白宫SIF工作组：让企业的安全承诺真正落地
原创 洪延青 2026-10-16 07:32 北京
围绕着风险信息的安排
编者按
针对美国的人工智能监管政策发展，本公众号发表过如下文章：
10 月 9 日，Anthropic 披露了这样一类事件：一个 AI 模型在测试中，本应填写政府表单的练习副本。副本没有正常加载，或者被模型误关之后，模型转而找到真实网站，把表单提交了上去。公司称，这批事件造成的实际影响有限。〔1〕
这件事值得关注之处，在于企业内部的测试已经产生了外部后果。对模型来说，找到另一条路径，似乎仍然是在完成任务；但对真实网站的运营者来说，它接收到的已经是一次实际操作。开发商可以停止测试、调整配置，受影响机构则需要知道发生了什么、自己的系统是否仍有风险，以及接下来应当采取什么措施。
白宫新成立的“超级智能工作组”（Super Intelligence Force，简称 SIF）对此提出要求：企业应当立即披露事件，向受影响者提供补救，配合执法机关，并采取防止再次发生的措施。工作组明确表示，通报和整改“不是可选项”。〔2〕
SIF 由国家情报总监 Jay Clayton 牵头，承担白宫层面的跨部门协调工作。据已经披露的章程，其任务包括研究 AI 风险、安全标准，以及政府和私营部门的准备与响应能力，工作周期为 120 天。具体的技术评估、行业防护和执法，仍需由具有相应能力和权限的机构承担。〔3〕
公号君的判断是，这一工作组的制度价值，在于为企业的安全承诺建立公共监督的承接机制：企业负责开发模型和实施安全控制，企业之外的主体则需要能够核验风险、推动纠正，并在应当追责时落实责任。
这也是理解美国前沿 AI 治理的一条线索。这里所说的前沿 AI，主要指能力处于领先位置、受到重点安全关注的先进模型。当模型被接入网站、软件和其他工具，能够连续执行任务时，安全管理就需要进一步关注它能够采取哪些行动、谁赋予了这些权限，以及行动出错后由谁处理。
沿着这条线索，可以把有关 SIF 的讨论归结为四个相互关联的问题：企业为什么会认真履行承诺，外部评估如何取得独立判断的条件，政府怎样将风险信息转化为行动，以及形成的安全标准会如何影响合作与竞争。
一、让认真投入安全的企业不吃亏
企业在 AI 安全中承担主要责任，有一个现实基础：它们掌握着最直接的知识和控制能力。
研究人员了解模型的训练方法，工程团队掌握测试环境和工具配置，安全团队能够查看内部运行记录，管理层则决定是否增加投入、调整研发安排或者暂停某项活动。模型开发过程中大量具体的安全决定，都要由这些主体作出。公共监督要发挥作用，也必须能够与企业内部的决策和执行过程相衔接。
白宫与主要 AI 企业签署的安全协议，正是从这里入手，提出四层安排：
- 内部控制：持续监测模型能力和行为，发现偏离预期的情况。
- 内部安全团队：检查控制措施是否实际运行，并具备推动问题处理的权限。
- 外部审计或评估：由企业之外的人员检查控制、监测和检测是否有效。
- 董事会监督：由董事会层面的独立委员会接收报告，监督问题整改。〔4〕
这套安排试图解决的，是安全信息如何进入企业决策的问题。【参见人工智能适应式治理的风险信息机制与制度构造（学术专论）】研究人员发现了风险，如果只能把它写进一份技术报告，却无法影响人员、预算和研发进度，风险就可能继续存在。把安全团队、外部评估者和董事会联系起来，是为了让发现问题的人能够推动掌握决策权的人采取行动。
白宫此前的政策也为企业自主安排保留了空间。6 月的行政令要求政府与开发商建立自愿合作框架，开展前沿模型网络能力评估，并通过提前访问等安排支持安全部署；同时明确，不据此建立强制性的模型开发或发布许可制度。〔5〕
从这种制度设计看，政府希望利用企业的技术知识，让企业根据自身情况改进安全措施。但这还需要解决另一个问题：企业愿意为安全投入多少资源？
不妨设想两家处于竞争中的 AI 企业。一家发现模型在某些任务中会绕过限制，于是增加安全人员，投入更多算力进行验证，并推迟发布。另一家继续优先提升模型能力，较早推出产品，取得客户和收入。如果第一家承担了安全投入的成本，第二家却通过更快发布获得竞争优势，那么，即使两家负责人都赞同“安全很重要”，具体经营决定也可能朝着不同方向发展。
