获取 YOLO 许可
指南

受监管行业的计算机视觉:Ultralytics 安全审查清单

面向受监管行业的计算机视觉安全审查清单:SOC 2 和 ISO 27001 范围、本地部署和气隙隔离选项、隐私及 SLA。

Kristian SommerKristian Sommer11 分钟阅读
Ultralytics 安全页面卡片展示 ISO/IEC 27001:2022 和 SOC 2 Type I 认证,前景为 Ultralytics Platform 工作区角色,金色渐变封面标题为“受监管行业”

计算机视觉平台在受监管行业接受审查时,审查人员会关注四个方面:独立的安全证据、图像和模型数据的流向、访问权限和变更的控制方式,以及合同中的承诺。这些检查有助于开展评估。但这些检查本身并不能让视觉系统合规,因为适用的规则取决于你的系统、数据和使用方式。

本清单适用于医疗保健、生命科学、制造业、能源、金融和公共部门的安全、合规及采购团队,这些团队正在审查 Ultralytics YOLO、Ultralytics Platform 或其他视觉 AI 技术栈。每个部分都列出了需要索取的证据、需要回答的问题,以及仍由你负责的事项。如果你还在选择供应商架构,请先阅读我们的企业计算机视觉采购指南,然后再回到这里进行审查。

从适用于你的用例的要求开始#

在收集任何供应商文档之前,先确定哪些要求确实适用。列出一长串认证要求会拖慢审查进度,也可能遗漏监管机构真正关心的事项。以下框架展示了需要针对你的用例评估的要求。请把它当作待提问事项的参考,而不是法律建议。

框架范围视觉项目需要确认的事项
SOC 2服务组织,适用于任何行业审计师针对供应商特定系统控制措施出具的报告
ISO/IEC 27001任何行业在明确范围内通过认证的信息安全管理体系
HIPAA处理受保护健康信息 (PHI) 的美国受覆盖实体和业务伙伴供应商是否作为业务伙伴,以及在需要时是否签署业务伙伴协议 (BAA)
GDPR在 GDPR 的地域适用范围内处理的个人数据控制者和处理者的角色、合法依据、处理者条款以及国际传输保障措施
FDA 21 CFR Part 11 和适用的 GxP 要求属于 Part 11 范围的电子记录和电子签名,以及受良好实践规范约束的活动确定哪些记录和系统属于范围,然后落实验证、访问、审计追踪、保留和签名控制
IEC 62443工业自动化和控制系统通过风险评估确定区域、通道和目标安全等级,并落实供应商要求
FedRAMP代表美国联邦机构处理联邦信息且属于范围内的云服务确认该要求是否适用于预期用途,然后核实具体服务的授权状态和评估边界
欧盟《人工智能法案》其范围内的提供者、部署者和其他运营者你的角色、预期用途、风险分类,以及适用的义务和日期

你的责任:供应商报告和证书涵盖的是供应商自己的系统。Part 11 验证、IEC 62443 风险评估、GDPR 角色分析和欧盟《人工智能法案》分类,仍需在你的环境中针对你的用例完成。

核查安全证据及其确切范围#

索取:最新的 SOC 2 报告、附有范围说明的 ISO/IEC 27001 证书,以及最新的外部渗透测试摘要。

询问:这些证据是否涵盖你要购买的产品和配置?报告类型是否符合你的政策?

SOC 2 Type I 报告包含审计师对系统说明和特定日期控制措施设计的意见。Type II 报告还会评估这些控制措施在指定期间内是否有效运行,因此要确认你的采购政策要求哪种报告类型。请阅读审计意见、范围和任何例外事项,而不只是封面。ISO/IEC 27001 证书涵盖明确范围内的信息安全管理体系,并通过监督审核在再认证审核之间维持认证有效性。

Ultralytics 当前情况:根据我们的安全页面和定价页面,Ultralytics Platform 已通过 ISO/IEC 27001:2022 认证并持有 SOC 2 Type I 报告,两者均于 2026 年签发,且所有套餐均将完整平台纳入范围。相关报告、渗透测试证明和分处理者名单可通过信任中心获取。安全页面列出了 SOC 2 Type I 报告。如果你的政策要求 Type II,请在审查开始时确认是否有合适的报告。我们公布的证据表明,Ultralytics YOLO 和 Ultralytics Platform 均纳入 ISO/IEC 27001:2022 认证管理体系,完整的 Platform 则纳入 SOC 2 Type I 范围。对于开源 YOLO 软件包,也要审查供应链控制措施:持续漏洞扫描、代码分析、依赖项警报、机密扫描,以及每次发布都附带的软件物料清单 (SBOM)。

梳理图像、标签和模型的去向#

索取:针对你的确切配置编写的数据流说明,涵盖源图像、标签、训练后的模型权重、指标和日志。

询问:其中哪些数据会离开你的网络?会传到哪里?哪些操作仍需要互联网访问?

