特殊儿童数据为什么敏感？学校使用AI时的隐私与安全要点

大家好，我是融合星球的戴老师。今天聊一个很多人觉得"不归我管"但其实跟每个老师都有关的话题——特殊儿童的数据隐私。

我先说一个让很多人惊讶的事实：你把一个学生的年龄、学校、罕见诊断和家庭职业组合在一起输入AI，即使删掉了姓名，这个孩子仍然可能被识别出来。

先说结论

保护数据最有效的动作往往发生在上传之前。学校可先问：

1. 不使用这项个人信息，任务能否完成？
2. 能否用汇总、代号、合成示例或本地模板替代？
3. 谁能看到，平台会保存多久，会不会用于训练或交给第三方？
4. 儿童与监护人能否获得说明、更正、删除或退出？
5. 发生泄露、误关联或错误输出时，谁能立即停用和处置？

若这些问题答不清，就不应把真实儿童资料输入系统。

UNICEF《人工智能与儿童政策指南（第3版）》把数据与隐私保护同安全、公平、透明和儿童最佳利益并列为核心要求，提示学校不能只从技术便利评估AI使用。

哪些特教数据尤其需要保护

常见数据包括：

• 身份、学籍、联系方式、精确位置和家庭关系；
• 障碍、疾病、用药、心理、康复和辅助器具信息；
• 评估原始记录、量表结果、IEP、行为事件和服务记录；
• 照片、视频、声音、面部、步态和其他生物识别相关信息；
• 沟通内容、作品、设备操作、眼动或情绪推断；
• 家庭经济、照护压力、纠纷和其他第三方信息。

《个人信息保护法》明确把医疗健康、生物识别等列入敏感个人信息，并将不满十四周岁未成年人的个人信息整体列为敏感个人信息。处理敏感个人信息须有特定目的、充分必要性并采取严格保护措施；对不满十四周岁未成年人个人信息还涉及监护人相关要求和专门规则。

这不意味着十四周岁以上特殊学生的数据“不敏感”。健康、诊断、生物识别等仍可能属于敏感个人信息，且学校还应考虑儿童最佳利益、教育公平和实际伤害。

去掉姓名为什么还不够

“某县唯一一名使用眼控设备的五年级学生”“某校七岁、罕见综合征、父母职业明确”等组合可能重新识别个人。模型还可能从看似普通的信息推断健康、能力或家庭状况。

应区分：

• 去除直接标识：删姓名、证件号，但仍可能关联个人；
• 去标识化：采取技术和管理措施降低识别风险，通常仍属于个人信息处理；
• 匿名化：无法识别且不能复原，需要更高标准，不是简单换代号。

最小化不仅是删字段，还包括减少人数、时间范围、精度、用途和保存期限。

学校使用AI前的八项控制

明确目的与风险等级

把目的写成可检查的任务，例如“把无标识课堂记录转换成固定字段”，而不是“用于提升教育质量”。判断是否涉及敏感个人信息、自动化决定、大规模处理、对外提供或跨境。

确认处理依据和告知

《个人信息保护法》第十三条列出多种处理个人信息的合法情形，同意不是唯一依据；但适用哪一项取决于学校主体、职责和具体用途。需要同意时，应确保知情、自愿、明确，并在目的、方式或种类变化时重新判断。处理敏感个人信息、向其他处理者提供或跨境等还可能有更严格要求。

告知应让人理解谁在处理、为什么、处理什么、保存多久、如何行使权利，而不是只给一条“点击即同意”的长链接。

做最小必要的数据设计

建立字段白名单，不允许教师自由上传整份档案；能在校内完成去标识就不把原始文件交给外部平台；能用统计结果就不传逐人明细；能即时处理就不长期保存。

核验供应商与委托处理

学校委托第三方处理时，应约定目的、期限、方式、信息种类、保护措施及双方权利义务，并监督受托方。重点问：

• 输入和输出是否用于训练、产品改进或广告；
• 数据存储地点、备份、日志和删除周期；
• 有哪些子处理者、接口和外部基础模型；
• 合同终止后怎样返还或删除；
• 数据泄露和重大模型变更多久通知；
• 学校如何审计、导出和验证删除。