这时候，企业面对的是一个很实际的选择：下一笔预算用于增强模型能力，还是用于验证已有能力是否能够得到控制？下一批研究人员投入产品开发，还是投入安全研究？这些选择会直接影响产品进度，也会影响投资者和客户对企业的评价。
因此，安全承诺能否持续履行，需要连同企业所处的竞争条件一起考察。
美国外交关系委员会（CFR）的 Connor Martin 据此指出，企业是否改变行为，要看安全失误的成本能否影响其资源分配。他借鉴投资安全审查中风险缓解协议的经验，强调要求应当有效、可核验，并能够受到持续监督和执行。〔6〕
大西洋理事会的 Trisha Ray 则从其他行业经验中归纳出自律发挥作用的条件：成员之间存在共同风险，违反承诺会产生实质后果，履行情况能够接受外部核验，并有可信的公共执行机制作为支撑。〔7〕
共同风险能够促成合作。一家企业发生严重事故，公众对整个行业的信任都可能受到影响。但共同风险并不会自动消除企业之间的竞争。每家企业仍然可能希望其他公司多做安全工作，自己则保留较快的发展速度。
政府介入的一项重要作用，就是使履行安全承诺与企业自身利益形成稳定联系。企业可以根据模型和业务特点选择措施，但隐瞒问题、拖延整改或者违反明确要求，应当产生可以预期的后果。认真投入安全的企业，才不至于因为遵守共同承诺而持续处于不利位置。
从这个角度看，SIF 推动企业合作，需要同时考虑合作的履行保障。承诺文本是否完整、参加企业是否足够多，说明的是合作基础；承诺能否受到核验，违反承诺会有什么后果，才会影响企业每天作出的选择。
而要让责任后果影响企业行为，首先就要能够查明事实。这又把我们带到独立评估的问题。
二、独立评估，先看谁掌握证据
把外部评估者请进来，与让评估者具备独立判断的条件，是两件相互关联的事。
前者关注评估人员来自哪里，后者关注他们能够看到什么、如何分析，以及能够把结论告诉谁。在前沿 AI 领域，模型、运行记录和大量技术资料掌握在开发商手中。外部评估者要完成工作，往往需要持续依赖开发商提供访问和配合。
先看评估者需要做什么。
一方面，他们可能通过测试观察模型在特定条件下会采取哪些行动。这需要了解模型版本、工具权限和运行环境。另一方面，他们还要检查企业承诺的安全程序是否实际运行，例如异常行为怎样被发现，安全问题怎样被上报，管理层接到报告后是否采取了措施。这就需要接触相应记录和组织信息。
资料的范围，会直接影响结论的范围。
例如，假如企业提供的是经过筛选的一批测试结果，评估者可以检查这些结果，却未必知道还有哪些失败案例没有被提供。又如，同一个模型在不同工具权限下，能够采取的行动并不相同。如果评估时使用的是权限受到较多限制的环境，就需要进一步说明，结论适用于哪些运行条件。
这些问题涉及评估者开展工作的客观条件。人员的专业性和诚实固然重要，但专业判断也需要足够的事实依据。
布鲁金斯学会的 Tom Wheeler 因此强调，评价外部监督，应当考察谁选择评估者、评估者向谁报告，以及发现问题后谁能够要求纠正。企业引入外部人员之后，这些关系仍然需要具体安排。〔4〕
10 月 13 日，路透社关于评估合同谈判的报道，使这一问题更加具体。报道援引匿名知情人士称，Anthropic 和 OpenAI 曾寻求对评估报告的发表保持较强控制。Anthropic 回应称，既有合作评估者掌握方法、结论和发表，但对新评估机构保留评论和批准报告的权利；OpenAI 则否认寻求报告全文批准权，称其做法是删除保密信息，并允许评估者披露重大删节。〔8〕
这些谈判仍在变化，但已经呈现出一项实际的制度关系：评估者需要企业提供资料，企业希望保护商业秘密，而判断安全风险所必需的证据，又可能与企业的敏感信息相重叠。
从企业角度看，模型研发包含大量投入，向外部机构开放系统和资料，需要防范泄露与不当使用。从评估者角度看，资料是否足够完整，直接决定其能否判断模型存在什么风险、企业的控制是否有效。两方面的需求，都应当进入制度安排。
这里需要区分两个判断：一份资料是否适合向公众公开，以及负责核验风险的主体是否应当获得这份资料。对公众披露、向专业评估者提供资料、向负有监督职责的政府机构报告，可以采用不同的信息范围和保密条件。
