SmartPerfetto安全与隐私设计指南：Trace敏感数据、私有代码脱敏与AI服务边界如何做到可控

SmartPerfetto 是一款 AI 辅助的 Perfetto 性能分析工具，支持 Web UI、CLI、证据工作流与报告输出。它的安全与隐私设计围绕三类敏感数据展开：Trace 文件（可能包含应用名、包名、设备与网络信息）、私有源码（业务代码与凭据）和AI 服务边界（哪些内容允许发送给大模型）。本文带你用几分钟看懂它的分层防护思路，即使是新手也能快速判断哪些内容会离开你的机器。🔒

为什么 AI 性能分析需要安全设计？

传统 Trace 分析只是"打开文件看图"，而 AI 分析意味着数据要离开本地交给模型服务。这带来三个新风险：

SmartPerfetto 的应对策略是：把三类数据视为三个独立数据域，任何私有数据必须"显式选择 + 授权有效 + 范围校验"三重通过才能进入分析（见 private-analysis-context.md）。

三大数据域：默认不互通，显式才进入

SmartPerfetto 将Trace 证据、用户源码、文档知识库严格隔离，任何一类都不会被公共 RAG 语料、历史会话或跨会话学习"顺带"带入分析：

💡 一句话原则：没选 = 不存在。隐藏的代码库 ID 不授权任何访问，也不会误报错误。

Trace 敏感数据如何受控

Trace 文件本身往往携带包名、进程、设备标识等敏感信息，SmartPerfetto 对它的处理遵循两条主线：

1. 本地优先解析：Trace 由后端在本地交给 trace processor 处理，加载阶段只发送纯只读 SQL（元数据查询），文件内容不主动外传（见 technical-architecture.md）。
2. 结果分层投影：分析产出区分两类出口——
   • 用户结果投影（本地历史、HTML 报告、CLI 产物）：保留分析正文与源码相对引用；
   • 严格投影（日志、公开材料）：剔除原始源码、知识库正文、凭据与授权信息。

流式对象在创建时就固定受众范围，显示策略不会"逃逸"到日志回调里，避免敏感内容混入不该出现的通道。

私有代码脱敏：metadata_only 与 provider_send 双档

这是整个设计中粒度最细的一层，核心规则记录在 code-aware-analysis.md：

第一档：仅定位（metadata_only）

模型可以搜索代码，但只看到相对路径、行号和引用 ID，读不到任何源码正文。适合只想让 AI 定位调用栈、不涉及代码内容的场景。

第二档：发送正文（provider_send）

需要两层授权才能生效：

• 注册级同意：通过"添加并用于分析"或 CLI 的smp codebase authorize-content审阅服务端披露的具体路径范围与语言后确认；
• 逐轮显式选择：本轮分析明确声明provider_send并选中对应代码库。

即使授权通过，工具调用仍受多重约束：注册 path filter、排除 glob、文件类型、单文件大小、读取行数、结果容量。绝对根目录始终留在后端信任边界内，不会进入工具结果、模型上下文、报告或导出。

凭据自动脱敏

读取源码正文时，SmartPerfetto 会按整份文件语法识别凭据，只替换凭据的值、保留键名与行号，覆盖：

• Bearer/Basic令牌、已知前缀令牌、JWT、PEM 私钥
• 凭据命名的键与赋值、getter 返回值
• 启发式识别的无键随机串

.git、.hg、.svn、.repo与证书/密钥文件始终排除在源码枚举之外；node_modules、build等噪声目录除非显式指向否则不进入候选集。

授权指纹：变更即失效的"熔断器"

每个分析运行在创建会话前都会生成一个授权指纹，覆盖租户/工作区/用户、有效源码模式、排序后的 allowlist、选择范围、授权 revision 与同意状态。

它的妙处在于持续复核：

• 工具调用、运行边界、每次模型请求前都会重新计算指纹；
• 一旦授权范围、代码库选择或同意状态变化，当前运行立即以analysis_context_changed_restart_required结束并 fail closed，要求新会话；
• 而重复提交相同授权、修改未选中的代码库，则不会打断分析。

这意味着你不用担心"分析跑到一半，我撤了授权，旧会话还在用旧权限"——机制层面直接杜绝。

AI 服务边界：数据去向透明可控

命中授权范围的源码片段、知识库摘录会发送给当前配置的 AI 服务（可以是公司内部服务），因此 SmartPerfetto 采取如下边界控制：

• 数据去向可见：Web 输入框旁的"本轮分析上下文"弹层会说明哪些内容会发给哪个 AI 服务，支持"全部关闭"一键关闭源码与知识库（详见 code-aware-analysis.md）。
• 不做零留存承诺但做边界透明：第三方服务是否留存内容取决于其自身政策，SmartPerfetto 明确不承诺零留存，但确保只有授权范围内的最小片段离开本机。
• 原始载荷不落地：原始 query、工具参数和完整检索载荷不会额外写入日志或 provider transcript；私有分析只允许进程内的受限多轮连续性，不恢复持久化的 provider 会话。
• 删除可重试且 fail-closed：删除源码库会先撤销检索与 provider 授权、再清理全部索引代际；注册项进入deleting状态时立即撤销 provider 同意并阻断一切检索。

⚠️ 需要注意：已经发送给 provider 的历史内容无法由本地删除操作撤回——这也是选择"公司内部服务"或本地模型时的关键考量。

部署层安全：Origin 策略、密钥派生与鉴权

面向多人或外网部署时，configuration.md 定义了完整的运维安全边界：

新手自查清单：5 个问题判断你的部署是否安全

1. 是否只在本机单人使用？是 → 默认配置已足够，Origin 与密钥都有进程内保护。
2. 要不要让 AI 看源码正文？不确定时保持默认"仅定位"模式，安全损失最小。
3. 选了哪些知识库？没勾选的库不会被隐式注入；"数据去向"弹层可复核。
4. AI 服务是第三方还是内部？涉密代码建议走内部/本地模型，或停留在仅定位模式。
5. 多人访问后端了吗？是 → 必须设置SMARTPERFETTO_API_KEY，企业场景进一步接入 OIDC。

小结

SmartPerfetto 的隐私设计可以浓缩为一句话：Trace 本地解析、代码最小披露、AI 边界显式授权。它不承诺"永不离开本机"的绝对隔离，而是通过三数据域隔离、双档源码授权、凭据自动脱敏、授权指纹熔断和 Origin/密钥/SSRF 部署防护，把"哪些数据、在什么授权下、流向哪里"变成可见、可审计、可撤销的显式行为。配合 private-knowledge.md 与 private-analysis-context.md 的详细文档，你可以在享受 AI 分析便利的同时，牢牢握住数据边界的主动权。