系化的能力跃迁路径,附治理成熟度评估模型和真实企业案例。