换句话说，保密要求可以通过限定接收者、使用目的和保存方式来落实，同时为必要的安全核验保留访问条件。真正需要明确的，是哪些资料属于核验所必需，谁有权判断资料是否充分，以及企业和评估者发生分歧时如何处理。
在取得资料之后，还要看评估者能否自主选择方法、形成结论，并按事先确定的程序报告。企业可以对事实和方法提出异议，但异议怎样处理，不能完全取决于结论是否符合企业的期待。
独立评估的意义，在于企业之外的主体能够依据必要证据作出判断，并使这一判断进入可以推动行动的程序。
因此，SIF 推动独立评估，需要把访问、核验、报告和争议处理这些条件一并落实。协议中的原则，只有进入合同和监督程序，才会改变评估者实际能够做什么。
接下来还有一步：可靠的结论形成之后，由谁据此采取行动？
三、从事故报告到风险降低，政府需要组织什么？
SIF 对 Anthropic 事件提出的要求，已经把信息披露与后续补救联系起来：企业应当报告事件，向受影响者提供补救，配合执法，并采取防止再次发生的措施。〔2〕
把这些要求放到实际处理中，就会发现，每一个环节都有自己的任务，也有不同的责任主体。
企业需要说明发生了什么。政府和受影响者需要核验事件范围，判断风险是否仍然存在。开发商需要调整模型或运行环境，受影响机构则可能需要检查自己的系统。措施采取之后，还要确认是否有效，并向其他可能受到影响的主体提供必要信息。
因此，报告制度首先要解决的是信息何时进入公共响应程序。【参见人工智能适应式治理的风险信息机制与制度构造（学术专论）】
例如，一家企业发现模型曾对外部系统采取未经预期的行动，但还没有查清全部经过。此时，如果企业把“调查尚未结束”作为等待的理由，受影响机构就可能继续暴露在风险之中。制度需要明确，哪些情况应当先行通报，初步通报应当包含什么，以及后续调查结果如何补充。
这类程序安排的作用，是使信息能够在仍有助于防护和处置的时候送达。报告越完整越好，但等待完整信息本身，也可能产生需要考虑的风险。【参见人工智能适应式治理的风险信息机制与制度构造（学术专论）】
政府收到报告后，还要有能力理解和核验。模型当时执行什么任务，拥有何种权限，采取了哪些外部操作，原有控制为何没有发挥作用，都需要结合技术记录进行分析。接收报告的机构如果缺少相应人员和能力，就容易持续依赖企业对自身行为的解释。
整改则需要同时关注开发商和受影响机构两端。
开发商能够采取的措施，包括停止有关测试、调整联网范围、收紧工具权限或者改进监测。受影响机构可能需要检查系统、修补漏洞、恢复业务，并核验数据和服务是否受到影响。两边的工作相互联系，也需要分别落实。
以医院为例，假如先进 AI 工具发现了医院系统中的一批漏洞，医院还需要判断哪些问题最紧迫，修复会不会中断诊疗业务，现有软件是否能够升级，以及采取措施后怎样验证效果。有些医院缺少专门人员，有些无法承担较长时间的系统停机。仅仅向它提供一份漏洞清单，并不能完成这些工作。
这也是前沿 AI 防御能力落地时的一项基本约束：工具提供了能力，组织还要能够使用这种能力。
美国战略与国际问题研究中心（CSIS）的 Carol Kuntz 与 Lauryn Williams 强调，漏洞发现之后，需要形成能够部署的修复措施，并配套安全基础设施和工作流程。〔9〕 新美国安全中心（CNAS）的 Vivek Chilukuri 也指出，获得先进模型的访问机会，与从中取得实际防护收益之间，还隔着人员、资源和组织能力。〔10〕
由此看，政府协调应当同时连接开发商和实际承受风险的行业。对资源充足的大型企业，协调重点可能是信息共享、技术配合和处置分工；对医院、社区银行、地方公用事业等机构，还需要考虑专业人员、修复服务和资金从哪里来。
10 月 13 日，参议员 Maria Cantwell 与 Mike Rounds 向 SIF 和白宫科技政策办公室提出的建议，就把这项工作进一步落实到具体机构。〔11〕
首先，他们建议由美国国家标准与技术研究院（NIST）等机构推进可测量的安全标准，既关注模型具有何种能力，也关注开发、训练、测试和内部使用环境是否安全。共同的标准，使企业、评估者和政府能够围绕相近的依据，讨论控制措施是否达到要求。