使用以下四种部署模式来梳理数据流:

模式哪些数据会离开你的环境由谁运行
云端视觉 API发送进行分析的每张图像提供商
支持数据驻留的托管平台图像、标签和模型存储在你选择的区域供应商
数据集像素保留在本地,云端负责管理标签、标注、指标和选定的模型权重;源像素保留在本地你负责本地数据接入和训练;供应商负责运行界面
自托管,可选择气隙隔离取决于你的配置;气隙隔离设置无法连接外部服务你

四种部署模式:云端视觉 API 接收每张待分析图像;托管式 Ultralytics Platform 工作区将图像、标签和训练后的模型存储在选定区域;Platform On Premise 将源数据集像素和衍生像素保留在本地,并将标签、指标和最佳检查点发送到 Platform;自托管 Ultralytics YOLO 将图像、标签和模型保留在你的硬件上

在每种模式下,图像、标签、指标和模型权重如何跨越你的环境边界。实际数据流取决于你的配置。

Ultralytics 当前情况:

  • 支持数据驻留的托管服务。Ultralytics Platform 会将数据集和模型内容存储在你入驻时选择的欧盟、美国或亚太地区;如需更改,必须提交支持请求。每个专用部署都使用创建端点时选定的区域。数据区域是一项存储保障:账户级数据(如个人资料和账单记录)会在全球范围内处理,因此如果你的协议限制了数据处理地点,请确认 GPU 处理位置。
  • 数据集像素保留在本地。作为 Enterprise 套餐一部分的 Platform On Premise 选项,可在你自己的 Linux、macOS 或 Windows 计算机上为数据集编制索引并进行训练。Platform 绝不会存储、记录或处理这些源像素。标签、标注和指标存储在 Platform 中,最佳检查点会上传以供导出和部署。这些工件可能包含从图像中学到的信息,因此应将它们纳入审查。设置过程需要通过出站 HTTPS 访问 Platform、Docker 镜像仓库和 Python 软件包下载源,因此 On Premise 不属于气隙隔离选项。

Ultralytics Platform On Premise 集成说明,位于显示 Europe 的账户 Data Region 设置上方

Platform 的 On Premise 和 Data Region 设置。On Premise 仍需要互联网访问,仅采用欧盟数据驻留本身并不能证明符合 GDPR。

  • 自托管。Ultralytics YOLO Python 软件包可在你自己的服务器上训练、验证、运行和导出模型。当 YOLO 在 Platform 之外运行时,Ultralytics 不会处理或存储你的推理数据。在 AGPL-3.0 条款之外进行商业和内部业务用途,需要取得 Ultralytics Enterprise License。

气隙隔离部署#

气隙隔离系统无法连接互联网,因此软件通常会下载的所有内容都必须通过你批准的传输流程导入。对于 Ultralytics YOLO:

  • 准备并测试完整工作流程。传输工作流程所需的软件包、模型文件、数据集和运行时资源,然后在屏蔽网络的情况下测试训练、推理和导出,再验收该环境。
  • 关闭遥测。根据我们的数据收集文档,软件包的匿名分析默认开启,且绝不会包含图像。设置 sync=False 可关闭分析和崩溃报告。也要禁用外部日志记录集成。
  • 导出到获批的运行时。YOLO 模型可导出为 ONNX、TensorRT、OpenVINO 等格式,从而可在基础设施团队已批准的服务技术栈上运行推理。
  • 在网络层强制隔离。软件设置是第二道防线,而不是第一道。

你的责任:在自托管或气隙隔离部署中,你的团队负责运行 GPU、标注、版本管理、监控和修补。我们关于托管云端与自托管计算机视觉的比较介绍了相关成本。

审查隐私、访问权限和数据处理#

索取:数据处理协议、数据保留和删除条款、分处理者名单,以及访问控制说明。

询问:供应商能否使用你的图像训练自己的模型?供应商内部哪些人员可以访问你的数据?

