政府機構的AI數據準備：安全分類和隔離網絡要求

政府和國防機構正在採用AI用於文件分析、情報處理、後勤優化和決策支持。這些模型的訓練數據來自政府文件存檔——其中大部分是機密、敏感或受嚴格處理要求約束的，使得基於雲端的數據準備不可能。

為AI準備政府數據需要在機密環境的安全約束內運行的工具和流程。本指南涵蓋獨特的挑戰和要求。

政府數據全景

機密文件

• 機密、秘密、最高機密：具有正式安全分類的文件，規定了處理、存儲和處理要求
• 特殊情報（SCI）：限於特定項目和許可級別的情報數據
• 特殊訪問項目（SAP）：需要超出許可級別的額外訪問的受限信息

受控非機密信息（CUI）

• 非機密但需要保護的政府數據：執法敏感、隱私保護、出口管制
• CUI 類別涵蓋 20 多種敏感但非機密的數據類型

公開可用的政府數據

• 開放數據門戶、FOIA 發布、公開報告
• 仍需謹慎處理——公開數據的聚合可能揭示機密模式

為何政府數據準備不同

安全分類處理

每份文件、每個提取的數據點和每個訓練示例都繼承其來源的安全分類。從機密文件衍生的訓練數據集本身就是機密。數據準備管道必須：

• 跟蹤每個轉換過程中的分類級別
• 確保處理環境符合分類級別的要求
• 防止意外的分類溢出（在非機密系統上處理機密數據）
• 維護衍生分類標記

隔離網絡操作

機密網絡（SIPRNet、JWICS）與互聯網物理隔離。需要雲端連接、許可服務器、遙測或更新檢查的數據準備工具被取消資格。工具必須：

• 在零互聯網連接的情況下安裝和操作
• 在安裝包中包含所有依賴項
• 在不聯網驗證許可的情況下運行
• 通過物理媒介或安全傳輸更新，而非自動更新

人員安全

只有持有許可的人員才能訪問機密數據。數據準備工具必須支持：

• 與設施身份管理系統關聯的用戶身份驗證
• 基於角色的訪問控制（不同的分析師可能有不同的隔離訪問權限）
• 每個用戶操作的審計日誌（誰、何時、什麼許可級別）
• 會話管理（自動鎖定、屏幕保護）

設施要求

機密數據處理必須在經認可的設施中進行：

• 用於 SCI 數據的 SCIF（敏感隔離信息設施）
• 用於機密處理的認可 IS（信息系統）
• 物理安全控制（訪問控制、監控、射頻屏蔽）

合規框架

CMMC（網絡安全成熟度模型認證）

國防工業基地（DIB）承包商必須遵守。CMMC 級別定義了處理 CUI 和機密數據的網絡安全實踐。DIB 承包商使用的數據準備工具必須在 CMMC 合規環境中操作。

FedRAMP

聯邦風險和授權管理計劃。聯邦機構使用的雲服務必須獲得 FedRAMP 授權。然而，對於機密數據準備，雲服務通常不是選擇——隔離網絡的本地處理是標準。

ITAR（國際武器流量法規）

與防禦物品相關的技術數據受 ITAR 控制。從 ITAR 控制文件衍生的AI訓練數據繼承這些限制：

• 不能與外國國籍人員共享
• 不能在非美國公民可訪問的系統上處理
• 出口需要國務院授權

NIST 800-171/172

保護非聯邦系統中 CUI 的安全要求。定義了 110 多個涵蓋訪問控制、審計、事件響應和系統完整性的安全控制措施。

政府的數據準備管道

第一階段：攝取

• 在隔離網絡環境中進行文件解析（無雲端 OCR 服務）
• 使用政府批准的引擎進行本地 OCR
• 分類標記檢測和保留
• 多格式處理（PDF、電子郵件、圖像、信號情報格式）

第二階段：清理

• 訓練數據的分類標記修訂（防止模型學習重現機密標記）
• 跨域傳輸審查（確保數據不在未經授權的情況下在分類級別之間移動）
• 使用本地模型進行質量評分（無雲端 API 調用）
• 在分類邊界內去重

第三階段：標記

• 持有許可的分析師在其授權訪問級別內標記數據
• 多級標記工作流程（不同的分析師根據許可標記不同的部分）
• 每個標記決定的審計跟蹤（誰、何時、什麼許可級別）
• 高級分析師進行質量審查

第四階段：導出

• 帶有繼承分類標記的訓練數據集
• NLP 模型的 JSONL/結構化格式
• 用於 ATO（操作授權）審查的文件包
• 用於安全審查的審計跟蹤導出

政府工具選擇標準

評估政府用途的數據準備工具時：

1. 真正的隔離網絡操作：它能在零網絡連接的情況下工作嗎？沒有許可服務器、沒有遙測、沒有更新檢查？
2. 原生桌面應用程序：機密環境中的 Docker 容器增加了複雜性。原生應用程序像任何其他批准的軟件一樣安裝。
3. 完整的審計跟蹤：每個操作都記錄了用戶身份、時間戳和操作詳情——安全審查所必需的。
4. 本地AI能力：AI輔助標記和質量評分必須使用本地模型（Ollama/llama.cpp），而非雲端 API。
5. ATO 文件支持：該工具能否生成操作授權批准所需的安全文件？

Ertas Data Suite 滿足這些標準，作為使用 Tauri（Rust + React）構建的原生桌面應用程序，完全隔離網絡運行。通過 Ollama/llama.cpp 的本地 LLM 推論提供AI輔助功能，無需數據外流。完整的審計跟蹤支持 ATO 文件要求。

對於政府機構，數據準備不僅僅是技術挑戰——而是安全挑戰。工具必須與它們處理的數據一樣安全。