其次，建议利用国家实验室等设施扩大联邦独立测试能力，并引入大学、独立研究机构和合格第三方。这样，可以增加能够理解和检查先进模型的主体，为公共监督提供相应的技术判断能力。
再次，建议推动防御性 AI 工具的开发、验证和推广，使关键基础设施、中小企业及州和地方政府能够实际使用。政府取得模型访问之后，还要进一步组织能力的应用，让其他机构从中获得防护收益。
落实这些建议，需要持续运行的机构、人员和经费。高层工作组可以确定优先事项、协调分工，但标准制定、模型测试、行业支持和整改核验，都需要由相应机构长期承担。
法律上的执行依据也要在这里衔接起来。SIF 已经明确提出通报与整改要求，其公布的声明尚未列明不履行要求的具体执法机制和处罚。〔2〕 哪些事项能够依靠既有权限处理，哪些需要进一步制定规则，哪些需要国会授权，应当分别明确。
政府的责任，需要落实为一套能够运转的安排：风险信息有人接收，事实有人核验，措施有人组织，结果有人检查。这套安排建立起来，企业报告的安全问题才会转化为受影响者能够感受到的实际保护。
四、安全标准进入市场之后，竞争条件也会改变
前面的讨论主要围绕国内治理展开。但当安全评估、事故报告和整改逐渐形成共同规则之后，这些规则还会影响企业之间、国家之间的合作与竞争。
原因很直接：安全标准一旦被用于采购、部署或者合作伙伴选择，就会影响谁能够提供产品和服务。
假设一家银行准备采购 AI 服务，要求供应商提交经过认可的独立评估报告。那么，模型能力和价格仍然重要，但供应商还需要证明，其模型和安全管理符合银行接受的要求。如果许多银行采用相同标准，能够提供相应证明的企业，就更容易进入这一市场。
这种安排具有实际价值。大多数使用者都没有能力从头检查每个先进模型。共同的标准和可信评估，可以帮助它们比较供应商，减少重复检查，并使企业的安全投入获得外部认可。
但标准和评估的形成过程，也因此具有了市场意义。
谁制定标准，谁就能够影响企业需要证明哪些事项；谁认可评估机构，谁就能够影响企业通过哪些渠道取得证明；谁把评估结果用于采购和部署，谁就能够进一步影响市场机会。安全要求由此通过具体的交易关系，传递为企业面临的竞争条件。
CFR 的 Vinh X. Nguyen 在讨论 SIF 时，已经把安全评估、认证和保障服务视为美国可能形成竞争优势的领域，并提出通过标准和采购要求影响模型的国际应用。〔12〕 这一政策主张提示我们，前沿 AI 的国际竞争，还会涉及安全判断的形成方式和认可范围。
各国建设评估能力、争取模型访问，也就同时关系到安全防护和规则参与。
一个国家如果能够接触先进模型、开展独立测试，就更有条件判断哪些指标重要、什么证据充分、某项控制是否有效。反过来，如果主要依靠其他机构提供的结论，参与规则讨论时就会受到相应限制。技术判断能力，会影响其在制度讨论中能够提出什么问题、支持什么方案。
英国政府 10 月 12 日确认，在与领先开发商和美国政府合作后，英国 AI 安全研究所正在评估最新一代先进模型；同时研究加强严重 AI 事件和险情的识别、报告与响应。〔13〕 这体现了模型访问、政府评估能力和国际合作之间的联系。
同期科学界的一封公开信则提出，对具有网络能力的模型初期默认采用断网隔离等控制，并与政府和技术专家协商建立国际机构，制定对齐和隔离标准，记录控制失效事件，推动事故信息最终公开。〔14〕
这里的“对齐”，涉及怎样使模型的行为更符合预期；“隔离”，涉及怎样通过外部技术条件限制模型能够采取的行动。公开信希望将两方面结合起来，逐步形成允许模型获得更广泛外部访问的共同依据。
这项倡议还强调，安全知识需要通过事故信息共享来积累。一家机构遇到的失败，如果能够被其他机构理解和核验，就可能帮助它们改进控制；不同机构的经验汇集起来，也能够为共同标准提供依据。拟议国际机构如何组成、取得什么信息、怎样推动公开，都会影响这种作用能否实现。
对于中国而言，观察美国前沿 AI 治理，可以沿着这条关系进一步展开。除了关注是否出现新的限制措施，还需要关注评估指标怎样形成、哪些机构能够参与测试、不同结果如何获得认可，以及企业需要开放何种信息才能满足有关要求。
