UB本土AI技术保护个人数据

布拉维加亚大学（UB）通过信息技术局（DTI）推动开发用于网络运营的大语言模型（LLMNetOps），以便在提供基于本地生成式 AI 技术的高校运营服务时保护个人和校园数据。这一决定基于使用公共 AI 服务所固有的风险。高等教育领域的技术发展日益凸显数字基础设施自主性和数据安全的重要性。

LLMNetOps 研讨会于 2026 年 11 月 6 日星期五在玛琅的 Ijen Suites Resort and Convention 举行，邀请了教育和技术领域的多个利益相关方参与。

公共 AI 对个人数据的风险

项目负责人 Ahmad Basuki 博士解释说，使用公共 AI 有其自身风险，因为用户输入的信息可能会保存在服务提供商的系统中。这一风险尤其受到关注，特别是在 AI 被用于处理包含身份验证凭据的校园运营需求时。

“使用公共 AI 模型，我们面临着数据可能被这些公共服务提供商读取的风险。因此，我们主动思考如何自行托管和管理这个 LLM，从而保护我们的数据，让隐私得到更好的保障，”Basuki 说。

通过与 AI 的对话（聊天）分享的信息，可能会成为模型学习数据的一部分。用户在将信息输入 AI 服务前，需要了解个人信息与一般信息之间的界限。

“我们在不了解哪些信息属于私密信息、哪些可以公开的情况下，提供的个人数据越多，风险也就越大，”Basuki 补充道。

Ahmad Basuki 介绍数据安全策略

Basuki 补充说，校园网络管理者需要制定策略，区分哪些信息将使用本地 LLM（本地模型）处理，哪些将使用公共 AI 服务或前沿模型处理。机密信息需要受到更严格的管理，而使用公共模型时则必须考虑数据的敏感程度。

“公共模型通常更先进，能提供更好的结果，所以我们需要为此制定策略，”他说。

这种混合方案使教育机构能够利用更先进 AI 模型的优势，同时保护本地且对校园运营至关重要的敏感数据。

IDREN：本地 AI 技术彰显自主能力

作为 UB 合作伙伴的 IDREN（印度尼西亚研究与教育网络）代表 Widiyawan 表示，网络安全威胁不仅针对校园，也可能威胁其他机构。

他认为，采用基于本地 AI 的信息技术，能够展现本国人才自主开发技术、不依赖国外产品的能力。

“安全或网络安全威胁是共同面临的威胁。从技术层面来说，我们不能只是使用或购买国外技术，而应该自己创造，”他补充道。

他认为，如果想防止数据泄露，就必须加强机密数据的安全保护。此外，人仍然是网络安全中的一个薄弱环节，尤其容易受到社会工程攻击的影响。

“数字服务提供商、数据中心或服务器必须从技术层面做好安全防护，但更重要的其实是人的因素，因为在社会工程的情境下，人本身才是真正的薄弱环节，”他总结道。

应对校园网络运营挑战

LLMNetOps 也旨在应对日益复杂的校园网络运营挑战，这些挑战要求更快速地处理问题。部署本地 LLM 能够更迅速地响应安全事件，而无需依赖外部服务提供商。

常见问题

什么是 LLMNetOps，这项 AI 技术如何保护校园个人数据？

LLMNetOps（用于网络运营的大语言模型）是布拉维加亚大学开发的一项 AI 技术解决方案，用于管理校园网络运营，同时保护数据隐私。与公共 AI 不同，LLMNetOps 在本地托管，因此敏感数据不会保存在外部服务提供商的系统中。在 2026 年 11 月 6 日的研讨会上，Ahmad Basuki 博士解释说，输入公共 AI 模型的数据可能会成为训练数据集的一部分，而本地模型则让机构能够全面掌控信息保密工作，尤其是身份验证凭据。

布拉维加亚大学为什么选择开发本地 AI，而不是使用公共 AI 服务？

布拉维加亚大学选择开发基于本地 AI 的信息技术，以规避数据泄露风险。Ahmad Basuki 表示，公共 AI 模型虽然更先进，但也带来风险，因为用户信息可能会被服务提供商保存和用于训练。通过在本地托管 LLMNetOps，UB 能够采取混合策略：使用本地模型处理机密数据，仅使用公共模型处理非敏感信息，从而全面掌控机构的数据安全。

这项本地 AI 技术的发展如何助力印度尼西亚实现技术自主？

IDREN 的 Widiyawan 表示，采用本地 AI 技术的发展，展现了本国人才自主创造技术解决方案、不依赖国外产品的能力。LLMNetOps 倡议不仅是对网络安全威胁的回应，也是建设自给自足技术生态系统的一项战略举措。Widiyawan 强调，印度尼西亚不能只消费国外技术，还必须具备自主创新的能力，以增强在数字时代的地位。