CCPA 合规护栏

解决什么问题

AI 应用在处理用户输入或生成输出时，经常会触碰加州消费者隐私法（CCPA/CPRA）定义的敏感个人信息。传统的事后审计和文件扫描只能解决“过去已发生”的问题，却无法干预请求流转的瞬间——敏感数据可能在这一刻流入外部模型，或随输出直接暴露给用户。

CCPA Guardrail 是一个运行时合规护栏，用于处理“事中”问题：每一次调用能不能放行、要不要脱敏、是否必须阻断。

工作原理

护栏设计为 Agent 主动调用的检测工具，核心能力是纯本地运行：检测在本机完成，敏感数据不出机器，无网络请求，也不使用 eval 或 exec。典型接法是在 Agent 处理数据的两处位置插入拦截：

• 入口护栏：在用户输入进入大模型前进行 mask，防止个人信息流入外部模型或日志。
• 出口护栏：在模型输出返回用户前进行 mask 或 block，防止生成结果泄露个人信息。

护栏执行检测后会返回结构化的 JSON 裁决。关键字段包括 decision（pass / masked / blocked / inspect_only）和 risk_level（high / medium / low / none）。执行动作支持 detect（仅检测）、mask（脱敏放行，默认）与 block（命中阈值阻断），阻断等级由参数控制。

检测规则分为两层：结构性模式（如 SSN、信用卡号、加州驾照号、IP 地址等）和关键词线索（CPRA 定义的敏感个人信息类别）。规则包与检测内核分离，内核逻辑通用，当前规则包覆盖美国个人数据格式与 CCPA/CPRA 类别。

适用边界

护栏基于正则与关键词匹配，无法保证 100% 识别复杂形态的个人信息，可能存在漏报或误报。它不构成法律建议或合规证明，不能替代专业法律顾问的综合判断。

护栏定位为 AI 应用运行时防护的辅助手段，属于“事前自查 + 事中防护”合规链路中的一环。默认策略是脱敏放行、高危阻断，兼顾可用性与安全；高敏场景可通过调整阈值收紧策略。