这些安排如果进入采购、部署或者市场准入条件，就会影响中国模型和企业的国际活动。判断其影响，需要回到具体规则：要求是否与风险相对应，测试是否能够复现，证明渠道是否合理开放，以及不同企业是否承担相称的合规成本。目前，SIF 尚未形成完整的对外认证或准入制度，这些问题构成观察其后续发展的具体方向。
回到工作组本身，企业自律与公共监督之间的关系已经比较清楚。企业掌握模型研发和日常控制，需要承担相应的安全管理责任；外部评估者需要取得必要证据，形成能够进入监督程序的判断；政府则需要明确执行分工，并组织测试、整改和行业防护能力。每一环节都要有相应主体承担，前一环节的成果才能成为后一环节采取行动的依据。
公号君更关心的，是 SIF 能否把这些职责落实到长期承担任务的机构，并配套必要的权限、程序和资源。企业知道何时应当报告，评估者知道能够取得什么，政府部门知道何时应当采取行动，受影响者知道可以获得什么支持，安全承诺才有持续接受核验、纠正和追责的制度基础。
这应当成为评价工作组 120 天成果的主要尺度。
尾注
〔1〕Anthropic，〈Investigating unintended model actions in our evaluations and internal use〉，2026 年 10 月 9 日，按 2026 年 10 月 15 日读取的页面内容。有关事件经过、实际影响和公司整改措施，均为 Anthropic 披露。原文
https://www.anthropic.com/research/investigating-unintended-model-actions
〔2〕Maria Curi、Marc Caputo、Ina Fried，〈Exclusive: Anthropic breaches spark White House AI reporting mandate〉，Axios，2026 年 10 月 9 日。文末载有 SIF 关于事件通报、补救、配合执法及防止再次发生的声明全文。报道及声明
https://www.axios.com/2026/10/09/anthropic-ai-security-white-house
〔3〕Jacob Wendler，〈Read the charter for the White House’s ‘Super Intelligence Force’〉，POLITICO，2026 年 10 月 6 日，Yahoo 转载。工作组任务及 120 天周期依据该报道所披露的章程内容。原文转载
https://currently.att.yahoo.com/att/read-charter-white-house-super-213000207.html
〔4〕Tom Wheeler，〈Trump’s ‘morally binding’ AI pact is not enough〉，Brookings，2026 年 10 月 6 日。介绍白宫协议的四层控制安排，并讨论外部评估、公共披露和整改权限。原文
https://www.brookings.edu/articles/trumps-morally-binding-ai-pact-is-not-enough/
〔5〕The White House，Executive Order 14409，〈Promoting Advanced Artificial Intelligence Innovation and Security〉，2026 年 6 月 2 日，尤其参见第 2 条与第 3 条。行政令原文
https://www.whitehouse.gov/presidential-actions/2026/06/promoting-advanced-artificial-intelligence-innovation-and-security/
〔6〕Connor Martin，〈Trump’s AI Safety Pact Is Toothless. But There Is a Path Forward.〉，Council on Foreign Relations，2026 年 10 月 1 日。讨论企业商业激励与安全承诺的有效性、可核验性及执行保障。原文
