PCI DSS(支付卡行业数据安全标准) & AI Compliance
PCI DSS 如何适用于用交易数据训练的 AI 模型,以及如何让持卡人数据远离训练
Overview
《支付卡行业数据安全标准》(PCI DSS)是由 PCI 安全标准委员会制定的一套安全要求,用于保护持卡人数据。该标准适用于所有存储、处理或传输持卡人数据的组织,无论其规模或交易量大小。4.0 版于2022年3月发布,4.0.1 版于2024年底取而代之,而 4.0 版中标为未来生效的要求已于2025年3月31日起成为强制要求。第4版引入了更灵活、以结果为导向的安全控制方法,以及关于身份验 证、加密和持续监控的新要求。
对金融服务领域的 AI 系统而言,只要训练数据包含支付卡信息或由其衍生而来,PCI DSS 就与之相关。欺诈检测模型、交易风险评分、客户行为分析和支付优化,都可能接触持卡人数据。该标准的十二项核心要求涵盖网络安全、数据保护、漏洞管理、访问控制、监控和安全策略,每一项都直接影响 AI 训练管道处理支付卡数据的方式。
组织根据交易量被划分为不同的合规等级,一级商户(年交易量超过600万笔)通常需要由合格安全评估师(QSA)每年进行一次现场评估。规模较小的组织一般每年填写一份自我评估问卷(SAQ),并且必须持续保持合规。不合规的后果不止于罚款:组织可能完全失去处理银行卡支付的能力。
AI-Specific Requirements
PCI DSS 要求3规定,必须通过加密、截断、令牌化和哈希等方法保护存储的账户数据。对 AI 训练数据而言,这意味着主账号(PAN)无论存储在何处都必须处理为不可读,而敏感认证数据在授权之后一律不得存储。如果训练数据集包含带有完整 PAN 的交易记录,这些 PAN 必须加以保护,更好的做法是在数据进入训练管道之前将其移除、截断或令牌化。对于用于保护持卡人数据的任何加密密钥,组织还必须实施密钥管理程序。
要求7将持卡人数据的访问权限限于工作确有需要的人员,落实最小权限原则。对 AI 开发团队来说,包含持卡人数据的数据集应仅供从事支付相关模型、且有书面记录业务需求的人员访问。要求10规定必须记录并监控 对系统组件和持卡人数据的所有访问,因此纳入范围的 AI 训练管道必须保留详细的审计记录,载明谁在何时、出于何种目的访问了持卡人数据。
PCI DSS 第4版引入了一些与 AI 系统特别相关的要求。要求6.3.2规定须建立定制和自定义软件清单,其中包括处理持卡人数据的定制 AI 模型。要求12.3.1规定,对于在满足方式上允许灵活处理的每项要求,都须开展有针对性的风险分析。对 AI 系统而言,这意味着要记录持卡人数据在机器学习管道中面临的具体风险,并说明为应对这些风险所实施控制措施的理由。对于纳入范围的 AI 系统组件,组织还必须履行要求11规定的漏洞扫描和渗透测试义务。
How Ertas Helps
应对 PCI DSS 最有用的一条规则,是让持卡人数据完全不接触 Ertas。Ertas Studio 在 Ertas 的云端 GPU 上训练,因此训练数据集中的任何内容都会上传到 Ertas 并被存储,以便重复运行。请在上传前移除、截断或令牌化 PAN 及其他持卡人数据,这样训练集和 Ertas 都不会落入您的持卡人数据环境(CDE)。欺诈和风险类任务往往可以从令牌化或截断后的值中学习,而 Studio 的数据集构建工具 Data Craft 可让您在训练前编辑并审批每条样本。您可以随时删除已上传的数据集。
在推理环节,模型可能会接触实时交易数据。将模型导出为 GGUF 或 safetensors,在您自己的环境中运行,并按照您的范围界定放在 CDE 之内或之外,这些数据就不会到达 Ertas。模型归您所有,其版本在您重新训练之前保持不变,因此您可以把它作为一个确定的条目,列入要求6.3.2所要求的 定制和自定义软件清单。自适应模型端点和企业定制模型构建可以在您自己的云环境或本地部署中运行模型。
范围界定和网络分段、模型运行所在系统的要求3、7、10和11、有针对性的风险分析,以及年度评估,都仍由您负责。
Compliance Checklist
Relevant Ertas Features
- 模型导出(GGUF、safetensors)
- 自托管推理,运行时不依赖 Ertas
- Data Craft 数据集构建工具,用于编辑和审批每条训练样本
- 数据集删除
- 自适应模型端点,可在您的云环境或本地部署中运行
Related Resources
Ship AI that runs on your users' devices.
Start free with 150 credits after card verification. Paid plans from $20/mo USD.