4. 数据采集安全与合规
自动驾驶数据闭环的起点是采集。摄像头、激光雷达、毫米波雷达、GNSS/IMU、车内麦克风与驾驶员监控（DMS）等传感器，把物理世界转化为可训练、可回放、可审计的数据资产。但同一份数据既可能承载道路环境信息，也可能承载车牌、人脸、声纹、位置轨迹等个人信息，甚至构成敏感个人信息。因此，采集环节必须同时回答三个问题：采什么、采到谁、能不能采。
采集合规的核心逻辑：目的限定 → 范围最小 → 身份可识别性判断 → 分类分级 → 授权或匿名化 → 留痕可审计。任何一步缺失，都会把风险传递到后续的存储、标注、训练与共享环节。
一、传感器数据采集范围：先画清“数据地图”
采集范围不是“越多越好”，而是与功能目的强绑定。工程上建议先建立传感器—数据—用途的映射表，明确每个传感器产生什么字段、服务于哪个功能、是否必须持续采集。
| 传感器 | 典型数据 | 可能涉及的信息类型 | 采集策略建议 |
|---|---|---|---|
| 车外摄像头 | 图像/视频、车牌、人脸、道路标识 | 个人信息、敏感个人信息（人脸、行踪轨迹） | 按需采集，区域脱敏，非必要不落盘 |
| 激光雷达 | 点云、反射强度、距离 | 可间接识别行人轮廓、车辆外形 | 优先本地处理，输出特征而非原始点云 |
| 毫米波雷达 | 目标距离、速度、角度 | 一般不直接识别个人 | 可长期采集，注意与位置数据关联风险 |
| GNSS/IMU | 经纬度、速度、航向、时间 | 行踪轨迹，属敏感个人信息 | 加密存储，精度按功能降级 |
| 车内麦克风 | 语音、环境音 | 声纹、对话内容 | 默认关闭，唤醒后短时采集 |
| DMS 摄像头 | 驾驶员面部、视线、疲劳状态 | 人脸、生物识别信息 | 车内本地推理，不上传原始图像 |
这张“数据地图”是后续所有合规动作的基础。没有它，个人信息识别、脱敏、授权和审计都无从谈起。
二、个人信息与敏感信息识别：从“可识别性”出发
判断某段数据是否属于个人信息，关键看能否单独或结合其他信息识别到特定自然人。自动驾驶数据中，常见的识别路径有三类：
- 直接标识：人脸、车牌、声纹、身份证号、手机号等，可直接指向个人。
- 准标识：时间、地点、车型、行驶路线等组合后可能锁定特定车主或行人。
- 推断标识：通过行为模式、常驻地点、通勤规律推断出个人身份或敏感属性。
其中，敏感个人信息包括生物识别、行踪轨迹、不满十四周岁未成年人信息等。车外人脸、车牌与连续轨迹一旦结合，风险等级会显著上升。因此识别工作不能只看单帧图像，而要做跨模态关联分析。
实操建议：建立“字段级”标签体系，为每个数据字段标注
personal、sensitive、anonymous、retention_days 四个属性，并在采集 SDK 中强制校验。
三、车外数据采集的合规要求：最小化、脱敏、授权与留存
车外数据是自动驾驶合规压力最大的部分，因为它天然处于公共空间，却大量涉及未授权的第三方。合规要求可归纳为四条主线：
- 目的限定与最小必要：只采集实现驾驶功能所必需的数据，非必要不开启、不落盘、不上传。
- 脱敏与匿名化优先：在车端或边缘侧完成人脸、车牌模糊化，优先输出不可逆的匿名化结果。
- 告知与授权：对车主、驾驶员、乘客履行告知义务；对车外第三方难以逐一授权时，应通过匿名化降低合规门槛。
- 留存与访问控制：设定最短留存期，原始数据加密存储，访问需审批并全程审计。
下面是一段典型的采集侧脱敏配置示例，用于在数据落盘前完成人脸与车牌处理：
collection_policy:
camera_outside:
enabled: true
purpose: "perception_training"
face_blur: true
plate_blur: true
blur_mode: "irreversible"
raw_retention: false
gnss:
enabled: true
precision_reduce_m: 50
encrypt: true
retention_days: 30
mic:
enabled: false
wakeup_window_s: 8
audit:
log_fields: ["timestamp", "sensor", "policy_id", "operator"]
四、场景与误区复盘
场景：某测试车队在园区采集数据用于训练感知模型。初期直接上传原始视频，导致车牌、行人面部、员工工牌全部进入训练集。复盘后采取三项整改：车端先做人脸与车牌不可逆模糊；GNSS 精度降级并加密；建立字段级标签与留存策略，原始数据 7 天自动删除。
常见误区：
- 认为“公共道路拍摄就不涉及个人信息”——车牌与人脸仍可识别到特定个人。
- 把“脱敏”等同于“打码后仍保留原始副本”——可逆处理不等于匿名化。
- 只关注车外，忽略 DMS 与麦克风带来的车内敏感信息。
- 采集策略写进文档却未在 SDK 中强制执行，导致策略与实现脱节。
合规不是一次性动作，而是贯穿采集、传输、存储、标注、训练、共享的持续过程。采集侧一旦失控，后续所有环节都难以补救。
把上述判定链路固化到采集 SDK 与数据管道中，才能让“合规要求”从文档变成可执行、可验证、可追溯的工程能力。采集范围清晰、识别准确、处理到位，数据闭环的安全底座才算真正建立。