客户信息被粘贴到外部模型
手机号、联系人、合同和工单内容可能在一次普通的对话中离开企业。
瓴盾 · 本地部署的 AI 脱敏网关
不必私有部署大模型，也能放心调用。
瓴盾部署在企业本地，在数据发送给大模型前自动识别并可逆脱敏；模型只处理安全占位符，响应返回后再回填为业务可用结果。
通常只需替换 Base URL 观察模式先评估 内网 / 离线部署
原始请求
客户：张三 · 手机：13800001234
API Key：sk-example-test-key 检测与可逆脱敏 3 项命中
发往模型
客户：[PERSON_001] · 手机：[PHONE_001]
API Key：[API_KEY_REDACTED] 响应回填与审计 已记录
企业 LLM 数据外发风险
风险不是抽象概念，发生在每一次请求中。
Agent 在 Tool Call 中携带敏感数据
函数参数、工具结果和自定义工具调用同样需要纳入防护与审计。
代码助手外发源代码或凭证
API Key、内部地址和代码资产，不应成为研发提效的隐性成本。
30 秒看懂数据如何流动
业务照常调用，敏感信息不再裸奔。
01原始请求业务应用发起模型调用
→02检测与风险判断识别实体、凭证与策略命中
→03可逆脱敏防护模式发送安全占位符
→04模型调用与响应回填恢复可用结果并写入审计
核心能力
从识别到审计，覆盖 AI 调用全链路。
多层敏感信息检测
规则、上下文、NER 与凭证识别协同工作。
可逆脱敏与响应回填
模型接收占位符，客户端获得可用的业务结果。
Agent 与流式保护
覆盖 Tool Call、Function Output、Custom Tool Call 与 SSE。
全链路审计
记录命中、风险、规则、Provider 与恢复状态。
OpenAI Chat CompletionsJSON、SSE、工具调用
OpenAI Responsesinput、Function / Custom Tool Call、流式事件
Anthropic Messagessystem、消息内容、tool result、SSE
部署方式Linux 原生、离线 Docker、内网与本地模型
从观察到防护
以一个应用开始，平稳完成安全试点。
申请风险体检↓观察模式运行 1–2 周↓查看命中、误报与外发风险↓调整规则，灰度进入防护模式
开始风险体检
告诉我们你的 AI 场景，获得适合的下一步。
可选择风险体检、技术试点或产品演示。我们会基于模型、部署和敏感数据场景准备沟通建议。
观察模式仅检测和审计；防护模式才会向上游发送占位符。
能力边界与常见问题
清晰边界，才能让 POC 可验收。
观察模式会修改我的请求吗？
不会。观察模式只进行检测与审计，不会修改发往模型的请求。只有防护模式会向上游发送占位符。
需要重写业务应用吗？
通常不需要。LingDun 兼容 OpenAI 与 Anthropic 的主要接口，常见接入方式是将应用的 Base URL 指向网关。
哪些协议在当前版本重点保护？
当前重点支持 Chat Completions、Responses 和 Anthropic Messages；其他 /v1/* 接口主要透明透传。
能否部署在内网或离线环境？
可以。支持 Linux 原生安装与离线 Docker 安装包；公网部署应同时配置 HTTPS、管理后台保护、令牌与审计存储保护。