AI 时代还有数据安全吗?你的Admin密码可能已存入Anthropic日志:这个工具终于解决了时代的隐私裸奔

出品：养个闲人有限公司

如果你习惯把报错日志、nmap扫描结果或者配置文件直接丢给Claude分析，停一下。你的真实IP、客户主机名和管理员凭证，很可能正明文躺在Anthropic的API日志里。

最近GitHub上冒出一个让安全圈沸腾的项目——DontFeedTheAI。它不是又一个本地大模型，而是一个透明代理：在请求抵达AI前自动剥离所有敏感信息，返回时再精准还原。你的数据从未离开过你的机器，但Claude依然能给你顶级的推理能力。

这不是虚构的恐慌，而是每天都在发生的裸奔

想象一下这些场景：渗透测试时把dc01.acmecorp.local的nmap结果贴给AI，让它帮你写利用方案；深夜排查生产故障时，把带数据库密码的报错日志发给Claude找线索；法务同事把含客户信息的合同丢给AI审阅。

你以为自己在高效工作，实际上每一次粘贴都在做一次零防护的数据跨境。主机名、内网IP、API Key、哈希值、管理员凭证——所有这些东西对AI的推理毫无价值，它需要的只是数据结构和语义，但你的每一次请求都在把它们拱手相送。

项目作者的原话，值得每个打工人刻在显示器边框上：

I'm a pentester, not a software architect. This wasn't built to be innovative — there are already cloud APIs that do LLM-based anonymization. But that means sending your data to yet another third party, and I refuse. If you work in security, you already know why. I built this so the architecture would be available to everyone, and so the community could help expand its effectiveness for free. You're paying for context processing — the AI doesn't need your real data for that.
—— zeroc00I

为什么现有方案都救不了你

很多人觉得自己已经做了选择，但其实三条路都是死胡同。

第一条路：直接用云端匿名化API。这意味着你要多付一份账单，多引入一个第三方。你的敏感数据确实没去Anthropic，但它去了另一家云厂商。从安全角度，这只是把鸡蛋从Anthropic的篮子放到了另一个陌生人的篮子里。

第二条路：只用Ollama本地跑模型。数据确实不出本机，但Ollama对你的输入内容毫无感知。你粘贴进去的IP、凭证、域名，它照单全收，在本地内存里裸奔。如果你本地环境本身就不够隔离，这等于在自己机器上埋雷。

第三条路：头铁直接用Claude。推理质量顶级，但代价是真实客户IP、凭证、组织架构名称全部落入Anthropic的基础设施。一次政策变更，一次数据泄露，你的职业生涯就可能被改写。

DontFeedTheAI的解法：双层过滤，滴水不漏

这个项目的聪明之处在于不跟Claude比推理，也不跟Ollama比本地部署，它只做一件事：在中间当一座数据安检门。

它的架构非常简洁，却足够致命：

第一层：本地Ollama作为感知器。运行在你机器上的Ollama负责识别自然语言中的敏感实体——主机名、组织名称、内嵌在文本中的凭证。因为它完全在本地运行，没有任何数据出网。

第二层：本地Regex作为兜底。针对IP地址、哈希值、令牌、API Key等结构化敏感信息，用正则表达式做硬匹配。两层都跑在你的机器上，敏感信息在出网前就被拦截。

实际流程是这样的：

你的Shell发出真实请求 → 代理把dc01.acmecorp.local替换为srv-0042.pentest.local，把10.20.0.10替换为203.0.113.47，把Admin@Acme2024!替换为[CRED_XK9A2B3C] → Claude只看到surrogates → 代理拿到回复后把surrogates换回真实数据 → 你看到的是完整可用的答案。

整个过程中，没有任何敏感信息跨越你的机器边界。

谁急需这个工具？对号入座

1. 渗透测试工程师

把nmap、mimikatz、BloodHound的输出丢给Claude分析，却不想暴露客户内网拓扑和凭证。

2. 开发与SRE

在生产环境调试时用真实报错和内部配置求助AI，同时满足合规要求。

3. 法律与咨询顾问

让AI辅助审阅客户合同、案件卷宗或专有IP，而不把客户机密送给第三方模型厂商。

4. 金融与合规人员

分析财报、审计脚本时，避免账户详情和交易数据外泄。

5. 学术与商业研究员

用LLM处理机密数据集，确保研究对象隐私不被模型厂商获取。

三分钟上手：比你配置VPN还简单

作者提供了一个交互式向导，Windows、macOS、Linux通吃。四步搞定：

git clone https://github.com/zeroc00I/DontFeedTheAIcd DontFeedTheAIpip install -r requirements.txtpython3 wizard.py

向导会问你项目名称、部署位置、VPS地址、模型选择，然后自动部署、打开隧道、启动带代理的Claude。如果你懒得交互，直接看帮助：

python3 wizard.py --help

更狠的是，项目自带53组fixtures的集成测试。只要你跑了Ollama，执行下面这行就能验证整个管线是否滴水不漏：

python3 wizard.py test --integration

如果你只想快速迭代正则表达式层，不需要Ollama，用这个自动改进循环：

python3 wizard.py improve --cycles 3

它会把所有fixtures跑过正则层，告诉你哪些字符串漏网了，然后你只需要针对性地补正则模式，再跑一轮，直到零泄漏。

对了，它还带一个审计仪表板。通过SSH隧道打开后，你能实时看到每一个 ORIGINAL → SURROGATE 的映射，按实体类型过滤，按请求时间排查。一眼就能看出有没有漏网之鱼。

写在最后：效率不能以裸奔为代价

AI时代最大的悖论是：你越依赖模型提升效率，就越容易在不知不觉中出卖组织的核心数字资产。DontFeedTheAI的作者用一句大实话戳破了窗户纸——"You're paying for context processing — the AI doesn't need your real data for that."

我们花了那么多精力做零信任、做堡垒机、做数据分级分类，结果却在Chat窗口里一键把核心机密发给硅谷的API。这种荒诞该结束了。

这个项目目前在GitHub Trending上热度狂飙。如果你也是那个习惯把Shell输出直接贴给AI的人，今天就去clone下来跑一遍wizard。毕竟，一次数据泄露的代价，可比多配一个代理昂贵多了。

#AI #人工智能 #还在复制粘贴 #OpenClaw #技能