数据成为AI时代的动力基座，数据安全工作面临全新挑战。针对AI背景下的全新数据安全痛点，中国信通院2026年7月发布报告，从数据责任、数据使用、数据流通、智能安全4个维度，梳理AI时代数据安全的8大趋势，作为应对数据安全挑战的系统性策略，为行业高质量发展统筹安全底座。
趋势一：落实数据三权分置，推动数据产权制度成为共识
人工智能时代数据权责结构变化，传统模式难适配；数据三权（持有、使用、经营）分置可提升制度弹性，且需依场景差异化配置规则，以平衡权益、释放数据价值。
趋势二：数据安全责任从静态划分转向场景化动态适配
AI时代数据安全责任已从“谁掌握谁负责”的静态模式，转变为随场景动态变化的复杂模式。因模型与控制权的分离，责任主体扩展至大模型提供方，边界趋于模糊。为此，需通过场景识别与控制权分析等步骤，实现责任的动态精准适配。
趋势三：机密计算正在成为数据“使用中安全”的新基建
针对数据在运算阶段易暴露的痛点，机密计算利用硬件级可信执行环境（TEE）实现数据“可用不可见”。它不仅解决了多方协作、云上信任及模型保护等难题，还形成了从底层硬件、云主机、开发框架到智能体的五大应用等级，为AI时代的数据全链路安全提供了坚实的底层支撑。
趋势四：精准布控“模数共振”汇聚、训练、协同环节的数据安全
“模数共振”在汇聚、训练及协同环节带来数据泄露与确权风险。为此需布控三道防线：通过分类分级与机密计算筑牢汇聚安全；利用安全审查与权限管控强化训练防护；建立多方安全计算与身份验证体系，确保流转可控、责任可究，保障跨主体协作安全。
趋势五：可信数据空间迈向AI原生驱动新阶段
智能体成为空间的主动执行者与安全守护者，推动治理模式从静态合约转向由安全、合规类智能体实时感知的“自治与智治”，推理能力也从人工规划升级为由任务智能体自主决策的“自主执行”，实现了技术与治理的深度融合。
趋势六：以“来数加工”化解Token出海数据安全合规痛点问题
AI时代Token出海面临高频跨境、多落脚点等新风险，传统监管机制失效。通过设立“数据保税区”及“来数加工”模式，实现境外数据入境处理后结果返回的全链路闭环，有效解决合规难题，推动Token出海落地。
趋势七：从身份、权限、行为三维度构建智能体可信数据使用环境
智能体的“主动性”特征引入了新的数据安全风险。通过身份可信、权限可信、行为可信三层体系，构建智能体运行可信环境：身份可信解决谁在访问数据；权限可信解决能访问什么数据；行为可信解决数据去哪里。
趋势八：零信任理念正在缝合智能体协同工作引入的数据安全罅隙
多智能体协同面临数据流转失控与共享污染风险，如过度传递、路由不可见及记忆投毒等。为此引入零信任理念构建新边界：坚持“永不信任”将验证细化至工具调用级，基于“假设失效”管控智能体行为，并将权限从用户级下沉至操作级，从而解决智能体间的信任缺失问题。
推荐阅读