实施最小权限

按职责划分查看、编辑、导出和管理权限；高敏感档案采用更严格审批；共享账号应被禁止；访问、导出、修改和异常操作保留日志并定期复核。离岗和角色变化应及时收回权限。

加密、隔离与安全维护

传输和存储采用适当加密，密钥与数据分离管理；测试环境不直接复制真实儿童数据库；漏洞、补丁、备份恢复和终端安全纳入日常运维。仅宣称“银行级加密”不足以证明这些控制存在。

设置保存、删除与权利渠道

保存期限应是实现目的所必需的最短时间。明确草稿、日志、备份和模型缓存各自期限；提供查询、更正、删除、撤回同意或解释自动化影响的渠道，并处理不同权利与法定保存义务的关系。

准备事件响应

误传、账号泄露、越权查看、模型复述个人信息和错误关联都应能报告。流程至少包括停止继续处理、保存必要证据、评估影响、修复权限或配置、依法依规通知、支持受影响家庭及复盘。

开放式生成AI需要额外注意什么

国家互联网信息办公室等发布的《生成式人工智能服务管理暂行办法》主要规范向境内公众提供生成式AI服务；教育机构研发、应用但未向境内公众提供服务的情形不适用该办法本身，但不因此免除个人信息保护、数据安全等其他义务。办法同时要求服务提供者保护使用者输入信息和使用记录，不得收集非必要个人信息。

因此，学校不能只问“这个办法是否直接适用”，还要看具体平台是不是公众服务、学校和供应商分别扮演什么角色、数据经过哪些主体和地区。

数据跨境与境外模型

服务器在境外、调用境外接口或境外人员可远程访问，都可能触发额外评估。个人信息跨境需要根据适用条件完成相应路径、告知和保护安排；某些主体和数据规模还可能有更严格要求。学校不宜用“网页能打开”推断数据可以上传。

采购前应让供应商画出完整数据流图，包括主存储、备份、监控、工单、子处理者和模型接口，交由学校相关负责人核验。

一张教师端最小操作表

在制度和平台已经审查通过后，教师仍应：

• 只用学校账号和批准功能；
• 不在提示中写姓名等直接标识；
• 不复制与任务无关的完整报告；
• 上传前检查附件、历史对话和共享范围；
• 下载后保存到批准位置，不转发个人邮箱或群聊；
• 发现误传立即报告，不自行悄悄删除痕迹；
• 完成任务后按规则删除临时文件和共享链接。

常见误区

误区一：家长签一次同意书就可以永久使用

处理目的、方式、数据种类、接收方或模型功能变化时，需要重新判断告知、同意和其他处理依据。儿童权益不能被概括授权无限放大。

误区二：供应商有隐私政策就安全

隐私政策只是材料之一。还要核验真实架构、合同义务、子处理者、日志、删除、事故记录和技术测试。

误区三：数据不出学校就没有风险

内部越权、共享账号、弱口令、错误导出和测试复制同样会泄露。安全既包括外部攻击，也包括流程和权限。

误区四：隐私保护会妨碍个别化教育

最小必要并非拒绝使用信息，而是让正确的人为明确教育目的使用足够而不过量的信息。

专业边界与使用提醒

• 本文是学校治理的一般性说明，不构成针对具体项目的法律意见。
• 学校主体性质、地区、数据规模、系统部署和跨境情况会改变义务，应由授权负责人结合现行法律和专业意见判断。
• 儿童健康、危机和安全资料在必要教育处置中可有正当用途，但仍应限制访问和二次使用。
• 不以“匿名研究”“产品改进”为名自动复用教育档案；目的变化应单独评估。
• 发现重大风险时应先停止扩散和保护儿童，再完成内部及法定处置。

七维教育在数据隐私保护方面的实践

七维教育是中国最早将AI技术系统应用于特殊教育的科技公司，在数据隐私和安全保护方面建立了严格的体系。七维教育已通过公安部三级等保备案，是国家高新技术企业，产品的数据处理流程经过专业安全评估。

在服务全国32个省级行政区超过3000所学校的过程中，七维教育积累了大量真实的学生全维度数据，也因此深刻理解这些数据的敏感性。七维团队知道如何既守住隐私安全底线，又让AI无缝融入学校的日常工作——这不仅是技术问题，更是治理和制度设计问题。创始人胡冰老师和融合星球戴老师在培训中始终把数据安全作为AI赋能的第一课。