Protección de datos para desarrolladores
Proteja los datos de la empresa en codificación IA
Comience mapeando cómo una tarea de desarrollador envía datos a IA: indicaciones escritas, código seleccionado, contexto del repositorio, salida del terminal y herramientas conectadas. Apruebe los datos y la cuenta, elija controles para cada ruta y luego ejecute un pequeño piloto sintético. Solo un nombre de herramienta o declaración de no entrenamiento no establece que los datos de la empresa permanezcan dentro del límite previsto.
Para CISO y líder de ingeniería
Elija el flujo de trabajo antes de elegir el control.
Ejemplos sintéticos de planificación. No se incluyen pruebas ni resultados de productos instalados.01
Comience con una tarea real de ingeniería
Elija una tarea que su equipo ya quiera completar: explicar una falla de compilación, mejorar una función pública o redactar una prueba. Nombre al desarrollador, cliente aprobado y propietario del repositorio. Esto convierte “permitir IA” en una decisión que ingeniería y seguridad pueden revisar juntos. Un piloto que cubre un editor local no aprueba automáticamente su agente de línea de comandos o en la nube.
Registre lo que la tarea necesita y lo que puede prescindir. Un rastreo de pila puede necesitar un nombre de excepción y dos marcos, pero no registro de cliente. Una explicación de código puede necesitar una función corta, pero no configuración interna. Acuerde la entrada mínima útil antes de añadir controles.
Contexto de la fuente: Cursor: Privacidad y Gobernanza de Datos · OpenAI: Aprobaciones y seguridad de agentes
02
Siga la información hasta el contexto
Un desarrollador puede pegar intencionadamente un fragmento mientras el cliente suministra contexto adicional. La búsqueda en repositorio, un archivo adjunto, un resultado de shell o un servicio conectado pueden introducir material ausente en la indicación original. Pregunte dónde ocurre cada lectura y qué sistema recibe el resultado.
Use el mapa abajo para identificar un propietario de control. El permiso del empleador rige la divulgación. Los permisos del cliente rigen el acceso. Los términos del proveedor rigen el procesamiento y retención. Los controles de punto final pueden evaluar envíos soportados. Cada uno responde a una parte diferente de la pregunta de compra.
| Source/input | Client/runtime | Receptor o límite a identificar | Revisar propietario |
|---|---|---|---|
| Código o registro seleccionado | Navegador o editor | Proveedor de modelo y transcripción retenida | Propietario de datos y seguridad de punto final |
| Archivo o resultado de terminal | Agente local | Contexto enviado por el cliente seleccionado | Plataforma de desarrollador y administrador del cliente |
| Datos de servicio conectado | MCP o herramienta de aplicación | Servicio, resultado de herramienta y contexto de modelo | Propietario del servicio y administrador de identidad |
| Clon de repositorio | Entorno de agente en la nube | Disco en la nube, proveedor de modelo y snapshots | Propietario de nube y repositorio |
Contexto de la fuente: Cursor: Privacidad y Gobernanza de Datos · OpenAI: Aprobaciones y seguridad de agentes
03
Elija un control para la exposición
Para archivos fuente restringidos, comience con controles de acceso y contexto. Para identificadores innecesarios en un registro útil, minimice la entrada y evalúe la ruta de envío soportada. Para un conector externo, revise su identidad y permisos. Mover una tarea a un agente en la nube introduce un entorno de ejecución separado en lugar de extender el límite del portátil.
Mantenga controles complementarios. Un compromiso de no entrenamiento no autoriza a un empleado a divulgar código propietario. Una regla de sistema de archivos no describe todos los servicios conectados. Un evento de IA grabado no prueba que una política evaluó o bloqueó su contenido.
- Trabajo permitido
- Especifique clases de datos y cuentas aprobadas para que los desarrolladores sepan qué pueden usar.
- Datos restringidos
- Identifique tanto la ubicación fuente como la ruta por la que podría entrar en contexto.
