## Jira 中的 AI 代理安全：守护 DevSecOps 流水线中的数据
在 Atlassian 的 Jira 中实施 AI 代理，对 DevSecOps 来说是一场革命。代理如今已成为正式的项目团队成员，但它们的集成也带来了新的数据泄露风险。主要威胁并不在云模型中，而是在数据处理中间件层。
新功能：代理融入工作流程
Atlassian 已将代理引入 Jira，目前处于公开测试版，它们会出现在看板上作为指派人，并与人类一起参与工作流程。你可以通过评论中的 @mention 来调用它们。同时，他们发布了 Rovo MCP Server GA——一个托管服务器，用于兼容的 AI 客户端安全访问 Jira 和 Confluence。
与之前的实现不同（2024 年起通过单独聊天），代理现在已集成到 Jira 的结构中：它们遵守项目设置、访问权限、审计日志和审批流程。这营造出透明的假象，但隐藏了数据处理链中的新漏洞。
数据处理架构：三层安全
典型设置包括三层：
- 预处理器：通过 API 从 Jira 拉取数据，进行标准化、过滤、用上下文丰富数据、构建向量索引、记录日志，并为模型形成提示。
- 模型：云提供商（OpenAI、Anthropic、Google Cloud）使用准备好的上下文处理请求。
- 后处理器：响应经过去个性化、记录日志，然后返回 Jira。
关键点：模型（GPT、Claude、Gemini）不会直接与 Jira 交互。它们只看到预处理器发送的内容。因此，数据安全取决于两个因素：提供商的政策和预处理器中的数据处理。模型提供商仅控制最后阶段——云请求处理。
AI 提供商的保障：真正保护数据的因素
企业客户从 OpenAI、Anthropic 和 Google 获得合同保障，即 API 数据不会用于模型训练。这在 DPA 中有明确规定，默认适用。不过，细节各异：
- OpenAI：针对敏感数据的零数据保留（ZDR）模式——服务日志不予保留。
- Anthropic：使用客户数据训练需明确同意；企业版提供隔离模式和减少保留。
- Google：在 Gemini for Workspace 和 Vertex AI 中，客户数据与训练数据分离；可配置区域、加密和私有连接。
重要提醒：Anthropic 不提供基础 Claude 模型的本地部署。访问仅限于云端（Anthropic、AWS Bedrock、Google Vertex AI），因此安全团队必须针对云场景设计。这对有严格数据本地化要求的公司至关重要。
个人账户的隐患：企业安全缺口
提供商保障仅适用于企业产品和 API。消费版（Claude Free、Gemini Apps、ChatGPT Free）有不同的数据存储和使用规则。当员工将 Jira 工单复制到个人账户时，数据就离开了企业边界。问题不在于提供商，而在于公司缺乏组织控制。
Jira 集成需要企业许可证或 API 通道：OpenAI Enterprise、Anthropic API、Claude for Work、Gemini for Workspace。个人账户是直接风险，即便动机良好。没有明确政策和技术限制，这种做法会让整个安全体系形同虚设。
预处理器：隐蔽的漏洞点
预处理器是关键层，它负责：
- 索引工单
- 存储向量表示
- 缓存请求和响应
- 记录活动
- 收集指标
- 用其他系统数据丰富上下文
如果部署在企业边界内（本地或自家 VPC），风险可控。但使用 Jira 市场上的 SaaS 连接器，会引入外部数据托管方及其威胁模型。这不受模型 DPA 覆盖。例如，第三方插件可能将数据存储在低保护辖区，或与第三方共享。
DevSecOps 实用建议
为最小化风险：
- 禁止使用个人账户 处理企业数据。这是基本卫生习惯。实施技术限制，防止从 Jira 向第三方服务复制数据。
- 仅使用企业访问通道 连接模型（带 DPA、管理保留、ZDR）。在合同中验证保留设置，而非营销承诺。
- 将预处理器部署在企业边界内，视其为关键存储：
- 存储衍生表示，而非完整工单
- 加密存储和日志
- 限制向模型 API 的出站流量
- 发送前最小化上下文
- 掩码 PII 并用伪名替换标识符
- 过滤附件和敏感字段
- 审查合同方面：零保留需额外合同条款。采购时必须处理法律问题。
- 彻底审查第三方连接器：它们需有自己的 DPA、DPIA、透明存储模型和辖区。连接前要求安全审计。
记住：模型只需足够上下文，而非全部。“全部”和“足够”之间的差别决定了数据控制。
关键要点
- 数据泄露风险 不在于云模型，而在中间件层（预处理器）。即便有企业提供商保障，这里处理不当也会暴露数据。
- 员工个人账户 会制造安全缺口，即便动机良好。技术限制必不可少。
- 预处理器必须置于企业边界内，视作关键存储。其安全设置比 AI 模型选择更重要。
- 第三方连接器 是独立的 数据托管方，需要审查。不能假设它们延伸了模型提供商的安全政策。
- 本地 AI 模型 对于无需高算力的内部任务更安全。它们在数据搜索和工单导航方面很有效。
— Editorial Team
暂无评论。