隐私、区域与合规性

数据区域与部署区域#

在注册过程中，Platform 会测量到三个数据区域的延迟，并推荐距离最近的区域。你的选择将成为账户的 dataRegion：

数据区域决定 Platform 存储数据集、模型和托管训练数据的位置，以及共享推理的运行位置。以下三项不受数据区域限制：

• 专用端点可在你选择的42 个部署区域中的任意区域运行，因此 EU 工作区可以从东京提供服务，而每个请求中的图像也会发送到东京。
• 账户级数据（例如个人资料、账单和活动记录）会在全球范围内处理，具体说明见隐私政策。
• 计算位置。数据区域是存储方面的保证。如果合同限制了数据处理地点，请在训练前向 Ultralytics 确认 GPU 和端点的位置，或使用 On Premise。

你无法自行更改数据区域；需要提交支持请求。团队工作区会沿用创建者的数据区域。应根据合同来决定，而不是根据延迟：

当跨国用户的延迟需求与数据驻留要求相冲突时，请审慎选择：在数据区域部署一个端点（合规最简单，但远距离用户的访问速度较慢）；在多个区域部署端点（速度更快，但每个区域都会接收请求图像，因此要逐一核对是否符合合同）；或按司法管辖区划分独立工作区（隔离效果最佳，但运营工作更多）。

可见性与访问权限#

新建数据集和项目在 Free 和 Pro 方案中默认设为 Public，在 Enterprise 方案中默认设为 Private。任何人（包括未登录的访客）都可以查看公开资源，也可以从 Explore 克隆；之后再将其设为私有，并不能删除其他人已经克隆的副本。团队工作区（Pro 和 Enterprise）提供四种角色：

每个专用端点都绑定一个 API 密钥，只有工作区所有者可以查看密钥值。删除该密钥不会锁定端点；停止或删除部署才会。

示例：上传前进行匿名化#

Platform 可以模糊人脸：右键单击图像并选择 模糊人脸（免费）；从 更多操作 对整个数据集执行此操作（每 1,000 张图像 $1.00）；或者在“新建数据集”对话框中启用模糊处理，让图像在处理期间自动模糊且不收费。此功能不会模糊车牌、屏幕或旁观者的全身，也不适用于连接的数据集。

对于其他内容，请在像素离开你的设备之前进行匿名化处理。例如，在叉车项目中，人是旁观者，而不是要检测的类别，因此要将每个人都完全模糊：

from pathlib import Path

import cv2

from ultralytics import YOLO

model = YOLO("yolo26n.pt")  # swap in a plate or face detector for those objects
out = Path("anonymized")
out.mkdir(exist_ok=True)

for result in model.predict("https://ultralytics.com/images/bus.jpg", classes=[0], conf=0.25, verbose=False):
    img = result.orig_img
    for x1, y1, x2, y2 in result.boxes.xyxy.int().tolist():
        img[y1:y2, x1:x2] = cv2.GaussianBlur(img[y1:y2, x1:x2], (51, 51), 0)  # irreversible once saved
    cv2.imwrite(str(out / Path(result.path).name), img)
    print(f"{Path(result.path).name}: blurred {len(result.boxes)} people")

bus.jpg: blurred 4 people

• classes=[0] 将检测范围限制为人物；将 predict 指向你的帧文件夹，即可批量处理全部帧。
• conf=0.25 的阈值刻意设得较低：出于隐私考虑，多模糊一块区域也比漏掉一个人好。仍要抽查输出，因为检测器可能漏掉较小或被遮挡的人。
• 只上传 anonymized/ 文件夹，并按照你的数据保留政策保存原始文件。

决策规则：如果人物是你要检测的类别，只模糊人脸（使用 Platform 工具），因为模糊整个人体会破坏模型学习所需的信号。如果人物不是要检测的类别，则将旁观者全身模糊。如果你的规则将车牌视为个人数据（EU 和加利福尼亚州通常如此），则遮挡车牌。如果只能将计数或告警发送到站点外，请在边缘设备上运行推理，并发送元数据而非帧。

保留与删除#

对于访问请求，设置 > 个人资料中的 导出所有数据 会生成一个包含元数据（个人资料、数据集、项目、模型、活动记录）的 JSON 文件，不包含图像或权重。

发布前合规检查清单#

1. 哪些内容会离开客户环境？帧、预测结果，还是仅汇总数据？
2. 使用哪个数据区域和哪些部署区域？它们是否都符合合同要求？
3. 所有敏感数据集和项目都设为 Private 了吗？检查之前是否有人克隆过公开内容。
4. 是否按要求模糊人脸并遮挡车牌？由谁抽查模糊处理遗漏的内容？
5. 你是否有权使用这位客户的数据进行训练？如果没有，请将数据保存在独立工作区中。
6. 如何应客户要求删除其图像？注明数据集和回收站操作步骤。
7. 每个人分别拥有什么角色？谁持有部署 API 密钥？

Ultralytics 在安全页面发布其安全态势信息，包括符合 ISO/IEC 27001:2022 和 SOC 2 Type I 标准的情况。对于任何受监管的部署，请让合规审核人员进行签核。

常见问题#