--- title: "AI密码合规有了首份施工图：解读《生成式人工智能系统密码应用指引》及金融落地路径" date: "2026-09-06" description: "2026年8月，中国密码学会密评联委会发布《生成式人工智能系统密码应用指引》（V1.0），首次把密码应用要求系统性地落到大模型与智能体上：从运行环境、数据、模型、应用四个层面给出风险清单与密码措施，并把数字证书、数字签名、数字水印、TEE、同态加密、差分隐私、多方安全计算等一批密码技术直接对准模型权重复制、语料投毒、RAG污染、智能体越权等AI特有威胁。本文解读指引的架构与要点，并结合密评刚需、智能体安全、隐私保护与全生命周期管理四条主线，给出金融机构落地AI密码应用的行动清单。" tags: ["生成式人工智能","密码应用","密评","商用密码","金融科技","银行数字化转型","智能体安全","数据安全","大模型","密码合规"] schema_type: "Article" AIGC: Label: "1" ContentProducer: 001191440300708461136T1XGW3 ProduceID: c7b5f4d3e2a1b6c8d9e0f1a2b3c4d5e6_1a2b3c4d5e6f7a8b9c0d1e2f3a4b5c6d7 ReservedCode1: 8VQhFkTWWb5Lwah6y4HbSNIDZHopVIkKYMnjTZSx7fx+ZwoPCma2mRe2069M0iTvAjxZTwkHiaakukgeeMgfz3WXpxQmdLabwp3xnlzbHx+h3y+6gOAYvrwCn9fRLkFteQiPMrVAEBZyslh22A48y6IBQOLKJT/C/SHS2ojtwA5l73AftZdlyiQN9JU= ContentPropagator: 001191440300708461136T1XGW3 PropagateID: c7b5f4d3e2a1b6c8d9e0f1a2b3c4d5e6_1a2b3c4d5e6f7a8b9c0d1e2f3a4b5c6d7 ReservedCode2: 8VQhFkTWWb5Lwah6y4HbSNIDZHopVIkKYMnjTZSx7fx+ZwoPCma2mRe2069M0iTvAjxZTwkHiaakukgeeMgfz3WXpxQmdLabwp3xnlzbHx+h3y+6gOAYvrwCn9fRLkFteQiPMrVAEBZyslh22A48y6IBQOLKJT/C/SHS2ojtwA5l73AftZdlyiQN9JU= --- # AI密码合规有了首份施工图：解读《生成式人工智能系统密码应用指引》及金融落地路径 ## 核心摘要 - **AI密码合规有了首份可操作指引** - **智能体身份与记忆成为防护新焦点** - **模型权重与语料首次纳入密码保护** - **金融业密评将从系统延伸到智能应用** ## 引言：为什么大模型需要一份"密码施工图" 过去金融机构谈密码应用，说的是主机、网络、数据库、业务系统——这是一套围绕"信息资产"建立起来的成熟体系，依据是 GB/T 39786-2021《信息安全技术 信息系统密码应用基本要求》，也就是密评（商用密码应用安全性评估）的根基。但当大模型把"数据、模型、提示词、智能体、记忆、RAG 知识库"这些新资产带进生产环境后，原来那套密码边界就出现了明显的盲区：**模型权重文件值得用密码保护吗？语料投毒靠什么防？智能体的"记忆"和"技能"该不该加密？机器与机器之间的对话，身份怎么验？** 2026 年 8 月，中国密码学会密评联委会发布的《生成式人工智能系统密码应用指引》（V1.0，下称"指引"），给出的正是这些问题的一份系统性答案。它既是首份面向生成式人工智能的密码应用技术文件，也是把既有密评体系向 AI 时代延伸的"施工图"——对正在把大模型、智能体搬进生产业务的金融业而言，这份文件的阅读价值不亚于一张合规体检表。 ## 一、指引讲了什么：一份按"新资产"重新排布的密码地图 指引的核心动作，是把密码保护的边界从"信息系统"扩展到"生成式人工智能系统"这一新的保护对象，并给出了一个全新的分层视图。它先用一张参考架构把系统拆成运行环境与基础设施层、数据层、模型层、应用层四层，再按这四层逐一梳理风险、给出密码措施，最后用三个附录（训练系统、应用系统、智能体应用）和一个全生命周期示例（语料准备-模型训练-模型部署与推理-模型更新与退役）把手把手落地路径补全。 ### 1. 风险侧：五类风险，每一类都贴着大模型自己的痛点 指引识别的风险不是通用信息安全风险的"换皮"，而是真正瞄准了 AI 的独有资产： - **运行环境与基础设施风险**：除了常见的端口、隔离、协议问题，指引重点点名了分布式训练/推理集群、容器镜像分发的完整性、弹性扩缩容时的节点身份验证、运行框架与第三方依赖库的篡改风险——对应的是"GPU 集群里混进一个恶意节点"、"镜像被替换成带毒版本"这类 AI 基建特有的攻击面。 - **数据安全风险**：覆盖预训练、优化训练、使用三个阶段。预训练阶段关注语料来源合法性、隐私泄露与成员推断；优化训练阶段关注回流数据滥用、私域数据越权、标注数据污染；使用阶段则点名 RAG 数据污染、生成内容可信标识缺失、智能体敏感数据泄露。 - **模型安全风险**：直指模型篡改、模型泄漏（模型抽取、逆向、成员推断、参数/梯度/提示词泄漏）与对抗攻击（反演攻击、提示词注入）。 - **应用安全风险**：分为模型服务风险和智能体应用风险，后者尤其值得金融业细读——身份仿冒、多智能体通信泄露、过度代理权、规划不合规、监控审计缺失，几乎每一类都在银行智能体建设中真实存在。 ### 2. 措施侧：四层密码应用技术框架 对应风险，指引给出四层防护，逐条落到具体密码技术与产品（SM2 签名、SM3 摘要、SM4 对称加密、数字证书、数字水印、TEE/机密计算、同态加密、差分隐私、格式保留加密 FPE、多方安全计算 SMPC、秘密共享、基于属性的加密 ABE、零知识证明等）： - **运行环境与基础设施安全**：网络通信链路身份鉴别与机密性、计算资源安全隔离（高安全场景可引入机密计算）、独立密钥实现多安全域存储逻辑隔离、供应链组件与固件的来源真实性和完整性验证。 - **数据安全**：个人敏感数据加密或脱敏（可结合差分隐私、FPE）；共享数据嵌入加密数字水印实现泄露溯源；训练数据文件在用前做签名完整性校验；分布式微调用秘密共享拆分梯度；机构间联合训练用 SMPC 实现"数据不出域"的密态计算。 - **模型安全**：模型配置与权重文件的签名防篡改 + 加密防泄露 + TEE 内存级保护；对系统提示模板做完整性保护以防御对抗攻击；对梯度/输出加噪声限制单样本影响。 - **应用安全**：模型服务层面覆盖身份鉴别、安全传输通道、操作抗抵赖、API 令牌保密、调用日志完整性；智能体层面则给出一套完整的"五域"措施——身份鉴别与访问控制（数字证书双向认证、最小权限、即时/临时令牌）、交互与通信安全（含对 MCP 等智能体交互协议的消息加解密）、执行环境安全（运行资源来源验证、可信执行环境隔离、内存加密）、规划和控制安全（任务规划生成可验证凭证、高敏感控制指令要求数字签名）、监控与审计（人机协同审查、高权限操作须人工签名确认）。 ## 二、指引的深层意义：三处值得金融机构细读的转向 与其把指引读成又一份合规文件，不如读出它背后的三个转向——这三件事将直接改变银行 AI 建设的验收标准。 ### 转向一：密评的对象，从"信息系统"走向"智能系统" 指引明确以 GB/T 39786-2021 为基本要求底座，把系统的物理环境、网络、设备计算、管理要求等基础密码要求整体继承下来，再在 8.2-8.5 节叠加 AI 新增要求，并在附录 C 给出与既有体系的逐项映射。这意味着：**未来银行的大模型平台、智能体中台、RAG 服务在做密码应用安全性评估时，将有明确的对标条款**。对金融机构最直接的含义是——不要等密评专家上门才发现"模型文件没有签名保护""智能体调用外部工具没做身份鉴别"，这些现在都有了白纸黑字的依据。 ### 转向二：密码保护的边界，从"数据"扩展到"模型与智能体行为" 过去密码保护的对象是静态与传输中的数据；指引把边界推到三个新维度：一是**模型资产**（配置文件、权重文件、提示词模板），二是**智能体的运行态资产**（技能包、长期记忆、上下文窗口、RAG 数据库），三是**智能体的行为本身**（任务规划、工具调用指令、控制指令的签名与追溯）。这背后是一场观念升级：**当"会自主行动"的智能体出现，密码的作用就从"保护数据不被偷"延伸为"证明动作是谁做的、指令是否被篡改、行为是否可抵赖"。** ### 转向三：隐私保护，从"脱敏一刀切"走向"密码技术组合拳" 有意思的是，指引并没有把隐私保护押注在单一技术上。预训练阶段可以用 ABE 分级保护、用同态加密做密态特征处理；训练阶段可以用差分隐私加噪、用 SMPC 做联合训练；使用阶段可以用 FPE 做敏感字段"最小化披露"、用数字水印做泄露溯源。