在合同中明确训练相关问题。为提供你所请求的功能(例如自动标注)而处理你的图像,与使用图像来改进供应商自己的模型并不相同,应分别约定。

Ultralytics 当前情况:

  • 合同条款。数据处理协议会记录数据处理、处理活动和保留实践,并提供标准合同条款。Enterprise 套餐为数据集和模型训练增加法律保护;请在协议中确认适用于你用途的确切条款。
  • 访问权限。我们的安全页面列出了 Ultralytics Platform 的 SSO/MFA 和基于角色的访问控制,并强制启用 MFA;Enterprise 套餐还提供 SSO/SAML。Pro 和 Enterprise 套餐的团队成员会被分配所有者、管理员、编辑者或查看者角色。
  • 加密。数据在传输中和静态存储时均经过加密。
  • 使用你自己的存储空间中的数据集启用 AI 功能。从 Amazon S3、Google Cloud Storage 或 Azure Blob Storage 编入索引的数据集设有 AI 功能开关,且默认开启。开启时,Ultralytics GPU 和 AI 模型提供商可能会处理这些图像,以提供智能标注、自动标注和云端训练等功能。关闭该开关可避免这些服务访问图像;手动标注和本地训练仍可正常使用。On Premise 图像绝不会离开你的主机,因此无法使用这些功能。
  • 健康数据。我们已完成 HIPAA 安全规则自我评估,并可向符合条件的 Enterprise 客户提供 BAA。只有在双方签署 BAA 后,且仅在该协议涵盖的服务和配置中,才能上传 PHI。我们的用于医学影像的 HIPAA 合规 AI 指南介绍了相关设置。

Ultralytics Platform 工作区角色卡片,列出所有者、管理员、编辑者和查看者的权限

Ultralytics Platform 工作区角色:所有者、管理员、编辑者和查看者,各自拥有不同的权限。

作为参考,大型云服务提供商会公布适用于健康数据的服务级别清单。AWS 在其 HIPAA 适用服务参考中列出了 Amazon Rekognition,Google Cloud 则在其 HIPAA BAA涵盖的产品中列出了 Cloud Vision。无论使用哪家供应商,都要确认具体服务是否列在清单中。

建立可追溯性并审批变更#

索取:数据集和模型的版本管理方式、记录的事件、记录保留时长,以及记录的导出方式。

询问:你能否证明生产模型使用了哪些数据进行训练、由谁进行了更改,以及由谁批准了发布?

平台可以让证据收集变得更容易,但无法代替你验证受监管系统。

Ultralytics 当前情况:对于处于就绪状态的已上传数据集,Ultralytics Platform 支持创建不可变的编号数据集版本,这些版本可供下载、比较和恢复。云存储或 On Premise 关联的数据集不支持版本管理,因此这些数据源需要采用自己的版本管理流程。Platform 的活动动态会记录训练作业、数据集变更、模型导出和部署、API 密钥事件及设置变更。事件可导出为 CSV 或 JSON,并包含事件时间、资源标识符、用户名、电子邮件和 ID,以及事件元数据。活动文档并未证明符合 Part 11 验证要求,因此请评估活动动态及周边控制是否满足预期用途的要求。

Ultralytics Platform 数据集版本表,显示版本 v1,描述为 Baseline,并列出图像数、类别数和标注数

Ultralytics Platform 中已上传数据集的不可变编号版本,并列出图像数、类别数和标注数。关联的云存储和 On Premise 数据集需要采用自己的版本管理流程。

你的责任:记录每个发布版本所依据的数据集版本和模型检查点,并在自己的质量体系中保存验收测试、审批和变更记录。

商定支持和可用性承诺#

索取:SLA 文档、支持响应时间和事件沟通流程。

询问:具体涵盖哪些内容?如何衡量可用性?未达到目标时会如何处理?

阅读任何 SLA 时,都要关注三点:涵盖的内容(训练、推理端点或 Web 应用)、正常运行时间的衡量方式,以及适用的补救措施。已公布的云服务 SLA 可作为很好的参考。例如,Google Cloud 的 Cloud Vision SLA规定,每月正常运行时间目标至少为 99.9%。

Ultralytics 当前情况:Enterprise 套餐包含定制 SLA,以及专属的入驻支持和技术支持。服务状态和事件历史可在 status.ultralytics.com 公开查看。

你的责任:在自托管和气隙隔离部署中,可用性由你负责设计保障。此时,供应商关系涉及支持、安全公告和更新。

整理审批材料包#

结束审查时,整理一份审批人可以签字确认的材料包,或者提供书面说明,指出阻碍审批的问题。材料包括:

  • 适用的要求,以及确认这些要求的负责人
  • SOC 2 报告(注明类型)、ISO/IEC 27001 证书及其适用范围,以及渗透测试摘要
  • 针对确切配置的数据流图,包括哪些部分需要访问互联网
  • 数据处理协议、数据保留条款和子处理方名单
  • 关于你的数据是否可用于训练供应商模型的明确合同答复
  • 如果供应商作为 HIPAA 业务伙伴行事,则需提供 BAA
  • 访问控制设置:SSO、多因素身份验证和角色
  • 你的版本记录、变更审批记录和验证记录
  • 商业部署所需的 SLA、支持条款和许可条款
  • 任何尚未解决的问题、负责人以及已作出的决定

