Article

AI Vibe Coding 10：安全与合规（权限、审计与数据边界）

· 2024-11-22-ai-vibe-coding-10-security-compliance-and-auditability.md

AIVibeCodingWorkflowProjectDriven

路线阶段：AI Vibe Coding 第 10 章。
本章目标：让 AI 协同开发既快又可控，避免数据泄露与合规风险。

学习目标

完成本章后，你应该能做到：

  1. 识别 AI 协作链路中的安全与合规风险点。
  2. 建立最小权限策略和敏感数据边界。
  3. 让每次 AI 操作可追溯、可审计、可复盘。
  4. 将合规检查前置到任务执行与发布流程。

风险面识别

主要风险面：

  1. 提示词中误带敏感信息（密钥、用户数据）。
  2. AI 产物引入不合规依赖或许可冲突。
  3. 自动化执行权限过大，误改核心资产。
  4. 缺少操作留痕，问题发生后无法追责。

最小权限模型

角色权限分层

  1. Reader：只读检索与分析。
  2. Editor：限定目录可写。
  3. Executor：可运行构建与测试命令。
  4. Release：触发发布/回滚。

AI 默认以 Reader/Editor 运行，高风险动作需人工授权。

敏感数据分级

L1: 公共信息（文档、公开配置）
L2: 内部信息（业务逻辑、非敏感日志）
L3: 敏感信息（用户标识、交易数据）
L4: 高敏信息（密钥、凭证、生产访问令牌）

规则：L3/L4 不进入普通提示词上下文。

上下文脱敏管道

public sealed class ContextRedactor
{
    public string Redact(string input)
    {
        if (string.IsNullOrEmpty(input)) return input;

        var output = input;
        output = RegexReplace(output, "(?i)api[_-]?key\\s*[:=]\\s*[A-Za-z0-9-_]+", "api_key=<REDACTED>");
        output = RegexReplace(output, "(?i)secret\\s*[:=]\\s*[A-Za-z0-9-_]+", "secret=<REDACTED>");
        output = RegexReplace(output, "(?i)token\\s*[:=]\\s*[A-Za-z0-9-_]+", "token=<REDACTED>");
        return output;
    }

    private static string RegexReplace(string s, string pattern, string replace)
    {
        return System.Text.RegularExpressions.Regex.Replace(s, pattern, replace);
    }
}

审计日志模型

[Serializable]
public sealed class AiAuditLog
{
    public string TaskId;
    public string Actor;          // human/planner/worker/reviewer
    public string Action;         // read/write/execute/release
    public string Scope;

    public long TsMs;
    public string InputDigest;
    public string OutputDigest;

    public bool Approved;
    public string Approver;
}

所有高风险动作必须记录：谁、何时、改了什么、谁批准。

合规检查清单

每次任务执行前：

  1. 是否包含敏感数据。
  2. 是否涉及受限目录。
  3. 是否使用受限依赖。
  4. 是否需要额外审批。

每次发布前：

  1. 许可证扫描通过。
  2. 安全基线扫描通过。
  3. 审计日志完整。

依赖与许可证合规

AI 生成代码可能引入新包，必须检查：

  1. 许可证兼容性（MIT/Apache/GPL等）。
  2. 安全漏洞（CVE）。
  3. 维护状态（长期无人维护风险）。

安全门禁流程

  1. AI 产出后自动跑敏感词扫描。
  2. 命中高风险规则直接阻断。
  3. 安全审查通过后才能进人工评审。

与现有流程联动

  1. 上下文工程：先脱敏再注入。
  2. 代码评审：新增安全审查维度。
  3. 发布运维：高风险改动要求双人审批。
  4. 数据飞轮：统计安全告警与误报率。

常见坑

坑 1：把敏感数据写进提示词示例

即使只在内部也会扩大暴露面，必须脱敏。

坑 2：审计日志只记录成功操作

失败和拒绝操作同样重要，才能还原攻击链路。

坑 3：把合规检查放到发布末端

越晚发现成本越高，应前置到任务起点。

本月作业

落地“AI协作安全一期”：

  1. 接入上下文脱敏器。
  2. 建立高风险操作审批与审计日志。
  3. 将安全检查接入 CI 阻断流程。

下一章：AI Vibe Coding 11《成本与吞吐优化：模型选型、路由与预算控制》。