Персональные данные в RAG: что проверить до загрузки документов

RAG часто начинают с предложения загрузить внутренние документы и проверить ответы. Для документов с персональными данными первым результатом проекта должна стать карта обработки. Она показывает, какие сведения поступают в систему, где создаются копии и кто получает доступ. Сервер в собственном помещении решает только часть вопросов: обработка продолжается в индексах, сообщениях, журналах и резервных копиях.

Сначала определить цель и участников

Российский 152-ФЗ связывает обработку с установленными целями и правовыми основаниями, регулирует обязанности оператора и меры защиты 1. На практике нужно назвать владельца процесса, сотрудников с доступом, администратора инфраструктуры, разработчика и возможного внешнего обработчика. Договор с интегратором и техническое размещение сами по себе не отвечают на вопрос, для чего конкретные сведения нужны ассистенту.

Для первого пилота удобно выбрать документы без персональных данных и коммерческих секретов. Это редакционная рекомендация по ограничению объёма проверки, а не универсальное требование закона. Если бизнес-задача без персональных данных теряет смысл, юрист и ответственный за безопасность должны согласовать допустимый состав до загрузки. Замена имени условным номером не обязательно делает набор обезличенным, если связь можно восстановить из соседних полей.

Карта копий важнее одной папки

Этап	Что может сохраняться	Что проверить
Загрузка	Исходный файл и временная копия	Права, срок хранения, место обработки
Разбор	Текст, изображения страниц, таблицы	Временные каталоги и внешний OCR
Индексирование	Фрагменты, векторы, метаданные	Связь с оригиналом и правила удаления
Ответ	Запрос, цитаты и история диалога	Доступ пользователя и журналирование
Эксплуатация	Бэкапы, трассировки, обращения в поддержку	Получатели, хранение, восстановление

Векторное представление не следует автоматически считать анонимным. Важны возможность связи с человеком, сопутствующие метаданные и фактическое использование. Для каждой копии укажите владельца, расположение и механизм удаления. Отдельно отметьте сервисы, которые отправляют телеметрию наружу: они могут оставаться подключёнными даже при локальной модели.

Права должны действовать до генерации

Пользователь не должен получать запрещённый фрагмент в контекст модели. Фраза в системной инструкции «не раскрывай секреты» не заменяет фильтр доступа. Сначала приложение проверяет личность и права, затем ограничивает поиск разрешёнными документами, после этого формирует запрос к модели. Документация Qdrant описывает ключи доступа и защиту сервиса; бизнес-права на документы остаются отдельной задачей приложения 4.

Проверьте смену должности, увольнение, отзыв доступа и удаление исходного документа. Полезный отрицательный тест: сотрудник отдела А задаёт точный вопрос по закрытому документу отдела Б и получает отказ без раскрытия названия, фрагмента или косвенных сведений. Проверка должна охватывать историю диалога и кеш ответов, а не только новый поиск.

Размещение и внешняя передача

Изменения требований к локализации опубликованы в 23-ФЗ от 28.02.2025 2. Для российского проекта составьте схему первичного сбора, хранения и последующих передач, проверьте применимые исключения и действующую редакцию закона. Наличие базы в РФ не делает автоматически допустимыми отправку запросов иностранному API, удалённую поддержку или зарубежное хранилище копий. Роскомнадзор ведёт отдельный порядок уведомления о трансграничной передаче 3.

Согласие не является единственным возможным основанием любой обработки. Основание выбирают по конкретному процессу; нельзя добавить один общий checkbox и считать все дальнейшие действия разрешёнными. При использовании согласия учитывают требования к его содержанию и отдельному оформлению. Материал является инженерной картой вопросов для юридической проверки, а не заключением о соответствии конкретной системы.

Что принять до промышленного запуска

Зафиксируйте перечень данных, роли, сроки хранения, согласованный порядок доступа, удаления и реагирования на инцидент. Проведите восстановление из копии в изолированной среде: удалённый документ не должен незаметно вернуться в рабочую выдачу. Согласуйте, кто рассматривает запросы субъектов данных и кто отключает интеграцию при нарушении.

Результатом аудита должен стать список конкретных исправлений с ответственными. Если никто не может объяснить, где остаётся текст после удаления файла, система пока не готова к чувствительным документам. Для следующего шага используйте план безопасности локальной LLM и проектирование RAG. В технический бриф передавайте описание категорий данных; сами персональные документы на этапе подбора оборудования обычно не нужны.