常见问题

  • 向每家供应商询问其是否持有 SOC 2 报告,然后审查报告的类型和适用范围。Ultralytics Platform 持有 SOC 2 Type I 报告和 ISO/IEC 27001:2022 认证,两者均覆盖整个平台;审计报告可通过 Ultralytics Trust Center 获取。

  • 可以,使用自托管模型即可。Ultralytics YOLO 支持自托管运行。对于气隙部署,请准备并测试工作流所需的每个软件包和文件,使用 sync=False 关闭分析功能,禁用外部集成,并在网络层面实施隔离。Ultralytics Platform(包括 On Premise)需要访问互联网。

  • Ultralytics Platform 的 Enterprise 方案包含 SSO/SAML、基于角色的团队访问权限和 On Premise;该方案将数据集图像和训练保留在你自己的硬件上,同时将标签、指标和最佳模型发送到 Platform。需要完全隔离的站点可以根据 Enterprise License 自托管运行 Ultralytics YOLO。

  • 询问托管服务提供商是否提供 SLA、SLA 涵盖哪些内容,以及如何衡量正常运行时间。Ultralytics Enterprise 方案包含定制 SLA。对于自托管部署,可用性取决于你自己的基础设施。

  • 不能。供应商的报告和证书只能在规定范围内提供证据。你的组织仍需判断哪些要求适用于自身系统、数据和预期用途,并满足这些要求。

    如需查看这些答复背后的证据,请访问我们的安全与合规页面,或联系我们的团队,了解 Enterprise License。

    来源,核查日期:2026 年 11 月 16 日:Ultralytics 安全页面、定价页面和 Ultralytics Platform 文档;AWS HIPAA 合规服务参考;Google Cloud HIPAA 合规页面;Google Cloud Vision SLA。

作者

Kristian Sommer
Kristian Sommer

安全与合规工程师 · Ultralytics

Kristian Sommer 是 Ultralytics 的安全与合规工程师,常驻斯洛伐克布拉迪斯拉发,负责支持公司的安全与合规计划。他此前曾在 Cisco、Capgemini Invent 和 Fujitsu UK 任职,并在赫瑞-瓦特大学学习商务管理。

评论

提出问题、分享你的结果,或帮助其他人。

探索解决方案

体育领域的计算机视觉

体育领域的计算机视觉

了解 Ultralytics YOLO 如何通过球员和球追踪、表现分析、教练洞察及运动员康复,推动体育视觉技术的发展。
了解详情
航空影像计算机视觉

航空影像计算机视觉

使用 Ultralytics YOLO 将无人机和航空影像转化为农业、水产养殖、保护工作和地理空间分析的实时洞察。
了解详情
航空航天中的计算机视觉

航空航天中的计算机视觉

使用 Ultralytics YOLO 将计算机视觉应用于航空航天领域,包括飞机检查、跑道 FOD 检测、机场地面作业和复合材料缺陷检测。
了解详情
安防领域的计算机视觉

安防领域的计算机视觉

使用 Ultralytics YOLO 模型守护每个场所。视觉 AI 可用于周界监控、威胁检测、车牌识别和工作场所安全。
了解详情
机器人领域的计算机视觉

机器人领域的计算机视觉

使用 Ultralytics YOLO 模型提升智能机器的能力。机器人领域的视觉 AI 可用于自主导航、感知、目标跟踪和实时控制。
了解详情
物流中的计算机视觉

物流中的计算机视觉

借助 Ultralytics YOLO 模型优化物流流程。视觉 AI 可用于包裹检查、分拣、车辆跟踪和仓库安全实时监控。
了解详情
零售中的计算机视觉

零售中的计算机视觉

借助 Ultralytics YOLO 模型重新构想零售。视觉 AI 可用于库存跟踪、货架监控、排队管理和更深入的客户洞察。
了解详情
医疗领域的计算机视觉

医疗领域的计算机视觉

借助 Ultralytics YOLO 模型构建医疗解决方案。医疗领域的视觉 AI 可加快医学影像处理、优化诊断并监测患者。
了解详情
制造业中的计算机视觉

制造业中的计算机视觉

利用 Ultralytics YOLO 模型优化制造流程。视觉 AI 可用于质量控制、缺陷检测、个人防护装备合规检查和装配线自动化。
了解详情
汽车领域的计算机视觉

汽车领域的计算机视觉

利用 Ultralytics YOLO 模型在汽车领域应用计算机视觉。视觉 AI 可提升道路安全、驾驶辅助和车辆自动化水平,让道路更智能。
了解详情
农业中的计算机视觉

农业中的计算机视觉

借助 Ultralytics YOLO 模型,将视觉 AI 引入智慧农业。为作物监测、牲畜追踪和精准农业提供支持,从而提高产量并实现更智能的生产。
了解详情

让我们携手构建 AI 的未来!

开启你的旅程,迎接机器学习的未来