定义、目标与适用范围
睡眠数据安全沙箱,是为获准人员和获准项目提供敏感睡眠数据计算能力,同时限制原始数据、明文中间结果和未经审查输出离开受控边界的研究或分析环境。它通常结合专用工作区、身份与项目授权、隔离计算、受控软件和数据导入、网络出口限制、会话审计、输出披露审查及安全销毁。可支持跨机构科研、算法开发、统计分析、质量评价和有限的模型训练。
安全沙箱不等于一个普通容器、远程桌面或共享服务器。容器只提供部分操作系统隔离,不能自动解决错误权限、宿主机攻破、数据导出、屏幕捕获、恶意代码或内部人员风险;远程访问也不意味着数据没有离开控制。服务必须声明信任边界、数据驻留位置、管理员能力、允许的输入输出和残余风险。沙箱减少暴露面,但不会使源数据匿名,也不会替代合法依据、目的限制和伦理或临床审查。
安全人员、安全项目与访问治理
访问应同时满足人员和项目条件。研究者需完成身份核验、保密承诺、隐私与披露控制培训,并根据职责获得最小权限;项目则需说明公共或业务价值、必要数据、分析方法、预期输出、期限、合作方和利益冲突。数据所有者、项目审批方、平台运营方与输出审核方应相互制衡。个人获准访问一个项目,不代表可进入其他数据集或把权限转给同事。
授权应绑定人员、设备、项目、数据集、工具和时间,采用多因素认证、短期会话、定期复核及人员离岗自动撤销。高风险管理操作宜实行双人批准和职责分离。远程环境还需评估终端健康、物理位置、屏幕录制、打印、剪贴板、文件映射和本地缓存风险。服务账户与机器身份也应独立授权,不能因位于内网就获得隐含信任;每次资源访问都应依据当前身份、设备和项目状态作出决定。
隔离架构与数据进入
架构可采用虚拟机、容器、专用主机或物理安全区,但隔离强度应与数据风险和工作负载匹配。不同项目应分离计算、存储、密钥、网络、日志和备份,限制横向移动;宿主系统、镜像仓库、编排平台和管理平面也属于攻击面。默认拒绝互联网和未授权内外网连接,只开放经批准的数据源、软件仓库和协作通道。容器工作负载还需控制特权模式、主机挂载、内核能力和资源耗尽。
数据进入前应核对来源、授权、版本、完整性、恶意代码和分类标签,通过受控通道导入并登记谱系。PSG、脑电、心电、呼吸、血氧、体动、问卷、音视频和自由文本可能具有不同限制,不应因处于同一项目就默认全部可见。身份映射表、密钥和直接标识宜放在更高隔离区,仅由必要流程使用。禁止研究者通过个人网盘、电子邮件或可移动介质自行导入;公开参考数据和代码也需扫描许可证、供应链和与敏感数据连接后的新风险。
工作区、软件与计算控制
每个工作区应由经过加固和签名的镜像创建,固定操作系统、分析工具、依赖与配置,并在项目结束或高风险会话后清除临时状态。研究者申请新软件或包时,应经过来源、许可证、漏洞、网络行为和数据外传能力审查。交互式笔记本、终端、数据库客户端、GPU任务和调度器都要执行资源与项目边界;禁止特权提升、访问宿主机、启动未批准服务或使用隐蔽通信通道。
大体积PSG和视频分析会产生切片、缓存、临时解码文件、模型检查点和嵌入向量,这些都可能与原始数据同样敏感。平台需加密存储和传输,管理每项目密钥,限制临时目录和对象存储,及时清理失败任务。训练模型可能记忆个案,模型权重、梯度、日志和样例输出不能自动视为安全结果。沙箱还应限制查询速率、超大结果和逐条浏览,避免通过大量合法操作逐步复制数据。
输出审查与披露控制
所有离开沙箱的材料都应走独立、可追踪的出口,包括表格、图形、模型参数、代码、笔记、截图、文本结论和演示文件。研究者提交时需说明项目目的、输入样本、变量、统计方法、与既往输出的关系及预期接收者。自动规则可检查小单元、极值、隐藏工作表、文件元数据、嵌入对象和原始行,但复杂输出仍需受训人员判断;审核通过仅表示披露风险满足当前政策,不代表科学结论被认可。
输出控制应关注组合风险。多个看似安全的表格可通过差分暴露小群体,连续模型版本、罕见事件图形、逐夜信号片段或过拟合模型可能泄露个体。应维护项目级输出账本,必要时要求聚合、抑制、舍入、加噪、重训或删除。代码若含硬编码数据、缓存或密钥也不得直接带出。未经批准的复制粘贴、打印、摄影、屏幕共享和外发通信应被阻止或监测;紧急输出也不能绕过事后可审计的批准流程。
监测、验证与运行韧性
审计应覆盖登录、授权决定、查询、文件访问、软件安装、网络尝试、特权操作、作业运行、输出申请、审核和删除事件,并保护日志完整性与访问权限。监测需要识别异常批量读取、非工作时段访问、分片导出、重复小样本查询和跨项目探测,同时避免在日志中复制原始健康数据。告警应连接调查、暂停账户、保全证据、通知数据所有者和恢复步骤,而不是只保存记录。
验收应验证租户隔离、最小权限、网络出口、剪贴板和下载限制、镜像完整性、密钥隔离、恶意软件防护、输出工作流、日志覆盖及安全清除。需要进行宿主与容器逃逸防护测试、错误配置检查、备份恢复、节点故障和灾难恢复演练。补丁应在与科研复现性平衡的窗口内实施,漏洞严重时可暂停旧环境。服务还要定义容量、GPU和存储配额、长任务断点、可用性目标和退出导出流程,确保安全失败不会转为非受控计算。
治理、采购验收与服务边界
数据控制方、平台运营者、项目负责人、研究者、安全团队、隐私负责人和输出审核者应有书面责任。数据使用协议需规定目的、允许人员、禁止再识别、外部协作、成果归属、事件报告、保留期限和项目结束处置。沙箱中的数据仍是受管数据;进入安全环境不会自动扩展同意范围、解决跨境问题或赋予模型商业使用权。输出审查也不能替代科研质量、算法公平性和医疗有效性验证。
采购方应要求供应商提交威胁模型、隔离机制、管理平面权限、身份与设备策略、数据驻留、导入通道、软件供应链、网络控制、密钥管理、日志与监测、输出审核、备份恢复、漏洞修复时限、独立测试和退出方案。验收应以真实睡眠工作负载演练从申请、导入、分析、输出到销毁的全流程,并验证旁路失败。对“数据不下载即无泄露”“用了容器就是安全沙箱”或“输出经过自动扫描即可自由发布”等说法,应要求改为有条件、可测试并说明残余风险的服务承诺。