本地 AI 隐私不是自动成立：怎样做网络请求审计

“模型在本地跑”是重要隐私边界，但不是完整隐私证明。一个 App 可以在手机里推理，同时联网下载模型、验证购买、上报崩溃、做统计或同步内容。判断本地 AI 隐私，要把每类数据和每条网络请求列出来。

先画两个边界

端侧 AI 只回答推理发生在用户终端；云端 AI 则把输入发送到远端基础设施完成推理。除此之外，还要画应用整体网络边界。

1. 推理边界：prompt、照片、音频、文档是否为推理离开设备。
2. 应用边界：下载、账号、支付、统计、崩溃、备份、分享有哪些数据流。

做数据清单

至少列出：prompt、生成结果、照片、OCR 文字、音频、转录、文档、embedding、索引、历史记录、设置、购买状态和诊断信息。

对每一类写清创建位置、存储位置、访问者、删除方式、是否备份和可能离开设备的路径。

做端点清单

本地推理不需要把用户内容发到远端推理服务器，但不能证明应用没有其他请求。每个端点都应披露：用途、域名、触发时机、字段、是否包含用户内容、用户能否关闭。

Cove 当前把模型下载、Google Play 购买验证、可选 newsletter 和可选匿名崩溃报告与用户内容处理分开列出。重点不是照抄这四类，而是保持“一项网络行为一条说明”的方法。

飞行模式测完整流程

模型准备好后打开飞行模式，从拍照、录音或输入一直走到保存结果。若中间卡在账号、语言列表、索引或保存，功能就不能宣传为完整离线。

恢复网络后重复任务并观察流量。把空闲、首次启动、模型下载、购买、诊断、newsletter 和分享分开测试，避免把所有请求混成一团。

代码与抓包互相验证

抓包能看到目的地和流量时机，代码审查能解释请求字段。理想证据链是：

用户动作 -> 代码路径 -> 目标域名 -> 请求字段 -> 官网披露

任何一环对不上，都应阻止“数据不出设备”这种绝对表述。

最容易漏的四个出口

日志与崩溃报告

开发时把 prompt、转录或文件路径写进异常最方便，也最容易随崩溃报告发出去。生产日志应使用错误类别和脱敏标识，不记录原始用户内容。

系统备份

App 不主动上传，不代表系统备份不会复制数据。要区分“不会上传做推理”和“任何情况下都不离开物理设备”。

剪贴板与分享

复制、导出、系统分享是用户主动跨边界，应在 UI 明确展示内容和目标。它与后台静默上传性质不同。

第三方 SDK 默认行为

依赖升级可能引入或改变遥测。每次新增 SDK 都应重新跑端点审计，并同步隐私说明。

审计清单

• 数据类型清单完整。
• 推理边界和应用边界分开。
• 每个域名有用途和字段说明。
• 核心任务通过飞行模式。
• 恢复网络后抓包复核。
• 生产日志不含用户内容。
• 检查系统备份。
• 复制与分享是显式动作。
• 删除覆盖原始与衍生数据。
• 网络行为变化与官网同一次发布。

Cove 的公开示例见网络审计页，英文方法论见 Local AI Privacy Is Not Automatic。

---

本文最后核验于 2026-09-16。本地 AI 的隐私结论应来自真实流量与代码，而不是产品标签。