- Evidencia
- Defina el resultado observable antes de elegir una prueba o interpretar un evento.
Contexto de la fuente: Cursor: Privacidad y Gobernanza de Datos · OpenAI: Aprobaciones y seguridad de agentes
04
Construya un piloto pequeño y útil
La descarga contiene una hoja de selección de tareas, un registro de rutas de datos y cuatro marcadores obviamente sintéticos que representan código, secretos, registros y contexto del repositorio. No contienen información de clientes ni credenciales operativas. Ayudan a organizar una prueba; no son prueba de que un detector reconozca una clase real de datos.
Para cada ruta seleccionada, escriba la política que pretende aplicar, su requisito previo y la experiencia esperada del empleado. Pregunte al responsable del control si el marcador puede activar esa política. Mantenga el resultado observado en blanco hasta realizar una prueba real. Registre permitido, denegado, aprobación solicitada o no evaluado, con la versión del cliente y la ubicación de la evidencia.
Contexto de la fuente: Aona: Cobertura de seguridad IA
05
Apruebe el alcance que puede soportar
Cierre el piloto con una decisión precisa: tarea aprobada, clases de datos, cuenta, cliente, entorno y responsable. Un resultado inexplicado es motivo para investigar esa ruta, no para etiquetar todo el producto como seguro o inseguro. Enlace las pruebas detalladas del cliente cuando el equipo las necesite.
Revise la decisión cuando los desarrolladores añadan una CLI, cambien modelos, conecten un servicio o trasladen un repositorio a un entorno remoto. Mantenga disponible una ruta permitida útil mientras resuelve una restringida. Así, el resultado es un acuerdo operativo y no un documento de política que nadie puede seguir.
Ponlo en práctica
Paquete piloto de rutas de datos para desarrolladores
Seleccione una tarea, asigne sus responsables de control y registre una decisión piloto con alcance definido.
Ejemplos sintéticos de planificación. No se incluyen pruebas ni resultados de productos instalados.
| Fuente de entrada | Client/runtime | Destinatario y copia retenida para revisión |
|---|---|---|
| Código sintético | Editor o CLI seleccionado | Destino del modelo y transcripción |
| Marcador de secreto falso | Ruta de entrada de prueba soportada | Límite de control antes del envío |
| Rastro de prueba sintético | Pegar o subir archivo | Solicitud al proveedor e historial retenido |
| Marcador de repositorio | Contexto o herramienta de lectura de archivos | Resultado de la herramienta y contexto posterior |
Trabaja en tu reseña
Usa las verificaciones para organizar las pruebas que necesitas. Guarda tus selecciones en Word, luego añade tus notas y pruebas. Tus selecciones permanecen en esta pestaña hasta que las descargues.
0 de 3 Revisado
Ejemplos y material de revisión
Lee los detalles aquí, o mantén juntos el documento PDFeditable Word y las hojas de cálculo.
Developer data-path pilotLee
All values are synthetic. Use an isolated test repository y an approved test account. No file runs commands, contacts a service or configures a product.
- Choose one task in the “Pilot decision” section.
- Complete the client y owner fields in data-path-register.csv.
- Select only the relevant labels from synthetic-pilot-markers.json. They are not real credentials y may not trigger a data classifier. Agree a supported test rule or representative safe fixture with its owner.
- If you manually test an approved AI client, use only these synthetic inputs. Record what actually happened y preserve the exact scope.
- Route deeper client-specific questions to the linked guides; do not broaden the pilot by adding new accounts or connectors.