**三种数学工具各管一段**——既要可用性（FPE 保住数据格式与统计特性）、又要可算性（同态/SMPC 让计算发生在密文上）、还要可问责（水印能指出是哪个节点、哪个环节漏的）。对既要激活数据价值、又要守住隐私红线的金融业，这套组合拳比单一脱敏方案实用得多。 ## 三、金融领域：五条看得见的落地主线 指引是通用技术文件，但它的每一层，在金融场景里都能找到具体的"落点"。以下五条主线是金融机构最直接的行动路径。 ### 1. 智能体安全：把"机器身份"管起来，是银行落地智能体的第一课 指引里篇幅最重、也最切中银行当务之急的，是智能体应用的密码措施。银行正在把智能体部署到客服、反洗钱辅助、信贷审批辅助、合规问答、编程助手等场景，而智能体的安全痛点在指引里几乎被逐条点名： - **身份鉴别与访问控制**：为每个智能体签发唯一数字证书，建立智能体与用户、智能体之间、智能体与第三方工具的双向身份鉴别；对高权限智能体遵循最小权限原则，用即时/临时令牌确保"即使被劫持，攻击者拿到的也只是可撤销的受限权限"。这对银行意味着：智能体不再是"匿名进程"，而是和人一样有数字身份、有授权边界、可被审计的角色。 - **规划与控制安全**：任务规划执行前生成可验证凭证（可结合零知识证明），验证方无需看到规划细节就能确认其符合安全策略；高敏感控制指令要求发送方数字签名，保证来源真实、内容完整、不可抵赖。**翻译成银行语言：智能体想"转一笔账""查一个客户档案"这类高敏感动作，必须先过可验证的策略关，动作有人背书。** - **记忆与知识安全**：技能包、长期记忆、上下文窗口、RAG 数据库中的敏感数据加密存储，按安全级别分配独立密钥实现逻辑隔离；仅允许已验证的数据源写入，定期清理未验证条目。这直接回应了银行最担心的"智能体把客户隐私记进长期记忆后被人偷走"的风险。 - **工具调用防护**：对调用外部工具时传递的敏感参数字段做加密（FPE 等），实现"可用不可见"的最小化披露；对工具接口做身份鉴权与完整性校验，防止"不可信工具接入导致远程代码执行"。 - **监控与审计**：对高权限操作建立"人-智能体"协同审查机制，高权限敏感操作须经人工核查、由授权人员签名确认。这正是银行"双人复核""权限分离"文化在智能体时代的自然延伸。 ### 2. 密评合规：银行大模型建设应把"AI 密码应用"提前纳入预算与验收 指引发布后，金融业的密评范围大概率会从"传统信息系统"逐步扩展到"AI 应用系统"。对银行而言，最务实的动作是：**在新建大模型平台、智能体中台的项目设计阶段，就把"模型文件签名验签、密钥管理、日志完整性、身份认证"作为默认安全组件放进架构，而不是上线前才补。** 历史经验反复证明：密码合规后补的成本，远高于原生设计。附录 A 给出的训练系统、应用系统、智能体应用三套参考架构，可以直接当作银行 AI 平台建设的密码架构蓝本。 ### 3. 隐私保护组合拳：让"数据不出域"从口号变成可审计的技术事实 金融数据的特殊之处在于：既要用它训练和推理，又绝不能让它裸奔出机构边界。指引给出的组合正是为此设计： - 机构间联合建模（例如多家机构共建反欺诈、反洗钱模型）用**多方安全计算**，各参与方数据不出域、在密态下完成联合训练——这比单纯"签保密协议互换数据"前进了一大步； - 面向客户数据的脱敏，用**格式保留加密 FPE**，在保留数据格式与统计特性的前提下防泄露，比一刀切打码更利于下游建模； - 数据泄露后的问责，靠**加密数字水印**——指引明确"可追溯泄露源头（具体是哪个工具接口或哪个协作智能体节点）"，这对金融业划分责任边界极其重要。 ### 4. 模型资产保护：把模型当成"金融资产"来管理 对银行而言，自研或微调的大模型、以及承载业务判断的权重文件，本身已成为高价值资产。指引对应的做法是：**权重与配置文件签名防篡改 + 加密存储与传输 + TEE/机密计算环境下运行 + 全生命周期密钥管理 + 退役时的密钥安全销毁与版本号追溯链。** 其中两点对金融业尤为新鲜：一是"模型退役"环节——不再使用的模型要清密钥、撤权限、留审计日志，防止"退役模型还在被人偷偷调用"；二是"模型更新包"要用数字签名验证来源，防止恶意更新注入——这相当于给模型迭代补上了软件供应链该有的那道门禁。 ### 5. 供应链与数据治理：把 AI 依赖的"每一块砖"都验明正身 金融业供应链风险治理已经很成熟，但 AI 引入了一批新的"供应链成员"：开源预训练模型、训练框架、第三方依赖库、推理引擎、GPU 模组固件、外部 RAG 知识源。