PrivacyLib:Meta 在数据访问边界统一执行隐私管控
摘要
Meta 工程团队详解 PrivacyLib:一个运行在数百个数据与处理系统客户端内、于数据访问点执行隐私策略的公共库,它把“系统接入”与“要求实现”解耦,并新增对内部 AI Agent 数据访问的实时管控能力。
核心要点
- PrivacyLib 运行在 Meta 数百个数据与处理系统的客户端中,每秒执行数十亿次隐私检查。
- 此前每条新隐私要求(如目的限制、数据流发现)都需在各系统分别实现,跨系统落地可能耗时数月,随着系统与要求演进越来越难扩展。
- 新架构下系统只集成一次,新要求作为共享模块插入,无需在每个系统重复实现;模块分为可阻断数据访问的 enforcing 模块等类型。
- 变更以模块为单位进行模拟和分模块灰度发布,避免为上线执行逻辑而停掉整个集群。
- 针对访问路径无法预先确定的内部 AI Agent,受支持路径上的工具调用会把 agent 上下文传给 PrivacyLib,将每次访问关联到其会话,使模块能观测数据使用并阻断不被允许的操作。
原文佐证
- PrivacyLib performs billions of checks every second, and changes are simulated and rolled out per module.
- With this approach, implementing a new requirement across systems could take months.
- For internal AI agents, whose data access paths may not be known in advance, tool calls on supported paths carry agent context to PrivacyLib.
AI 洞察
隐私与合规执行正从“人工审计加各系统分散实现”转向基础设施层的统一策略执行点,这是 AI Agent 大规模落地的前置条件——Agent 的访问路径不可预知,只能在调用点实时拦截并靠上下文传播追溯归属。对企业而言,这意味着“Agent 治理”将不再是应用层附加功能,而是数据平台的必备底座,权限与合规能力会从业务代码下沉为平台级原语。对厂商来说,策略执行点与上下文传播机制可能成为企业 AI 技术栈中的关键位置。