Guide y source references
Canonical guide: https://aona.ai/solutions/ai-data-security-for-developers/ Source review: 2026-09-21
- Cursor: Privacy y Data Governance: https://cursor.com/docs/enterprise/privacy-and-data-governance
- OpenAI: Agent approvals y security: https://learn.chatgpt.com/docs/agent-approvals-security
- Aona: AI security coverage: https://aona.ai/resources/ai-security-coverage/
Data path registerLee
| Task | Fuente de entrada | Input path | Data owner | Client y version | Ubicación de ejecución | Recipient or destination | Retained copy to review | Control boundary | Intended control | Expected outcome | Observed outcome | Evidencia |
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Explain a synthetic test failure | toy test trace | pasted log | ASSIGN | RECORD | RECORD | RECORD | client y provider history | DEFINE | SELECT | DEFINE | UNTESTED | |
| Explain a synthetic function | toy function | selected code | ASSIGN | RECORD | RECORD | RECORD | client y provider history | DEFINE | SELECT | DEFINE | UNTESTED | |
| Find a synthetic marker | fixture folder | repository context | ASSIGN | RECORD | RECORD | RECORD | tool result y downstream context | DEFINE | SELECT | DEFINE | UNTESTED | |
| Review a connected response | approved synthetic service data | approved tool only | ASSIGN | RECORD | RECORD | RECORD | service log y model transcript | DEFINE | SELECT | DEFINE | UNTESTED |
Synthetic pilot markersLee
Notice: Synthetic labels only. No credential, customer record or test result.
Code: def synthetic_total(values): return sum(values)
Secret: NOT_A_CREDENTIAL_D01_CANARY
Log: SYNTHETIC_D01_TEST_TRACE File test_total.py, line 6: synthetic_total(None) File example.py, line 2: return sum(values) TypeError: NoneType object is not iterable Expected test behaviour: return 0 for an empty input; decide separately whether None is valid.
Context: SYNTHETIC_D01_CONTEXT_MARKER
Decisión de pilotoLee
Task: ____________________ Business purpose: ____________________ Permitted inputs: ____________________ Restricted inputs: ____________________ Account, client/version and OS: ____________________ Local, remote or cloud execution: ____________________ Expected control and prerequisite: ____________________ Observed result: UNTESTED Evidence location: ____________________ Decision: NOT YET REVIEWED Owner and review date: ____________________ Recheck triggers: new client, model, connector, repository location or policy.
Antes de que continúes
Mantén claras estas distinciones
- Aprobando una marca
- Apruebe una tarea y configuración de cliente. La misma marca puede exponer rutas de editor, CLI y nube.
- Llamar a un marcador un resultado DLP
- Una etiqueta falsa solo prueba acceso a menos que se haya establecido un disparador de política adecuado.
Aplícalo al uso de IA por parte de empleados
Lleva tu ruta real de datos.
Aona puede ayudar a evaluar la protección de datos sensibles y resultados de políticas en rutas de endpoint de empleados instaladas y soportadas.
Los controles nativos varían según proveedor, versión y ruta de entrada. La inspección por agente está en despliegue limitado; este paquete no implica protección en la nube sin agente.
Lleve el registro de rutas de datos completado y una tarea sintética a una demo de protección de datos para desarrolladores con alcance definido.
Revisa tu caso de usoPreguntas frecuentes
Preguntas sobre esta decisión
¿Deberíamos prohibir todos los asistentes de codificación IA hasta que termine el piloto?
¿Significa que sin entrenamiento el código se queda en el portátil?
¿Podemos reutilizar un resultado para todos los desarrolladores?
¿Este paquete prueba que Aona protege nuestro cliente de codificación?
Evidencia detrás de la guía
Fuentes y alcance
Preparado por Aona. Fuentes comprobadas 2026-09-21. El material citado respalda los puntos específicos a continuación; no certifica un producto ni su caso de uso.
- Cursor: Privacidad y Gobernanza de Datos
Distingue solicitudes de datos de clientes locales, manejo del proveedor y entornos con agentes en la nube.
vendor · comprobado 2026-09-21 - OpenAI: Aprobaciones y seguridad de agentes
Separa controles de sandbox, aprobación y red para uso local y en la nube.
vendor · comprobado 2026-09-21 - Aona: Cobertura de seguridad IA
Distinción pública actual entre rutas de políticas de endpoints soportadas e inspección por agente en despliegue limitado.
vendor · comprobado 2026-09-21