校内服务器部署DeepSeek大模型 让敏感数据不出校园的隐私保护实践

在人工智能技术深度融入高等教育的当下，师生在科研、教学和管理中使用AI工具的场景日益增多，但随之而来的数据隐私问题也成为技术团队面临的核心挑战。通用SaaS AI服务（即互联网数据服务）虽然便捷，却意味着机构的内部数据——无论是实验记录、内部研讨、学生个人信息还是一份尚未发表的课题申报书——都要离开本地基础设施，传输并存储于第三方云端。为解决这一矛盾，有技术团队选择将DeepSeek大模型部署于校内服务器，通过本地化推理体系，实现了一个核心目标：师生敏感数据'不出校园、不借助互联网数据服务'。\n\n为何要实现数据不出校门\n\n高校的数据构成中有大量受到法律和伦理规范严格保护的类型。学生的教务、升学、社群及考勤数据受《个人信息保护法》约束；医学科研数据还可能与可识别的生物学或病例信息相关，受更为严格的审查。在与AI密切互动的场景中，不少信息需要写入提示词。一旦使用公共服务，数据就无法简单地划出安全边界：网络上曾被用户报告的