G0DM0D3隐私审计清单评估任意AI工具数据信任度的10步方法【免费下载链接】G0DM0D3LIBERATED AI CHAT项目地址: https://gitcode.com/GitHub_Trending/g0/G0DM0D3G0DM0D3 是一个完全开源、隐私透明的多模型 AI 聊天工具也是做AI 隐私审计的绝佳样本。本文以它为例给出一份可复用的AI 工具数据信任度评估清单10 个步骤帮你快速判断任意 AI 产品到底采集了什么、发往哪里、能否关闭。无需代码基础全程只看文档与文件路径即可上手。为什么选 G0DM0D3 做隐私审计模板大多数 AI 产品的隐私政策是一句我们不存储你的对话无法验证。而 G0DM0D3 把数据流向直接写进了开源文档并明确承诺每一句声明都能通过读源码验证。它划分了三层数据路径这在同类工具中相当少见层级名称默认状态是否采集对话内容第一层ZDR 元数据API 服务端开启❌ 从不第二层遥测信标浏览器端开启❌ 从不第三层数据集收集仅 API关闭⚠️ 显式 opt-in 才开启详细定义见 TERMS.md 第 3 节三层数据路径对照表一目了然。审计前的准备只带两样东西项目的文档目录—— README、TERMS、SECURITY 这类文件一张空白的评分表—— 每一步 0 分不透明到 2 分完全透明可控。 核心原则看不收集什么的清单比看只收集元数据的口号更可信。10步隐私审计方法从文档到源码逐层验证第 1 步确认项目是否开源可验证第一步永远先问代码公开吗闭源工具的一切声明都只能信则灵。G0DM0D3 采用 AGPL-3.0 协议完整源码可审计并在 TERMS.md 中直接列出每条声明对应的源码位置例如第一层元数据 → api/lib/metadata.ts浏览器端遥测事件构造 → src/lib/telemetry.ts遥测代理、字段白名单与发布逻辑 → functions/api/telemetry.ts第三层数据集缓冲 → api/lib/dataset.ts数据发布模块 → api/lib/hf-publisher.ts审计点文档是否给出声明 → 源码的映射表。有 2 分。第 2 步在 README 找数据流向表好项目会把数据去哪了做成表格。README.md 的 Privacy 一节用一张表列清了四类数据提示词、凭据、聊天记录、遥测各自的去向。对比很多产品只在页脚放一个 300 字隐私政策这种按数据项拆表的写法本身就是高信任度信号。审计点是否存在数据项 × 去向对照表。第 3 步数清采集层级警惕隐形第四层G0DM0D3 明确只有三层数据路径并特别标注第三层完整对话入库是API 独有的、逐请求 opt-in的行为网页端根本不会发送该标志位。审计时重点检查是否存在文档没提到的采集入口分类器、推荐、个性化等辅助功能是否偷偷多带一份原文本项目中有一个值得注意的细节生成危害分类标签时原始提示词会经由你配置的模型服务商发往一个辅助模型仅标签回传给遥测——这类隐性数据外发正是审计要抓的对象。第 4 步检查默认状态默认开还是默认关默认值决定 99% 用户的实际暴露面。对照 TERMS.md 的总览表第一层、第二层默认开启第三层默认关闭且不设置任何环境变量即不会发布——自托管部署只要不配置相关凭据发布管线自动失效。审计点每个采集项是否标注默认状态以及关闭是否需要额外配置。第 5 步找到 opt-out 开关并确认它管到哪一级G0DM0D3 提供两个关闭入口见 README.md 与 LOCAL_MODELS.mdSettings → General → No-Log Mode停止应用遥测并清空浏览器中的待发缓冲Local-only mode在上一项基础上进一步排除所有云端模型调用实现最强本地边界。但文档诚实地声明了边界这些开关管不到模型服务商侧的日志和托管基础设施的网络日志。✅能同时说出我能关什么和我关不了什么的产品可信度极高。第 6 步读明确不收集的排除清单比功能列表更有价值的是排除表。TERMS.md 对第一层与第二层各给出一张What does NOT include表不存消息内容、不存系统提示词、不存 API 密钥、不存原始报错文本只存timeout这类分类、遥测 JSONL 中不含请求 IP。