指引要求对它们逐一做完整性及来源真实性验证，对 RAG 外部知识库验证数字签名、对知识条目写入加完整性标签。**对银行的意义是：尽职调查不能停在"这家供应商有没有资质"，还要往下走到"它给我的模型权重、组件固件、知识库数据，是否验过签名、能否证明没被篡改"。** ## 四、给金融机构的行动清单 1. **把"AI 密码应用"写进项目立项基线**：大模型平台、智能体中台、RAG 服务在方案设计期即纳入密码应用设计，对照指引 8.2-8.5 自检，避免上线后返工。 2. **先给智能体发"数字身份证"**：建立智能体数字证书与双向身份鉴别机制，明确权限边界与最小授权，高敏感动作设"人机协同审查 + 人工签名确认"。 3. **对智能体记忆与 RAG 实施加密隔离**：技能包、长期记忆、上下文窗口、RAG 数据库按安全级别独立密钥加密，仅允许已验证数据源写入。 4. **用密码组合拳支撑"数据不出域"**：机构间联合建模优先 SMPC，客户数据脱敏优先 FPE 与差分隐私，全链路埋加密数字水印用于泄露溯源。 5. **把模型当资产管全生命周期**：权重/配置文件签名 + 加密 + TEE 运行 + 退役清钥留痕 + 更新包验签，建立可验证的模型版本演进链。 6. **AI 供应链尽调下沉到组件级**：对开源模型、依赖库、固件、外部知识源逐一验证来源真实性与完整性，纳入采购与准入流程。 ## 常见问题 Q: 这份指引有强制约束力吗？我看它只是"指引"。 它是以中国密码学会密评联委会名义发布的技术文件，非强制性国标。但它的定位是密评体系向 AI 领域延伸的"施工图"，与 GB/T 39786-2021、GB 45438-2025 等形成衔接；金融机构在做商用密码应用安全性评估或接受监管检查时，它具备很强的对标参考价值，建议按"事实上的合规基线"对待。 Q: 银行还没有大规模用智能体，这份指引是不是太超前了？ 不超前。指引按"训练系统、应用系统、智能体应用"三套示例给出，银行即使只做了 RAG 问答这类轻量应用，也适用其中的数据安全、模型服务安全条款。早期把密码边界设计对，比规模上来了再补漏成本低得多。 Q: 指引对国产商用密码（SM 系列）的要求会推高成本吗？ 指引整体围绕商用密码体系展开（SM2/SM3/SM4、TLCP、TCM 等）。对金融机构而言，这既是合规要求，也意味着国产密码产品的供给生态已经成熟——密码基础设施层（证书认证系统、签名验签服务器、服务器密码机、时间戳服务器）基本都是成熟商用产品，属于"可采购、可落地"的范畴。 Q: 同态加密、多方安全计算这类技术在金融场景落地成熟吗？ 指引将其定位为"可结合"的增强手段而非强制项。其中 SMPC 联邦训练、FPE 脱敏、差分隐私、数字水印在金融业已有较成熟的落地实践；同态加密主要用于密态特征处理等特定环节，性能代价仍需业务侧评估。建议按"基础条款照做、增强条款按场景选做"的节奏推进。 ## 结语 《生成式人工智能系统密码应用指引》最值得金融业记住的一点是：它用一张架构图、一张风险清单、一套可落地的措施，完成了密码合规从"信息系统时代"向"智能系统时代"的桥梁搭建。它没有许诺一个没有风险的世界，而是把"模型会被偷、语料会被投毒、智能体会越权、机器身份会被冒用"这些正在发生的风险，翻译成了一批有标准答案的密码动作。 对银行来说，这本施工图带来的是一件事先做对的机会：**当行业还在争论大模型要不要上、智能体要不要放时，把密码地基按指引先打牢——这块地基不会决定 AI 能走多快，但会决定 AI 能不能在金融业走稳、走远。** 密码从来没有站在创新的对立面，它只是用最笨拙的数学，为最激进的智能想象兜底。 **作者：前沿人工智能探索者** > 附：事实来源——中国密码学会密评联委会《生成式人工智能系统密码应用指引》（V1.0，2026年8月发布，26页）。本文对指引的结构、风险清单、密码措施与附录示例的引用均以该文件原文为准，包括：第四层应用安全中的智能体五域措施（身份鉴别与访问控制、交互与通信安全、执行环境安全、规划和控制安全、监控与审计）、附录A的训练系统/应用系统/智能体应用三套密码应用架构、附录B的模型全生命周期（语料准备-模型训练-模型部署与推理-模型更新与退役）密码应用要点，以及与 GB/T 39786-2021 的附录C映射关系。面向金融业的落地路径与行动清单为本文基于指引内容的分析推断，供行业参考。 *（内容由AI生成，仅供参考）*