https://www.cfr.org/articles/trumps-ai-safety-pact-is-toothless-but-there-is-a-path-forward
〔7〕Trisha Ray，〈What could make AI self-regulation work?〉，Atlantic Council，2026 年 10 月 2 日。以其他行业经验讨论共同风险、责任后果、外部核验及公共执行机制。原文
https://www.atlanticcouncil.org/dispatches/what-could-make-ai-self-regulation-work/
〔8〕Aditya Soni，〈Behind AI industry’s call for independent reviews, a fight over what gets made public〉，Reuters，2026 年 10 月 13 日，CNA 转载。正文同时保留匿名信源所述谈判情况及两家公司的回应。原文转载
https://www.channelnewsasia.com/business/exclusive-behind-ai-industrys-call-independent-reviews-fight-over-what-gets-made-public-6455551
〔9〕Carol Kuntz、Lauryn Williams，〈Making AI Work for Cyber Defenders: A Strategy for Strengthening U.S. Cybersecurity〉，CSIS，2026 年 7 月 15 日；另参见两位作者 2026 年 8 月 19 日对安全基础设施、工作流程及漏洞修复问题的说明。研究报告、作者讨论
https://www.csis.org/analysis/making-ai-work-cyber-defenders-strategy-strengthening-us-cybersecurity
https://www.csis.org/podcasts/cache-me-if-you-can/making-ai-work-cyber-defenders
〔10〕CNAS，〈Noteworthy | Promoting Advanced Artificial Intelligence Innovation and Security〉，2026 年 6 月 3 日，尤其参见 Vivek Chilukuri 关于模型访问与实际防护收益的评论。原文
https://www.cnas.org/press/noteworthy/noteworthy-promoting-advanced-artificial-intelligence-innovation-and-security
〔11〕Maria Cantwell、M. Michael Rounds 致 Jay Clayton、Michael Kratsios 的联名信，2026 年 10 月 13 日，参议院商务委员会公布。该信提出标准、独立测试和防御性 AI 方面的政策建议。信件全文
https://www.commerce.senate.gov/wp-content/uploads/2026/10/AI-and-Cybersecurity_Cantwell-and-Rounds_10.13.26.pdf
〔12〕Vinh X. Nguyen，〈How to Make the AI Task Force a Success〉，Council on Foreign Relations，2026 年 10 月 7 日，尤其参见标准制定、盟友参与及对华竞争部分。原文
https://www.cfr.org/articles/five-ways-to-make-the-new-ai-task-force-a-success
〔13〕英国政府，〈Britain steps up national defences against growing AI risks〉，2026 年 10 月 12 日。公告区分已开展的模型评估与正在研究的法律和事件报告措施。官方公告
