AI 記憶的資安隱患

當我們使用 AI 助手進行程式碼開發時，經常會需要在代碼中臨時配置第三方 API 金鑰、資料庫密碼，或者是調試憑證（Tokens）。

如果 AI 助手的持久化記憶系統（如 Claude-Mem）在背景自動記錄這些資訊，會帶來極大的安全隱患：

• 快取洩漏：敏感資料會被以純文字形式儲存在本地 SQLite 資料庫中。
• 上下文污染：這些密鑰會在未來的會話中被作為背景自動注入，可能被傳輸到雲端 LLM 服務器，違反企業的數據隱私合規規範。

為了解決這個問題，Claude-Mem 實作了一套隱私沙盒 (Privacy Sandbox) 與過濾機制。

隱私過濾的核心機制

Claude-Mem 從兩個維度來實施嚴格的隱私保護：

 ┌──────────────────────┐
 │  AI Output Content   │
 └──────────┬───────────┘
            │
            ├─ 1. <private> 標籤過濾  ──▶  直接在記憶提取時剔除
            │
            └─ 2. 正則敏感特徵掃描   ──▶  屏蔽 Token / Password 欄位

1. 顯式私有標籤過濾 (<private> Tags)

如果您在與 AI 對話時，需要輸入或生成包含敏感資料的測試配置，您可以使用 <private> 與 </private> 標籤將其包裝起來：

我們臨時使用的測試金鑰是：
<private>
secret-api-key-xyz-12345
</private>

當 Claude-Mem 在提取並生成長期記憶觀察時，隱私引擎會自動將 <private> 標籤及其內部的所有字元進行物理剔除，確保這些字串絕對不會進入 SQLite 持久化儲存。

2. 本地正則敏感特徵過濾 (RegEx Regexp Scanner)

即使開發者忘記標註私有標籤，Claude-Mem 本地的安全守衛（Security Guard）也會在寫入資料庫前，自動運行一組高性能的正則表達式，自動識別並屏蔽以下高危特徵：

• OAuth Tokens / JWT：比對 eyJ... 等特徵。
• 資料庫連接字串：自動剔除 Password=... 或 pwd=... 欄位。
• 對話字元指紋：自動過濾包含 ssh-rsa 或 BEGIN PRIVATE KEY 的程式碼塊。

藉由這兩道防線，Claude-Mem 在享受記憶連續性的同時，也能確保企業代碼庫的安全合規。