Agent Data Handling Policy

代理数据处理策略（ADHP）

 ](SPEC.md) 

AI代理即将处理您最敏感的数据。没有标准的方法知道他们用它做什么。

______________________________________________________________________

内容： 问题 · 解决方案 · 四个预设 · 运作原理 · 看实际效果 · 对于开发者 · 监管环境 · 信任路线图 · 状态 · 加入对话

______________________________________________________________________

问题

一家公司要求人工智能招聘代理寻找一名高级开发人员。该代理调用背景检查代理，该代理调用信用评分代理，该信用评分代理调用身份验证代理。候选人的简历、工作经历、社会保障号码和生物特征数据在几秒钟内跨越了四个服务，但无法了解每个服务对这些数据的处理方式。

flowchart LR
    A[Recruiting Agent] -->|CV, Name| B[Background Check]
    B -->|SSN, History| C[Credit Score]
    C -->|Gov. ID, Biometrics| D[Identity Check]
    D ~~~ S[ ]
    style S fill:none,stroke:none

在每一步：代理是否存储您的数据？用它来训练？与第三方分享？在哪个国家处理？ 今天，没有标准的方法可以知道。

______________________________________________________________________

解决方案

ADHP是一个开放的规范 人工智能代理的机器可读隐私语言.

两面，一个词汇：

• 数据处理程序 声明他们如何处理数据（策略）。
• 数据发送者 声明他们的要求（要求）。

确定性匹配算法检查兼容性 之前 交换任何数据。

flowchart LR
    Sender -->|Requirements| Match{match}
    Handler -->|Policies| Match
    Match --> Pass[✅ Compatible]
    Match --> Fail[❌ Incompatible]

______________________________________________________________________

四个预设

预设被命名为基线，就像数据处理的知识共享许可证一样。

每个预设级别都满足所有较低的要求：a strict 处理程序始终匹配 standard 要求。

额外内容 在任何预设之上添加约束： no_training, no_log, no_third_party, tee_execution, right_to_erasure以及更多。 规范中的完整列表→

______________________________________________________________________

运作原理

双向匹配

// Data handler declares:
{
  "adhp": "0.3",
  "policies": [{
    "frameworks": ["gdpr"],
    "preset": "standard",
    "extras": ["no_training"],
    "max_retention": "P6M",
    "jurisdiction": { "processing": ["DE"], "storage": ["DE"] }
  }]
}

// Data sender requires:
{
  "adhp": "0.3",
  "require": [{
    "frameworks": ["gdpr"],
    "min_preset": "standard",
    "extras": ["no_training"],
    "accepted_jurisdictions": ["EU"],
    "max_retention": "P1Y"
  }]
}

匹配算法运行 六次检查：框架、预设级别、附加、管辖区、数据类别和保留。全部通过→ 兼容的。任何失败→ 不相容的。

协议集成

ADHP插入代理生态系统的连接层：

委派级联

当代理委托给其他代理时，需求会通过链传递。每个下游处理程序都必须通过 match() --要求只能收紧，不能放松。

flowchart LR
    U[Sender: min standard, EU only] --> A[Handler A — standard, DE ✅]
    A -->|passes requirements| B[Handler B — standard, FR ✅]
    B -.->|blocked| C[Handler C — open, US ❌]
    C ~~~ S[ ]
    style S fill:none,stroke:none

strict 和 zero_trace 预设完全禁止委托——数据保留在处理程序中。

______________________________________________________________________

看实际效果

### 尝试互动游乐场→ 配置发件人要求和处理程序策略，然后实时查看ADHP匹配情况。

______________________________________________________________________

对于开发者

安装验证器

pip install jsonschema

然后根据模式验证任何ADHP文档：

jsonschema -i my-policy.json schemas/adhp-v0.3.schema.json

架构： schemas/adhp-v0.3.schema.json （JSON模式草案2020-12）

快速启动

最简单的有效策略：

{ "adhp": "0.3", "policies": [{ "frameworks": ["gdpr"], "preset": "open" }] }

负责任的基线（最常见）：

{
  "adhp": "0.3",
  "policies": [{
    "frameworks": ["gdpr"],
    "preset": "standard",
    "extras": ["no_training"],
    "max_retention": "P1Y",
    "jurisdiction": { "processing": ["EU"], "storage": ["EU"] }
  }]
}

Python SDK（即将推出v0.3）

from adhp import match

result = match(handler_policy, sender_requirements)
if result.compatible:
    # Route to matched policy flow
    print(f"Matched: {result.matched_policies}")
else:
    # Inspect failures
    for f in result.failures:
        print(f"  ✗ {f.check}: {f.message}")

完整规格： 规格.md ·示例： 示例/

______________________________________________________________________

监管环境

ADHP是 框架感知 --每项政策都声明了它支持哪种监管框架。匹配算法确保满足框架特定的要求。

ADHP不能取代法律合规。它为系统就法规进行交流提供了一个通用的词汇和语法，而不是DPA、DPIA或法律协议的替代品。

______________________________________________________________________

超越宣言——信任路线图

*“但是，如果代理人对其政策撒谎呢？”*

ADHP是一种语言，而不是一种执行机制。验证由外部各方执行——ADHP仅提供 用于声明验证状态的字段每个阶段都添加了元数据，这增加了撒谎的成本：

我们在这里：阶段0。 ADHP被设计为一个基础层，可以在其上构建验证和执行系统。每个阶段都会添加元数据字段来记录验证的发生、执行者以及如何检查。

______________________________________________________________________

项目状态

版本： 0.3.0（草案）· 许可证： Apache 2.0

______________________________________________________________________

加入对话

我们正在公开建造这个。欢迎来自开发人员、DPO、隐私工程师、法律从业者以及在人工智能驱动的世界中关心数据隐私的任何人的反馈。

• 架构——ADHP位于堆栈中的位置
• 强制模式——从自我声明到加密证明
• 复杂管辖区建模
• 欧盟人工智能法案与自主代理合规问题