从Kimi泄露简历说起：为什么养龙虾越来越危险

近日，媒体热议有博主在使用Kimi时，系统向其返回了一份陌生人的完整简历，包含姓名、电话、邮箱等真实敏感信息的事件。被泄露者此前使用Kimi润色简历，与爆料网友使用时间仅间隔约6小时。Kimi运营方月之暗面公司称系AI幻觉。这一泄露事件直接暴露出AI在狂飙突进中的数据安全隐患，而且随着使用Open Claw(俗称"养龙虾")的兴起，此类安全风险会被急剧放大。

一、隐私协议的提示不能为Kimi兜底

先说下平台为什么会留存用户输入的信息，因为这些信息可能会被用于优化模型，也就是训练AI。《Kimi隐私政策》规定：“对话信息：您在使用我们的产品和服务过程中输入和产生的文本、语音、图片、视频等内容。这些信息有助于我们优化模型，并了解您的需求和偏好，以便为您提供更精准的服务和支持。”从权利义务对等的角度，Kimi的基础服务是不收费的，使用用户输入内容改善大模型并不过分。但既然留存了，就要好好保管，把信息泄露给其他用户就是Kimi的责任了。

虽然《Kimi隐私政策》也已提示用户：请谨慎上传个人信息，尤其是敏感个人信息。但此次泄露仍涉嫌违反多项法律规定，《个人信息保护法》明确规定：个人信息处理者不得公开其处理的个人信息，除非取得个人单独同意。Kimi将用户A的简历直接输出给用户B，属于未经同意的公开披露。

《生成式人工智能服务管理暂行办法》规定，AI服务商对使用者的输入信息和使用记录应当履行依法保护义务，不得非法向他人提供使用者输入信息和使用记录。所以即使使用者主动上传隐私信息，AI服务商仍负有保密义务，技术故障不能成为免责理由。

二、养龙虾模式下海量数据投喂AI的致命风险

其实这次事故的性质并不复杂，用户文件串台是因为Kimi的数据没有隔离好，但它的严重性，远不止一个技术上的Bug。当前，大模型应用正走向具备底层操作权限的AI Agent（智能体），Open Claw即科技圈俗称的“养龙虾”非常走红。为了让龙虾执行效率更高、成为更懂业务的数字分身，大量用户开始将海量的本地核心数据直接通过API接口喂给人工智能去学习和处理。

这种深度的喂养面临着极高的法律与安全风险。养龙虾本质上不是技术问题，而是一次对数据控制权的让渡。养龙虾需要导入的数据往往包含了个人隐私的聊天记录、涉及商业机密的内部财务报表和研发文档，甚至是国家秘密。尤其是当养龙虾进入企业级应用场景时，数据规模更大、敏感度更高。一个企业可能同时处理数万份包含员工个人信息的人力资源文档，或者涉及核心技术秘密的研发资料。

在这样大规模、无差别的数据上传场景下，如果人工智能服务商在后台不做严密的脱敏处理，直接利用这些包含了核心机密的原始语料进行模型训练，一旦发生类似本次事件的技术故障，风险是毁灭性的。

三、训练数据政策缺乏透明度

回到Kimi，用于API接口服务的《Kimi开放平台隐私政策》对使用用户信息训练AI的规定和《Kimi隐私政策》条款上一模一样，可以使用这些信息优化模型，训练AI。这意味着企业级开发者接入大模型处理业务数据时，如果发生类似事故，企业的核心底牌随时可能在其他用户的对话框中被意外吐出。

匿名化处理作为一种隐私保护技术手段，在理论上能够有效降低个人信息泄露的风险。所以也有AI企业承诺用户匿名化训练，比如《智谱清言隐私政策》就告知用户，会对个人信息采取技术措施处理，使其无法重新识别特定个人且不能复原，然后进行匿名化的研究、统计分析和模型优化迭代。

但绝对的匿名化往往只是一种技术迷思。在缺乏第三方审计和认证机制的情况下，如何定义并实现彻底的匿名化，权限完全掌握在服务商手中。如果系统设计留有数据回溯的后门，或者传统的脱敏手段根本无法抵御大模型日益增强的碎片化关联推理能力，泄密风险始终高悬。

四、哪些文件可以投喂AI

对于哪些文件可以上传到AI的问题，笔者有个建议：这份文件，你不愿意出现在陌生人电脑里的，就不要上传，不管这家公司叫Anthropic还是月之暗面。其实这两家公司的技术很好，也很有节操，但人为失误和技术漏洞是防不胜防的：

2026年3月，Anthropic公司因人为失误导致Claude Code超50万行源代码泄露，暴露核心架构和未发布功能，类似失误，他们13个月内发生了两次。近日，Anthropic的顶级安全模型Mythos还被未授权用户用非黑客手段轻易破解访问权限，2026年4月，Kimi的运营者月之暗面也发生了本文讨论的误把用户简历发给第三方的事故。

如果实在要上传的，也应该将数据控制权掌握在自己手中。对涉及商业秘密的内容应当去除，对个人信息则应脱敏。目前有专门的数据净化工具，可以对文档中的姓名、身份证号、联系方式等敏感信息进行自动或手动的脱敏处理。在功能相近的情况下，优先选择像腾讯元宝那样默认不使用用户信息进行模型训练的AI工具。

最后，养龙虾确实能提高工作效率，但安全养龙虾的前提从来不是多喂，而是你的龙虾缸，是否真的防漏。

本文作者：游云庭，知识产权律师。Email: yytbest@gmail.com，本文仅代表作者观点。