https://www.gov.uk/government/news/britain-steps-up-national-defences-against-growing-ai-risks
〔14〕〈An Open Letter on AI and Cybersecurity from the Scientific Community〉，2026 年 10 月，2026 年 10 月 15 日访问。国际机构、标准协调和事故公开均为公开信提出的倡议。公开信原文
https://ai-security-letter.org/
— END —
文章索引
数据保护官（DPO）社群主要成员是个人信息保护和数据安全一线工作者。他们主要来自于国内头部的互联网公司、安全公司、律所、会计师事务所、高校、研究机构等。在从事本职工作的同时，DPO社群成员还放眼全球思考数据安全和隐私保护的最新动态、进展、趋势。2018年5月，DPO社群举行了第一次线下沙龙。沙龙每月一期，集中讨论不同的议题。目前DPO社群已超过400人。关于DPO社群和沙龙更多的情况如下：
关于我国对人工智能技术和应用的监管发展，本公号发布过以下文章：
关于我国《个人信息保护法》的立法、标准化和执法等内容，本公号发表的相关文章包括：
DPO线下沙龙的实录见：
域外数据安全和个人信息保护领域的权威文件，DPO社群的全文翻译：
传染病疫情防控与个人信息保护系列文章
关于数据与竞争政策的翻译和分析：
健康医疗大数据系列文章：
网联汽车数据和自动驾驶的系列文章：
网络空间的国际法适用问题系列文章：
《网络数据安全管理条例（征求意见稿）》系列文章：
《数据安全法》的相关文章包括：
赴美上市的网络、数据安全方面的两国监管乃至冲突方：
个性化广告或行为定向广告（behavioral targeting advertising）系列的文章：
内容安全方面的文章如下：
第29条工作组/EDPB关于GDPR的指导意见的翻译：
数字贸易专题系列：
关于中国数据出境安全管理制度的文章
美国方面的个人信息保护立法的文章：
关于印度的数据保护和数据治理政策和技术文件的文章有：
关于数据的安全、个人信息保护、不正当竞争等方面的重大案例：
关于保护网络和信息系统安全的相关文章包括：
围绕着TIKTOK和WECHAT的总统令，本公号发表了以下文章：
关于我国数据跨境流动监管体制变革的系列文章：
针对审计在数据安全、个人信息保护、AI安全的作用与落地实操，本公众号发布过的文章：
关于中国的网络安全审查制度，本公号发表过的文章：
关于个人信息安全影响评估的文章如下：
围绕供应链安全，本公众号发表文章：
关于AI与标准化工作，本公号发表的文章：
关于新加坡数字化（包括个人信息、网络安全、人工智能等）方面的改革，本公号发表的文章：
关于健康医疗数据方面的文章有：
关于欧盟技术主权相关举措的翻译和分析：
美国利用法律和政策工具单边化地维护或强化美国的安全和经济利益，本公众号曾发表文章：
关于AI技术的系列读书笔记：
本公号发表过的关于数据执法跨境调取的相关文章：
地缘政治与跨国科技公司运营之间的互动影响：
关于AI“情感交互”和“拟人化互动”，本公号发布过以下文章：
关于业务场景中数据跨境流动的文章如下：
关于欧洲的人工智能监管方面的立法、政策和实践方面的文章：
关于人工智能安全和监管，本公号发布过以下文章：
本公号曾发表的人脸识别系列文章：
通过技术增强对个人信息的保护，例如匿名化、假名化技术，隐私增强技术，以及通过技术手段或模式强化个人信息主体的权利实现和意思表达，越来越成为值得关注的主题。本公号曾经发表的文章包括：
关于域外在数据、电信、外国投资方面所建立的国家安全相关的审查机制，本公号发布过以下文章：
本公号发表过的关于数据要素治理的文章有：
关于数据抓取和公开数据保护，本公号发布过以下文章：
关于AI能力扩散议题，本公号发表过以下报告：
关于AI风险治理和数据保护的交叉，本公号发表过的文章：
关于智能体，本公号发表过以下文章：
本文转载自微信公众号「网安寻路人」，查看原文。版权归原作者所有，如有侵权请联系删除。