审计点排除项越具体到字段级评分越高只写不含敏感信息的给 0 分。第 7 步评估元数据能否间接识别你白名单字段 ≠ 永不泄露身份。项目主动承认字段白名单不是递归 PII 检测器不承诺任意元数据值在任何情况下都无法与外部信息组合出身份。第一/二层也没有逐条删除接口只有临时的会话 ID每次页面会话随机生成不关联账号。审计点文档是否承认去标识化 ≠ 匿名化。敢于承认的产品反而更可信。第 8 步追查数据的最终存储与发布去向数据最终落在哪里TERMS.md 完整披露了发布管线内存缓冲 → 达到 80% 容量或定时触发 → 以 JSONL 格式写入公开数据集仓库一旦发布即公开且持久可能被缓存、分叉、再分发。KV 缓冲键 7 天过期已发布数据只能向仓库维护者申请移除无法保证彻底清除。审计点是否存在公开且不可撤回的发布环节有则必须在 UI 上显著警告本项目在第三层给了醒目的 WARNING 区块。第 9 步核对删除权、留存策略与自托管方案删除权第三层数据在内存缓冲期间可用 API 删除发布后只能走维护者流程聊天记录全部存在浏览器 localStorage无账号、无云端同步清浏览器数据即永久丢失——项目内置了导出/导入功能作为备份手段自托管git clone后本地打开 index.html 即可完全离线运行配合 Local-only 模式构建最强数据边界LOCAL_MODELS.md 有完整步骤。审计点删除是否有接口、留存期是否写明、是否提供物理隔离方案。第 10 步审查安全政策与第三方依赖链最后看两件事安全响应机制SECURITY.md 规定了 48 小时确认、7 天初评、30 天修复关键漏洞的时间线且设计层面采用恒定时间令牌比较、分层滑动窗口限流、HSTS/CSP 等响应头、非 root 容器第三方边界请求仍会经过模型服务商与托管基础设施API.md 也列明了各服务商的角色。任何 AI 工具的信任度上限取决于你愿意托付多少数据给这些第三方。信任度评分速查表步骤审计点G0DM0D3 表现得分1源码可验证 声明映射表✅ 逐条列出源码路径22数据流向表✅ README 按数据项列去向23无隐形采集层✅ 三层明示隐性外发有披露24默认状态透明✅ 默认开启但清晰标注25关闭开关及边界✅ 双开关 明示关不了的26字段级排除清单✅ 两张 NOT include 表27承认元数据风险✅ 明示白名单非 PII 检测28发布去向披露✅ JSONL 公开仓库、持久化警告29删除权与自托管✅ 删除接口 完全离线方案210安全政策与第三方✅ 48h 响应 依赖边界清晰2满分样本。你可以用同样 10 步给任何 AI 工具打分低于 12 分的建议谨慎处理敏感信息。把清单迁移到其他 AI 工具的 3 个快捷判断搜telemetry / 遥测字样文档里搜不到这个词大概率意味着采集行为不透明找我们不做清单只谈我们做什么的产品信任度直接减半测一次关闭如果找不到关闭遥测的入口或关闭后仍有网络请求无论政策写得多漂亮都扣分。常见问题FAQQ1开启 No-Log 模式后我的数据就绝对安全了吗不绝对。应用遥测停止了但你配置的模型服务商仍会收到对话内容用于生成回答——这一层由服务商的隐私政策决定。要彻底隔离需自托管 Local-only 模式 本地模型。Q2第二层遥测默认开启会上传我的聊天记录吗不会。事件 schema 只含模型名、耗时、内容长度等结构字段src/lib/telemetry.ts 的头部注释明确写死边界无消息内容、无密钥、无身份字段。Q3这套 10 步方法适合非技术用户吗适合。步骤 1–10 中只有第 1、6 步涉及看源码路径其余全部通过文档表格即可判断。结语隐私审计的核心不是背诵术语而是沿着数据的每一步追问它去哪了。G0DM0D3 用三层数据模型、字段级排除表和可验证的源码路径给出了一个值得对标的透明模板。把这份 10 步清单用到你的下一个 AI 工具上你会立刻看出差距。【免费下载链接】G0DM0D3LIBERATED AI CHAT项目地址: https://gitcode.com/GitHub_Trending/g0/G0DM0D3创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考